当前位置:首页 > 文章列表 > 文章 > java教程 > Java高效双端队列:ArrayDeque使用详解

Java高效双端队列:ArrayDeque使用详解

2026-05-10 12:12:59 0浏览 收藏
ArrayDeque作为Java中基于循环数组实现的高效双端队列,以O(1)均摊时间复杂度、零同步开销和优异缓存性能,成为替代老旧Stack类和低效LinkedList的理想选择;它既能通过统一使用*Last方法(push/pop/peek)完美模拟LIFO栈,又能借助addLast+removeFirst组合(或offer/poll/peek)精准实现FIFO队列,语义清晰、用法简洁、性能卓越——掌握其正确使用模式,不仅能避免混用两端操作导致的逻辑混乱,更能显著提升集合操作效率与代码可维护性。

如何在 Java 中利用 ArrayDeque 作为双端队列同时实现栈与队列的高效操作

ArrayDeque 是 Java 中一个基于数组实现的双端队列(deque),它既支持在两端高效地添加和删除元素,又没有同步开销,是 Stack 和传统队列(如 LinkedList)的更优替代方案。它内部采用循环数组,扩容策略合理,所有基本操作(addFirst、addLast、removeFirst、removeLast、peekFirst、peekLast)平均时间复杂度均为 O(1)。

用 ArrayDeque 模拟栈(LIFO)

栈要求后进先出,只需统一使用同一端(推荐尾端)进行压栈与弹栈操作:

  • push(e) → 等价于 addLast(e)(或 offerLast(e))
  • pop() → 等价于 removeLast()(抛异常)或 pollLast()(返回 null)
  • peek() → 等价于 peekLast()(仅查看不移除)

示例:

Deque stack = new ArrayDeque<>();
stack.push(1); stack.push(2); // [1, 2]
int top = stack.pop(); // 返回 2,stack 变为 [1]

用 ArrayDeque 模拟队列(FIFO)

队列要求先进先出,只需一端入、另一端出(推荐尾进头出):

  • offer(e) → 等价于 addLast(e)(或 offerLast(e))
  • poll() → 等价于 removeFirst()(抛异常)或 pollFirst()(返回 null)
  • peek() → 等价于 peekFirst()

示例:

Deque queue = new ArrayDeque<>();
queue.offer("a"); queue.offer("b"); // ["a", "b"]
String head = queue.poll(); // 返回 "a",queue 变为 ["b"]

避免误用:别混用两端操作破坏语义

若本意是栈,却偶尔调用 addFirst() 或 removeFirst(),会打乱 LIFO 顺序;同理,队列中混用 addLast() 和 removeLast() 就变成栈了。保持接口语义一致的关键是:

  • 栈模式:只用 *Last(...) 方法(push/pop/peek)
  • 队列模式:只用 addLast() + removeFirst()(或对应 offer/poll/peek)
  • Java 已为这两种场景提供了便捷方法别名:push、pop、peek(栈)和 offer、poll、peek(队列),直接调用即可,语义清晰且无需记忆底层方向

为什么不用 Stack 或 LinkedList?

Stack 类继承自过时的 Vector,所有方法同步,性能差,且设计违背“组合优于继承”原则;LinkedList 虽也实现 Deque,但基于链表,每个元素额外占用指针空间,缓存局部性差,实际性能通常弱于 ArrayDeque。官方文档明确建议:「该类比 Stack 更高效,应优先使用」。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

Excel动态图表制作技巧分享Excel动态图表制作技巧分享
上一篇
Excel动态图表制作技巧分享
优酷视频地区限制原因解析
下一篇
优酷视频地区限制原因解析
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    376次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    448次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    457次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    400次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    227次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码