大家好，今天来为大家分享个人简历网站模板源码分享的一些知识点，和简历模板网址的问题解析，大家要是都明白，那么可以忽略，如果不太清楚的话可以看看本篇文章，相信很大概率可以解决您的问题，接下来我们就一起来看看吧！
掌握了本篇知识之后，简历上就可以多加一条个人技能了：
熟悉Java/Android中常见的集合源码，包括List、Set、Map、Queue/Deque等….
下面就是正文了，欢迎讨论～：
前言
起初想看集合源码是因为，一次偶然的机会，一位同事跟我说ArrayList的初始容量为空，第一次add时才会扩容至10。我当时就觉得我的知识体系有点落后了，就决定去看一遍集合源码。在看的过程中呢，可以用惊喜+收获满满来形容了。惊喜是指对于Stack、HashSet、LinkedHashMap等等的实现方式感觉很震惊，看完这些集合源码有种那种你感觉很难但是其实很简单的感觉，不仅如此，熟悉集合源码对实际开发也是有帮助的，主要体现在ArrayListremove时可能抛出的ConcurrentModificationException、Collections使用不当造成的UnsupportedOperationException、ArrayMap的缓存机制等等。
在看集合源码时，Debug源码有时并不直接，可以使用OpenJDK开源的JOL工具查看对象的内存布局，这对分析集合扩容、HashMap树化非常有用。
目录
ArrayListVectorStackLinkedListHashMapHashtableTreeMapLinkedHashMapHashSetTreeSetCopyOnWriteArrayListConcurrentHashMapLinkedBlockingQueueSynchronousQueueSparseArrayArrayMap
486页超全面Android开发相关源码精编解析：
ArrayList
ArrayList实现了List接口，RandomAccess接口，可以插入空数据以及支持随机访问。它相当于一个动态数组，初始化时是一个空数组，在第一次add时设置初始容量为10，每次扩容都增加到原来的1.5倍。简单的add就是在elementData数组末尾添加一个数据，size++；指定index添加数据，就需要拷贝index后面的数据后移一位。在删除的时，如果是删除null，就遍历数组找到第一个null值删除，否则就遍历比较equals删除指定index的数据，其实也就是拷贝index后面的数据前移一位。删除数据时，最好使用迭代器来做，避免ConcurrentModificationException，它并不只是在并发时才会抛出的，单线程也可能抛出，其实内部是比较expectedModCount和modCount是否相等来判断的。ArrayList的性能损耗就来源于数组拷贝，在适当情况下，可以初始化时指定容量大小，避免不必要的扩容操作。其实呢，ArrayList还有一个缺点，就是不能自动缩容，但是我们可以手动调用trimToSize来缩容至当前size大小。
还有一点是elementData是用transient修饰的，也就是拒绝数据被自动序列化，因为ArrayList并不是所有位置都有数据，所以没必要全部序列化，应该只序列化有数据的部分，所以它重写了writeObject/readObjet方法。
Vector
Vector感觉是一个被人抛弃的类，它在初始化时直接设置了数组初始容量为10，在它的get/add等方法都加了synchronized，完全可以看成是一个加锁的ArrayList。
不同的是，它在扩容时默认是直接加倍的，当然这个是可以控制的，在构造方法中可以传一个增长数，这个数是需要大于1的，不然就按1处理。比如是0.75，每次扩容就加1，是5呢每次扩容就加5。
当然，想让ArrayList变成线程安全的，还可以使用Collections.synchronizedList来做，或者呢，使用CopyOnWriteArrayList。
Vector基本上没人用过，但是它的一个子类大家可能会用过，那就是Stack。
Stack
Stack是继承于Vector的，所以它也是线程安全的，它总共代码就二三十行。所有实现都是在父类Vector中，在我们调用push时就是往数组末尾add一个数据，pop时就是获取数组的最后一个元素。和Vector不同的是，它的初始容量为空。还有需要注意的是，在调用peek/pop时，如果栈为空，是会抛EmptyStackException的。
LinkedList
LinkedList实现了Deque接口，说明它是一个双向链表，每一个Node节点都有prev和next指针，每次add或者remove时都需要更新前驱和后指针，在指定index位置删除时，会区分index如果是靠头部比较近，就从头first节点遍历删，否则从尾部last节点删。使用迭代器时，也是可以使用ListIterator从头或从尾遍历。
