让星星⭐月亮告诉你,LinkedList和ArrayList(指定位置/头尾增加删除)

简介: 这段代码通过对比 `ArrayList` 和 `LinkedList` 在不同位置插入和删除数据的性能,展示了两者在不同操作下的优劣。`LinkedList` 在头部插入数据时效率高,但在尾部插入或指定位置插入时耗时较多,因为需要移动指针。`ArrayList` 则在任何位置插入数据时耗时相对稳定,但头部插入需要移动大量数据。删除操作中,`LinkedList` 在指定位置删除数据时耗时较少,而 `ArrayList` 需要移动数据。代码中通过多次插入和删除操作,统计并输出了具体的耗时情况。

⭐⭐⭐代码执行结论🌙🌙🌙:

/*
现象:LinkedList在指定位置采用add(index,data)方式增加数据时,位置越靠前耗时越少,越靠后耗时越多(而ArrayList采用add(index,data)方式的耗时跟位置关系不大);
原因:虽说LinkedList底层属于链表数据结构,不需要开辟一块连续的内存地址空间,逻辑上连续即可,在新增、插入和删除操作上占优势(只需要修改节点的前后指向即可,不需要移动数据);
但是因为LinkedList在插入时需要先移动指针到指定节点, 才能开始插入,一旦要插入的位置比较远,LinkedList就需要一步一步的移动指针, 直到移动到插入位置;
这就解释了, 为什么节点所在位置越靠后, 耗时越长, 因为指针移动需要时间。而ArrayList是数组结构, 可以根据下标直接获得位置, 这就省去了查找特定节点的时间,所以对ArrayList的影响不是特别大。

现象:LinkedList在头部add数据时(采用add(0,data)和addFirst(data)两种方式耗时差不多,都很少),耗时远远低于ArrayList(采用add(0,data));
原因:不像指定位置一样不需要移动指针,也不需要像ArrayList一样由于连续地址的原因移动数据。

现象:LinkedList在尾部add数据时采用指定位置add(lastIndex,data)的方式,ArrayList在尾部add数据时采用指定位置add(index,data)的方式,则LinkedList耗时远远高于ArrayList;
原因:跟在指定位置add(index,data)数据类似,越靠后LinkedList需要移动指针所花费的时间越多,而ArrayList查找效率本身就很高。

现象:LinkedList在尾部add数据时,如果采用addLast(data)的方式,ArrayList在尾部add数据时采用add(i)的方式,则LinkedList与ArrayList的耗时差不多;且两者的效率都比使用指定位置的方式有了极大提升
原因:LinkedList不像指定位置的方式那样,不再需要移动指针到指定位置;ArrayList不再像指定位置的方式那样,不再需要查询索引位置。

现象:LinkedList在remove(index)指定位置的数据时,位置越靠前耗时越少,越靠后耗时越多;
原因:跟在指定位置插入数据类似,越靠后移动指针所花费的时间越多。

现象:LinkedList在remove(Object)指定的数据时,耗时远少于ArrayList;
原因:不像指定位置一样不需要移动指针,也不需要像ArrayList一样由于连续地址的原因移动数据。
*/

public class TestArrayList {
   
    private static final int index = 100000;
    static List<Integer> list = null;
    public static void main(String[] args) {
   
        //测试ArrayList和LinkedList的插入效率
        addElementInList(list, "ArrayList");
        addElementInList(list, "LinkedList");
        //测试ArrayList和LinkedList的查询效率

    }

    private static void addElementInList(List<Integer> list, String type){
   
        if(type == "ArrayList"){
   
            list = new ArrayList();
            for(int i = 0; i < index; i++){
   
                list.add(i);
            }
        }
        if(type == "LinkedList"){
   
            list = new LinkedList();
            for(int i = 0; i < index; i++){
   
                list.add(i);
            }
        }
        long begin = System.currentTimeMillis();
//        int n = 20000;
        int n = index;
//        int n = 0;
        for(int i = 0; i < index; i++){
   
            if(type == "LinkedList"){
   
                list.add(n,i);
//                ((LinkedList)list).addLast(i);
//                ((LinkedList)list).addFirst(i);
            }else{
   
                list.add(n,i);
//                list.add(i);
            }
        }

        long end = System.currentTimeMillis();
        System.out.printf("在%s集合的索引为%d的位置插入%d条数据,总耗时为%d毫秒\n", type,n, index, end - begin);


