java 中ArrayList與LinkedList性能比較

今天看一框架的代碼，看到有些 可以使用ArrayList的地方 使用的是 LinkedList，用到的情景是在一個循環(huán)里面進行順序的插入操作。

眾所周知java里面List接口有兩個實現(xiàn)ArrayList 和 LinkedList，他們的實現(xiàn)原理分別是c語言中介紹的數(shù)組和鏈表。

正如學(xué)習(xí)數(shù)據(jù)結(jié)構(gòu)時的認(rèn)識，對于插入操作，鏈表的結(jié)構(gòu)更高效，原因是可以通過修改節(jié)點的指針 就可以完成插入操作， 而不像數(shù)組，

需要把插入位置之后的數(shù)組元素依次后移。

但是，實際情況真如上面設(shè)想一樣嗎，下面通過一個簡單的例子實踐，看能得出什么結(jié)論。

public static void main(String[] args) {

List arrayList = new ArrayList();

List linkedList = new LinkedList();

long time1 = System.currentTimeMillis();

for(int i = 0; i < 1000000; i++) {

arrayList.add(new String("abc"));

}

long time2 = System.currentTimeMillis();

for(int i = 0; i < 1000000; i++) {

linkedList.add(new String("abc"));

}

long time3 = System.currentTimeMillis();

System.out.println("arrayList.insert_time = " + (time2 - time1));

System.out.println("linkedList.insert_time = " + (time3 - time2));

long time11 = System.currentTimeMillis();

for(int i = 0; i < 10000; i++) {

int random = RandomUtils.nextInt(10000);

String temp = arrayList.get(random);

}

long time12 = System.currentTimeMillis();

for(int i = 0; i < 10000; i++) {

int random = RandomUtils.nextInt(10000);

String temp = linkedList.get(random);

}

long time13 = System.currentTimeMillis();

System.out.println("arrayList.read_time = " + (time12 - time11));

System.out.println("linkedList.read_time = " + (time13 - time12));

}

運行結(jié)果：

arrayList.insert_time = 188

linkedList.insert_time = 250

arrayList.read_time = 16

linkedList.read_time = 234

通過結(jié)果可以看出：無論什么情況，ArrayList更加高效。尤其對于隨機讀取，數(shù)組的效率是鏈表的14倍之多。

而插入操作，兩者用時相差不多，但是還是數(shù)組的實現(xiàn)效率高一些。

對于其中原因，仔細想想也不難想明白。

當(dāng)List存儲的內(nèi)容不多時，寫入List的最后的元素，ArrayList和LinkedList用時差不多。

但是當(dāng)List存儲的元素個數(shù)很大時，通過數(shù)組結(jié)構(gòu)實現(xiàn)的ArrayList插入到最后可以通過數(shù)組下標(biāo)很快訪問到，但是LinkedList就需要訪問每個節(jié)點直到找到最后的元素再進行插入操作，這中操作步驟的耗時是巨大的，所以列表數(shù)量越大，LinkedList就越感吃力了。

當(dāng)然，對于要求隨機插入的場景，這個時候LinkedList就要比ArrayList適合了。

感謝閱讀，希望能幫助到大家，謝謝大家對本站的支持！

總結(jié)

以上是生活随笔為你收集整理的java c 性能比较_java 中ArrayList与LinkedList性能比较的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。