它在新增和删除时，时间复杂度O(1)，而在查询时时间复杂度O(n)。
HashMap
HashMap底层数据结构是数组+链表+红黑树。数组的主要作用是方便快速查找，时间复杂度是O(1)，默认大小是16，数组的下表索引是通过key的hashCode计算出来的，数组元素叫做Node，当多个key的hashCode一致，但key值不相同时，即发生了hash冲突时，单个Node就会转化为链表，链表的查询复杂度是O(n)，当链表的长度大于等于8并且数组的大小超过64时，链表就会转化为红黑树，红黑树的查询复杂度是O(log(n))，简单来说，最坏的查询次数相当于红黑树的最大深度。
HashMap非线程安全，如果需要满足线程安全，可以用Collections.synchronizedMap使得HashMap具有线程安全的能力，或者使用ConcurrentHashMap。
上面已经说清楚HashMap的大致实现原理了，下面就说一些细节的东西。
在HashMap中，哈希桶数组的长度大小必须是2的n次方，这是一种非常规的设计，常规的做法是把桶大小设计为素数。相对来说，素数导致冲突的概率要小于合数。HashTable初始化桶的大小为11就是把桶大小设计为素数的典型应用。HashMap采用这种非常规的设计，主要是为了在取模和扩容时做优化，同时为了减少冲突，HashMap在定位哈希桶索引位置时，也加入了高位参与运算的过程。
在链表长度大于等于8并且数组长度大于等于64时，才会进行树化。如果数组长度小于64，则只会扩容而不会树化。为什么是8呢？这个在源码注释中说的比较清楚，大致意思是，在链表数据不多的时候，使用链表进行遍历也比较快，只有当链表数据比较多才会转化为红黑树，但红黑树的占用空间是链表的两倍，考虑到转化时间和空间消耗，所以我们需要定义出转化的边界值。在考虑设计8这个值的时候，参考了泊松分布概率函数，得出的结论就是当链表长度为8的时候，出现的概率不到千万分之一，所以说，正常情况下链表的长度不可能到达8。
接下来讲确定哈希桶索引位置的做法。
简单的做法就是通过hash对数组长度取模运算得到索引，这样元素分布相对来说也是比较均匀的，但是取模运算不及位运算，HashMap采用的是(n-1)&hash，当n为2的次方时，(n-1)&hash等价于取模运算，但是位运算执行效率显然是高于取模运算的。
同时，取hash的时候是通过hashCode的高十六位和低十六位异或得到，这样做在数组长度比较小的时候也能保证高位bit都能参与到hash计算中，同时不会有太大开销。
然后再讲一下扩容机制，扩容的时候是容量翻倍，也就是x2，这也同时保证了长度依旧是2的次方，所以前面基于位运算取索引的优化得以保留。既然数组长度改变了，那么肯定需要重新计算索引位置呀？这里又有一个优化点，当n为2次方时，x2不过是在高位补1，然后在进行与运算，与1进行与运算就是它本身嘛。所以这时只需要看hash的高位是1还是0，如果是0，索引不变，如果是1，新索引就是原索引加旧桶值。这也就避免了重新计算索引，只需要看hash的高位是1还是0即可。但是你可能会说，这必须得保证数组长度为n次方呀，我们可以在初始化HashMap时传一个非2的n次方的数，这就炸了。其实呢，HashMap会根据你数组容量，自动调节到2的n次方上，比如传15就是16，传17呢就是32，向上转一个最接近的2次幂数。
最后，在这里面我并没有将HashMap的具体put/remove/get的实现，这些其实就是数组或链表或红黑树的操作，数组和链表大家都很熟悉了，红黑树我也不是很懂，只需要记得每次put/remove时，都会进行着色和旋转，使得红黑树更加平衡。再不济就把红黑树看成一颗二叉搜索树也行趴。
Hashtable
首先这个Hashtable的命名就有点离谱，没有遵循驼峰命名法。它的实现是通过一个Entry数组来做的，put/remove/get都加了synchronized，是线程安全的，它的取index是(hash&0x7FFFFFFF)%tab.length，前面和0x7FFFFFF是为了让hash值变为正数，那你可能会问，为啥不用Math.abs呢，其实在数值溢出时，abs也是可能会得到负值的；HashMap的可以只有一个key为null，多个value为null的，而Hashtable是不允许key/value为null的，不然直接抛空指针。
Hashtable在扩容时，是x2+1的。Hashtable在处理hash冲突时，是插入到链表的头部，即头插法。
TreeMap
TreeMap底层的数据结构就是红黑树，和HashMap的红黑树结构一样。不同的是，TreeMap通过compare来比较key的大小，然后利用红黑树左小右大的特性，为每个key找到自己的位置，维护了key的大小关系，适用于key需要排序的场景。
