您的位置:首页 > 其它

关于ArrayList和LinkedList的插入,遍历,删除时间比照

2015-07-05 11:58 573 查看
仅仅是自己电脑上测试,有可能不同配置的电脑有些差距,以下是代码块:

package list;

import java.util.ArrayList;

import java.util.LinkedList;

import java.util.List;

public class ListAdd {

public static void main(String[] args) {

// TODO Auto-generated method stub

// testAdd();

// testAddIndex();

testQuery();

}

static void testAdd(){

Object object=new Object();

List<Object> al=new ArrayList<Object>();//70ms

List<Object> ll=new LinkedList<Object>();//471ms

long b=System.currentTimeMillis();

for(int i=0;i<5000000;i++){//寻哈U呢500万次时间差距就出来了

al.add(object);//添加到尾端

}

long e=System.currentTimeMillis();

System.out.println(e-b);

//LinkedList每次的元素增加都需要新建一个Entry对象,并且进行多次的赋值操作,

//在频繁的系统调用中,对性能会产生一定的映像的,慎用

}

/**

* 另外一个add(int index,E elemet)方法,

* ArrayList中的这个方法,从源码可以看出,每插入一次操作,都会进行一次数组复制,而这个操作在数据插入到尾端时候是不存在的,大量的

* 数据重组操作会导致性能低下,并且插入的元素在list中的位置越靠前,数组重组的开销就越大,应该尽可能的奖元素插入到伟大U呢附近,删除

* 操作的话,越靠前系统开销越大

* LinkedList对于插入数据到前后中的效率都是一样的,删除操作的话,她是分前半段和后半段进行搜索,所以效率高很多,

*/

static void testAddIndex(){

Object object=new Object();

List<Object> al=new ArrayList<Object>();//1071ms

List<Object> ll=new LinkedList<Object>();//17ms

long b=System.currentTimeMillis();

for(int i=0;i<100000;i++){//寻哈U呢500万次时间差距就出来了

ll.add(0,object);//添加到尾端

}

long e=System.currentTimeMillis();

System.out.println(e-b);

}

/**

* 遍历列表的三种方法,当数据为100万时候

* for(Object o:list){} 1

* for(Iterator<Stirng> it=lis.iterator;it.hasnext();){}2

* for(int i=0;i<list.size();i++){}3

* ArrayList 分别为47ms,32ms,10ms

* LinkedList分别为63ms,47ms,无穷

*/

static void testQuery(){

// LinkedList<String> l=new LinkedList<String>();

List<String> l=new ArrayList<String>();

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

l.add(String.valueOf(i));

}

long b=System.currentTimeMillis();

String temp="";

for(int i=0;i<l.size();i++){

temp=l.get(i);

}

long e=System.currentTimeMillis();

System.out.println(e-b);

//LinkedList

//1万挑数据 94ms

//10w 13174ms

//100w 无穷大

//ArrayList

//1w 2ms

//10w 5ms

//100w 10ms

//由此可知 遍历数据的话 ArrayList是明显比LinkedList占优势多的多

}

}
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: