优先选LinkedList进行频繁首尾增删，因其addFirst()、removeLast()等操作为O(1)，而ArrayList在首部或中部操作最坏O(n)；但LinkedList随机访问get(int)为O(n)，内存占用更大，遍历应避免下标循环。
频繁增删首尾元素时优先选 LinkedList
因为 LinkedList 是双向链表，addFirst()、removeLast() 等操作都是 O(1)；而 ArrayList 在首部或中部插入/删除会触发数组整体拷贝，最坏 O(n)。
常见错误是以为“链表一定比数组快”，其实只在特定位置增删才成立。比如在索引 0 插入 10 万次，LinkedList 耗时约 5ms，ArrayList 可能超 2000ms。
- 适用场景：
Stack（用push/pop）、Queue（用offer/poll）、日志缓冲区滚动写入 - 注意：
LinkedList的get(int index)是 O(n)，遍历时别用下标循环，改用增强 for 或迭代器 -
ArrayList的remove(int index)是 O(n)，但remove(Object o)也是 O(n) —— 别误以为后者更快
需要随机访问或遍历时首选 ArrayList
ArrayList 底层是数组，get(int index) 是 O(1)；LinkedList 查第 n 个元素得从头或尾逐个跳指针，实际性能可能差 10 倍以上。
尤其在 for 循环中写 list.get(i)，JVM 很难优化掉边界检查，LinkedList 会反复调用 node() 定位节点，开销明显。
立即学习“Java免费学习笔记（深入）”；
分析 Java Spring Boot 后端 Controller 代码，自动生成 Markdown 格式的接口文档。当用户说“生成 Java 接口文档”、“生成 API 文档”、“从 Spring 代码生成文档”时触发。
- 适用场景：分页数据展示、坐标点集合、缓存预加载列表
- 如果遍历后还要按索引修改（如
set(i, x)），ArrayList更稳，LinkedList的set()虽然也 O(n)，但额外对象分配更多 - 注意：初始化
ArrayList时尽量预估容量，避免多次扩容（每次扩容约 1.5 倍，触发Arrays.copyOf()）
内存占用差异直接影响大列表表现
ArrayList 每个元素只存值（或引用），外加一个 Object[] 数组和两个 int 字段（size、modCount）；LinkedList 每个元素额外包两层指针（prev 和 next），每个节点至少多占 16 字节（64 位 JVM + 对齐）。
存 100 万个 Integer，ArrayList 约占 8MB，LinkedList 轻松突破 20MB —— GC 压力和缓存命中率都受影响。
- 如果列表长期持有且元素数 > 10k，内存敏感场景（如嵌入式、高频交易中间件）优先压测
ArrayList -
LinkedList的节点对象分散在堆中，CPU 缓存局部性差，即使没做随机访问，顺序遍历速度也可能不如ArrayList - 别依赖
LinkedList“节省内存” —— 链表结构本身更费内存
不要为线程安全盲目选 CopyOnWriteArrayList
很多人看到“并发”就换 CopyOnWriteArrayList，但它和 LinkedList/ArrayList 不是同一维度的替代品：它是写时复制，读快写极慢，且不支持 Iterator.remove()。
真正需要线程安全的增删首尾，应考虑 ConcurrentLinkedQueue（无界、非阻塞）或 ArrayBlockingQueue（有界、阻塞），而不是硬套 List 接口。
-
CopyOnWriteArrayList适合读多写极少（如监听器列表），写操作会复制整个数组 -
Vector已淘汰，所有方法加 synchronized，吞吐量低，且部分操作（如elementAt）未被现代 JIT 优化 - 若只是临时多线程遍历，用
Collections.unmodifiableList()包一层更轻量
// 错误示范：用 LinkedList 做随机访问
for (int i = 0; i < list.size(); i++) {
process(list.get(i)); // LinkedList.get(i) 每次都遍历！
}
// 正确：用迭代器或增强 for（底层自动优化）
for (Integer x : list) {
process(x);
}
真正决定选哪个的，不是“哪个更高级”，而是你代码里最热的那几行在做什么操作、数据规模多大、GC 是否已成瓶颈。链表不是银弹，数组也不是过时货——看 profiler 数据，别看名字。 