因为底层使用的是红黑树的结构，所以它的put/remove/get等方法时间复杂度都是log(n)的。
LinkedHashMap
HashMap是无序的，TreeMap可以按照key进行排序，那有没有Map是可以维护插入顺序的呢？这就是LinkedHashMap。
LinkedHashMap本身是继承HashMap的，所以它拥有HashMap的所有特性，在此基础上还提供了两大特性，第一个是按照插入顺序访问，第二个呢是实现了最近最少使用策略，这个需要在构造方法中传一个accessOrder=true，默认是false也就是按照插入顺序访问。
在我们调用put/remove方法时，其实是调用的HashMap的put/remove方法，而重写了get方法实现了以上特性。那么它是如何基于HashMap实现了以上特性的呢？其实是通过重写HashMap里面的三个方法，这个三个方法是每当HashMap调用put/get/remove时都会调用的，只不过在HashMap中是一个空实现，而在LinkedHashMap中它被用来记录插入顺序，其实也就是扩展HashMap的Node使其具备链表结构，也就是每个数组元素增加befor和after属性。
但是呢，LinkedHashMap只提供了单向访问，即按照插入的顺序从头到尾进行访问，不能像LinkedList那样可以双向访问。
在使用LRU策略时，可以覆写删除策略的方法removeEldestEntry方法，比如可以指定当节点数大于10就开始删除头结点（size()>10）等等。
HashSet
HashSet的源码还是很少的，它保证了每个元素是不会重复的。在它的构造方法中，其实是newHashMap来做的，一般我们只使用它的add和contains方法，其实都是调用HashMap来实现的。
这个类也没说可说的了，代码就那几十行。
TreeSet
TreeSet大致的结构和HashSet相似，底层组合的是TreeMap，所以继承了TreeMapkey能够排序的功能，同时也具有Set不可重复的属性。
TreeSet的add方法是调用NavigableMap的put方法的，它是一个接口，它的实现是在TreeMap中，也就是说，TreeSet定义了接口的规范，TreeMap负责去实现。
TreeSet基本上不常用，一般需要不重复元素且能根据元素进行排序的时候，才会用到TreeSet，使用时需要我们注意最好实现Comparable接口，这样方便底层的TreeMap根据key进行排序。
CopyOnWriteArrayList
CopyOnWriteArrayList是一个线程安全的ArrayList，使用了写时复制策略，它是通过synchronized+数组拷贝+volatile关键字保证了线程安全。在它addvalue时，是先synchronized加锁保证同一时刻只有一个线程执行add方法，再拷贝一份长度加一的新数组，把value加到新数组的末尾，最后再把新数组赋值给原数组。你可能会问了，这都加锁了，为啥不在原数组上面直接操作呢？原因主要有两个：
在新的数组上进行拷贝，对老数组没有任何影响，只有新数组完全拷贝完成之后，外部才能访问到，降低了在赋值过程中，老数组数据变动的影响volatile关键字修饰的是数组，如果只是简单的在原数组上修改其中某几个元素的值，是无法触发可见性的，我们必须通过修改数组的内存地址才行，也就说要对数组进行重新赋值才行
数组拷贝也有一点好处，那就是没有空间损耗，元素是占满数组的。
remove时和add相似，就不多说了。
CopyOnWriteArrayList读的时候不需要加锁，适合读多写少的场景，这同时也会带来一个弱一致性的问题，即获取迭代器后迭代元素，其他线程对该list进行的增删改不可见，因为它们操作的是两个不同的数组，这就是弱一致性。简单来说，就是CopyOnWriteArrayList提供了弱一致性的迭代器，从而保证获取迭代器后，其他线程对list的修改是不可见的，迭代器遍历的数组是一个快照。
CopyOnWriteArraySet的内部实现就是在其构造方法中newCopyOnWriteArrayList来实现的。
ConcurrentHashMap
ConcurrentHashMap和HashMap相比，它的底层也是使用数组+链表+红黑树来实现的，不过新增了转移节点（ForwardingNode），是为了保证扩容时的线程安全的节点。而且红黑树结构略有不同，HashMap的红黑树节点叫做TreeNode，TreeNode不仅仅有属性，还维护着红黑树的结构，比如说查找、新增等；ConcurrentHashMap中红黑树被拆分成两块，TreeNode仅仅维护属性和查找功能，新增了TreeBin，来维护红黑树结构，并负责根节点的加锁和解锁。
