Java集合是经典数据结构的封装实现：ArrayList基于动态数组（查O(1)、增删O(n)），LinkedList基于双向链表（增删O(1)、查O(n)），HashSet基于哈希表（去重、查O(1)），TreeSet基于红黑树（自动排序、操作O(log n)）。
学Java数据结构与算法在集合中的体现，关键不是先背概念，而是从“用对集合”倒推它背后的结构和逻辑。集合类不是黑盒，每个常用实现类都对应一种经典数据结构，而它的行为（快或慢、有序或无序、能否去重）正是该结构特性的直接反映。
从集合行为反推底层结构
遇到一个集合类，先问三个问题：它怎么存数据？怎么查数据？怎么保证不重复或有序？答案就藏在结构里：
- ArrayList 查得快、中间增删慢 → 底层是数组：连续内存、靠索引随机访问 O(1)，但插入/删除要搬动后面所有元素，平均 O(n)
- LinkedList 插删快、查得慢 → 底层是双向链表：节点靠指针连接，改指针就行 O(1)，但找第5个元素得从头挨个跳 O(n)
- HashSet 能去重、不保证顺序、查得极快 → 底层是哈希表：用元素的 hashCode 定位桶位置，理想情况 O(1)；重复靠 equals 判断，所以自定义类用 HashSet 必须重写这两个方法
- TreeSet 自动排序、查增删都是 log n → 底层是红黑树：一种自平衡二叉搜索树，天然支持有序遍历和范围操作（比如“找大于10且小于20的所有数”）
用典型场景驱动理解
脱离场景记结构容易忘，结合真实开发需求来练，印象更牢：
- 需要按添加顺序遍历，又想快速去重 → 选 LinkedHashSet（哈希表 + 双向链表，既快又保序）
- 频繁在队首/队尾增删，偶尔查中间 → 用 LinkedList 当双端队列（Deque），别硬套 List 接口
- 要统计词频（单词 → 出现次数）→ HashMap 是自然选择；如果还要按词频排序输出 → 先用 HashMap 统计，再转成 List 按 value 排序，或用 TreeMap（但注意 TreeMap 按 key 排，不是 value）
- 实现一个 LRU 缓存（最近最少使用）→ LinkedHashMap 的 accessOrder 模式，get 时自动把命中的项移到尾部，淘汰头节点即可
动手验证比死记复杂度更有效
光看 O(1)、O(n) 不如自己测一测。写两段小代码对比：
java-api-doc-generator
下载
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。
立即学习“Java免费学习笔记（深入）”；
- 往百万级 ArrayList 尾部 add 一万次 vs 往头部 add 一万次：后者明显卡顿，印证“中间/头部插入代价高”
- 用 HashSet 和 ArrayList 分别 contains 一个随机数，数据量越大，差距越明显 —— 这就是哈希查找和线性扫描的本质区别
- 把同一组整数分别放进 HashSet、TreeSet、LinkedHashSet，打印出来看顺序差异：无序、升序、插入序一目了然
算法练习紧扣集合操作
很多基础算法题本质就是在考你对集合特性的运用：
- “两数之和” → 一遍遍历 + HashMap 存值与下标，用 O(1) 查找替代暴力 O(n²)
- “存在重复元素” → 直接转 HashSet，比较 size 是否变小，一行解决
- “前 K 个高频元素” → 先用 HashMap 统计频次，再用 PriorityQueue（最小堆）维护 top-K，避免全排序
- “岛屿数量”（DFS/BFS）→ 遍历过程用 HashSet 或布尔数组记录已访问坐标，防止重复进入
结构决定行为，行为反映结构。每次用集合时多想半秒“它为什么这样设计”，比刷十道模板题更能建立直觉。