        /*long begin2 = System.currentTimeMillis();
        for(int i = 0; i < index/6; i++){
            if(type == "LinkedList"){
                ((LinkedList)list).remove(i);
//                ((LinkedList)list).remove((Object)i);
//                ((LinkedList)list).remove();
            }else{
                ((ArrayList)list).remove(i);
//                ((ArrayList)list).remove((Object)i);
            }
        }
        long end2 = System.currentTimeMillis();
        System.out.printf("在%s集合remove(index)%d条数据,总耗时为%d毫秒\n", type, index, end2 - begin2);*/

        long begin2 = System.currentTimeMillis();
        for(int i = 0; i < index; i++){
   
            if(type == "LinkedList"){
   
//                ((LinkedList)list).remove(i);
                ((LinkedList)list).remove((Object)i);
//                ((LinkedList)list).remove();
            }else{
   
//                ((ArrayList)list).remove(i);
                ((ArrayList)list).remove((Object)i);
            }
        }
        long end2 = System.currentTimeMillis();
        System.out.printf("在%s集合remove(Object)%d条数据,总耗时为%d毫秒\n", type, index, end2 - begin2);
    }

}
目录
相关文章
|
2天前
|
编解码 Java 程序员
写代码还有专业的编程显示器?
写代码已经十个年头了, 一直都是习惯直接用一台Mac电脑写代码 偶尔接一个显示器, 但是可能因为公司配的显示器不怎么样, 还要接转接头 搞得桌面杂乱无章,分辨率也低,感觉屏幕还是Mac自带的看着舒服
|
4天前
|
存储 缓存 关系型数据库
MySQL事务日志-Redo Log工作原理分析
事务的隔离性和原子性分别通过锁和事务日志实现,而持久性则依赖于事务日志中的`Redo Log`。在MySQL中,`Redo Log`确保已提交事务的数据能持久保存,即使系统崩溃也能通过重做日志恢复数据。其工作原理是记录数据在内存中的更改,待事务提交时写入磁盘。此外,`Redo Log`采用简单的物理日志格式和高效的顺序IO,确保快速提交。通过不同的落盘策略,可在性能和安全性之间做出权衡。
1544 5
|
1月前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
8天前
|
人工智能 Rust Java
10月更文挑战赛火热启动,坚持热爱坚持创作!
开发者社区10月更文挑战,寻找热爱技术内容创作的你,欢迎来创作!
603 22
|
4天前
|
存储 SQL 关系型数据库
彻底搞懂InnoDB的MVCC多版本并发控制
本文详细介绍了InnoDB存储引擎中的两种并发控制方法:MVCC(多版本并发控制)和LBCC(基于锁的并发控制)。MVCC通过记录版本信息和使用快照读取机制,实现了高并发下的读写操作,而LBCC则通过加锁机制控制并发访问。文章深入探讨了MVCC的工作原理,包括插入、删除、修改流程及查询过程中的快照读取机制。通过多个案例演示了不同隔离级别下MVCC的具体表现,并解释了事务ID的分配和管理方式。最后,对比了四种隔离级别的性能特点,帮助读者理解如何根据具体需求选择合适的隔离级别以优化数据库性能。
205 3
|
11天前
|
Linux 虚拟化 开发者
一键将CentOs的yum源更换为国内阿里yum源
一键将CentOs的yum源更换为国内阿里yum源
586 5
|
11天前
|
JSON 自然语言处理 数据管理
阿里云百炼产品月刊【2024年9月】
阿里云百炼产品月刊【2024年9月】,涵盖本月产品和功能发布、活动,应用实践等内容,帮助您快速了解阿里云百炼产品的最新动态。
阿里云百炼产品月刊【2024年9月】
|
24天前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
7天前
|
XML 安全 Java
【Maven】依赖管理,Maven仓库,Maven核心功能
【Maven】依赖管理,Maven仓库,Maven核心功能
245 3
|
10天前
|
存储 人工智能 搜索推荐
数据治理,是时候打破刻板印象了
瓴羊智能数据建设与治理产品Datapin全面升级,可演进扩展的数据架构体系为企业数据治理预留发展空间,推出敏捷版用以解决企业数据量不大但需构建数据的场景问题,基于大模型打造的DataAgent更是为企业用好数据资产提供了便利。
328 2