和HashTable相比，它也是线程安全的，但是ConcurrentHashMap多个线程同时进行put、remove等操作时并不会阻塞，可以同时进行；HashTable在操作时，会锁住整个Map。
ConcurrentHashMap在put时，在一个for死循环里面，也就是一定能保证put成功。第一次put时，会先通过CAS保证只有一个线程扩容，如果有其他线程在执行扩容操作，就会调用Thread.yield释放当前CPU调度权，重新发起锁的竞争，这一步是在一个while循环里面去做的只要容量为空，就一直循环。再求出table索引之后，如果该槽点为空并不是直接新增，而是通过CAS新增。如果判断当前是转移节点（转移节点的hash值固定为MOVED为-1），表示该槽点正在扩容，就会一直等待扩容完成；如果当前槽点有值，就是key的hash冲突的情况，此时槽点上可能是链表或红黑树，这时候就会通过synchronized锁住槽点，来保证同一时刻只会有一个线程能对槽点进行修改。也就是说，put是通过自旋+CAS+锁来实现线程安全的。
在进行扩容时，首先需要把老数组的值全部拷贝到新数组上，先从数组的队尾开始拷贝，拷贝数组的槽点时，会先把原数组的槽点锁住，保证原数组槽点不能操作，成功拷贝到新数组时，把原数组槽点赋值为转移节点。如果此时有数据要put到此槽点就会一直等待。拷贝时也是扩容原数组两倍大小。
ConcurrentHashMap的get和HashMap基本无差。
LinkedBlockingQueue
LinkedBlockingQueue即链表阻塞队列，它实现了BlockingQueue接口，BlockingQueue在Queue的基础上加上了阻塞的概念；链表维护了先入先出的队列，新元素被放在队尾，获取元素从队头拿；当我们调用put时，队列满了就一直阻塞，在阻塞时被其他线程设置了中断标志，则被阻塞的线程会抛出InterruptedException异常而返回，也可以调用非阻塞的offer方法，如果队列满了就放弃当前元素返回false；调用take时，如果队列为空也是一直阻塞，也可以调用非阻塞的poll方法，如果队列为空就直接返回null。
LinkedBlockingQueue内部构成简单来说，可以分为三个部分：链表存储+锁+迭代器。它内部有两把ReentrantLock锁，分别是put锁和take锁，保证了队列操作的线程安全，设计两把锁，是为了put和take两种操作可以同时进行，互不影响。
在put时，先调用ReentrantLock的lockInterruptibly设置可中断锁，然后判断队列是否满了，如果满了就调用Condition的await函数无限等待，否则就添加到队列尾部；如果这时队列不为空，就唤醒一个take的等待线程，最后在解锁。
在take时，也是先加take锁，然后判断队列是否为空，为空就无限等待，否则就删除链表头节点返回，如果这时队列没有满，就唤醒一个put的等待线程，最后在解锁。
在remove时会获取双重锁，获取后，其他线程进行入队或出队操作都会被阻塞挂起，然后遍历队列找到要删除的元素删除，找到了就删除并唤醒一个阻塞的put线程，否则返回false。
LinkedBlockingQueue主要用在线程池中，当我们使用Executors的newFixedThreadPool或newSingleThreadPool创建线程池时，阻塞队列用的就是LinkedBlockingQueue，但是通常我们不建议这样直接使用Executors创建线程池，因为LinkedBlockingQueue的默认队列大小是Integer.MAX_VALUE，可能会爆内存。
在Android中，AsyncTask在核心线程池不够用的情况下触发任务拒绝策略时，会用到LinkedBlockingQueue。
SynchronousQueue
SynchronousQueue是一个不存储元素的阻塞队列，每一个put操作必须等待take操作，否则不能添加元素。在使用Executors的newCachedThreadPool创建线程池用的就是它，在AsyncTask创建的一个单线程池用的也是它，核心线程数为1，最大线程数为20，非核心线程空闲存活时间为三秒，适合任务多但是执行比较快的场景中。
源码水太深了，还没看明白，待定。
SparseArray
SparseArray是Android中一种特有的数据结构，用来替代HashMap的。初始化时容量为10，它里面有两个数组，一个是int[]数组存放key，一个是Object[]value数组。也就是它的key只能为int；在put时，会根据传入的key进行二分查找找到合适的插入位置，如果当前位置有值或者是DELETED节点，就直接覆盖，否则就需要拷贝数组后移一位，空出一个位置让其插入。如果数组满了但是还有DELETED节点，就需要调用gc方法，gc方法所做的就是把DELETED节点后面的数前移，也就是真正的把DELETED节点删掉然后在插入，否则就只能扩容了。
调用remove时，并不会直接把key从int[]数组里面删掉，而是把当前key指向的value设置成DELETED节点，这样做是为了减少int[]数组的结构调整，结构调整就意味着数据拷贝。但是当我们调用keyAt/valueAt获取索引时，如果有DELETED节点就必须得调用gc，不然获得的index肯定不对。延迟回收的好处适合频繁删除和插入来回执行的场景，性能很好。
get方法就比较简单了，二分查找获取key对应的索引index，返回values[index]即可。
可以看到，SparseArray比HashMap少了基本数据的自动装箱操作，而且不需要额外的结构体，单个元素存储成本低，在数据量小的情况下，随机访问的效率很高。但是缺点也是显而易见的，就是增删的效率比较低，在数据量比较大的时候，调用gc拷贝数组成本巨大。
除了SparseArray，Android还提供了SparseIntArray（int:int）、SparseBooleanArray（int:boolean）、SparseLongArray（int:long）等，其实就是把对应的value换成基本数据类型。
ArrayMap
SparseArray只能存key为int的键值对，如果需要存其他类型的key，就可以使用ArrayMap了。ArrayMap的底层和SparseArray类似，都是有两个数组，不过ArrayMap的一个数组存hashCode值，一个数组存key-value键值对，键值对数组的大小显然要是hashCode数组大小的两倍。为了减少频繁的创建和回收Map对象，ArrayMap还采用了两个大小为10的缓存队列来分别保存大小为4和8的ArrayMap对象。为了节省内存，还有内存扩张和内存收缩策略。
ArrayMap在put/remove时，和SparseArray基本一致，也是通过二分查找求数组索引，然后在执行相应的操作。不同的是ArrayMap的扩容机制和缩容机制。
在put需要扩容时，如果容量小于4就给4，小于8就给8，其次就是扩容1.5倍。之所以给4或8是因为可以利用缓存的ArrayMap对象；在remove时，如果数组长度大于8但是存储的数据不足数据大小的1/3时，就会缩容，mSize小于等于8，则设置新大小为8，否则就设置为mSize的1.5倍，也就是说在内存使用量不足1/3时，内存数据收紧50%。
这个缓存还是很有必要的，毕竟ArrayMap的使用量还是蛮大的，Bundle的底层就是用ArrayMap来存数据的，可想而知了。但是可以思考一下Bundle为啥用ArrayMap而不用SparseArray呢？
除了put方法，ArrayMap和SparseArray都有一个append方法，它和put很相似，append的差异在于该方法不会去做扩容操作，是一个轻量级的插入方法。在明确知道肯定会插入队尾的情况下使用append性更好，因为put一上来就做二分查找，时间复杂度O(logn)，而append时间复杂度为O(1)。
ArraySet也是Android特有的数据结构，用来替代HashSet的，和ArrayMap几乎一致，包含了缓存机制、扩容机制等。
Android及相关开发源码学习资源
其实客户端开发的知识点就那么多，面试问来问去还是那么点东西。所以面试没有其他的诀窍，只看你对这些知识点准备的充分程度。so，出去面试时先看看自己复习到了哪个阶段就好。
这里再分享一下我面试期间的复习路线：（以下体系的复习资料是我从各路大佬收集整理好的）
《Android开发七大模块核心知识笔记》
《379页Android开发面试宝典》
历时半年，我们整理了这份市面上最全面的安卓面试题解析大全包含了腾讯、百度、小米、阿里、乐视、美团、58、猎豹、360、新浪、搜狐等一线互联网公司面试被问到的题目。熟悉本文中列出的知识点会大大增加通过前两轮技术面试的几率。
如何使用它？
1.可以通过目录索引直接翻看需要的知识点，查漏补缺。2.五角星数表示面试问到的频率，代表重要推荐指数
《486页超全面Android开发相关源码精编解析》
只要是程序员，不管是Java还是Android，如果不去阅读源码，只看API文档，那就只是停留于皮毛，这对我们知识体系的建立和完备以及实战技术的提升都是不利的。
真正最能锻炼能力的便是直接去阅读源码，不仅限于阅读各大系统源码，还包括各种优秀的开源库。
资料太多，全部展示会影响篇幅，暂时就先列举这些部分截图；
需要的朋友，直接转发+点赞+私信回复【资料】一键领取！！！
好了，本文到此结束，如果可以帮助到大家，还望关注本站哦！