2022年java面试基础篇圈重点，错过拍大腿系列

　　基础篇要点：算法、数据结构、基础设计模式 1. 二分查找能够用自己语言描述二分查找算法 能够手写二分查找代码 能够解答一些变化后的考法
　　算法描述 前提：有已排序数组 A（假设已经做好） 定义左边界 L、右边界 R，确定搜索范围，循环执行二分查找（3、4两步） 获取中间索引 M = Floor((L+R) /2) 中间索引的值 A[M] 与待搜索的值 T 进行比较 ① A[M] == T 表示找到，返回中间索引 ② A[M] > T，中间值右侧的其它元素都大于 T，无需比较，中间索引左边去找，M - 1 设置为右边界，重新查找 ③ A[M] < T，中间值左侧的其它元素都小于 T，无需比较，中间索引右边去找， M + 1 设置为左边界，重新查找 当 L > R 时，表示没有找到，应结束循环
　　更形象的描述请参考：binary_search.html
　　算法实现 public static int binarySearch(int[] a, int t) {     int l = 0, r = a.length - 1, m;     while (l <= r) {         m = (l + r) / 2;         if (a[m] == t) {             return m;         } else if (a[m] > t) {             r = m - 1;         } else {             l = m + 1;         }     }     return -1; }
　　测试代码 public static void main(String[] args) {     int[] array = {1, 5, 8, 11, 19, 22, 31, 35, 40, 45, 48, 49, 50};     int target = 47;     int idx = binarySearch(array, target);     System.out.println(idx); }
　　解决整数溢出问题
　　当 l 和 r 都较大时， l + r   有可能超过整数范围，造成运算错误，解决方法有两种： int m = l + (r - l) / 2;
　　还有一种是： int m = (l + r) >>> 1;
　　其它考法 有一个有序表为 1,5,8,11,19,22,31,35,40,45,48,49,50 当二分查找值为 48 的结点时，查找成功需要比较的次数 使用二分法在序列 1,4,6,7,15,33,39,50,64,78,75,81,89,96 中查找元素 81 时，需要经过（ ）次比较 在拥有128个元素的数组中二分查找一个数，需要比较的次数最多不超过多少次
　　对于前两个题目，记得一个简要判断口诀：  奇数二分取中间，偶数二分取中间靠左。对于后一道题目，需要知道公式：
　　n = log_2N = log_{10}N/log_{10}2 n = log 2 N = log 10  N / log 10 2
　　其中 n 为查找次数，N 为元素个数 2. 冒泡排序能够用自己语言描述冒泡排序算法 能够手写冒泡排序代码 了解一些冒泡排序的优化手段
　　算法描述 依次比较数组中相邻两个元素大小，若 a[j] > a[j+1]，则交换两个元素，两两都比较一遍称为一轮冒泡，结果是让最大的元素排至最后 重复以上步骤，直到整个数组有序
　　更形象的描述请参考：bubble_sort.html
　　算法实现 public static void bubble(int[] a) {     for (int j = 0; j < a.length - 1; j++) {         // 一轮冒泡         boolean swapped = false; // 是否发生了交换         for (int i = 0; i < a.length - 1 - j; i++) {             System.out.println(＂比较次数＂ + i);             if (a[i] > a[i + 1]) {                 Utils.swap(a, i, i + 1);                 swapped = true;             }         }         System.out.println(＂第＂ + j + ＂轮冒泡＂                            + Arrays.toString(a));         if (!swapped) {             break;         }     } }优化点1：每经过一轮冒泡，内层循环就可以减少一次 优化点2：如果某一轮冒泡没有发生交换，则表示所有数据有序，可以结束外层循环
　　进一步优化 public static void bubble_v2(int[] a) {     int n = a.length - 1;     while (true) {         int last = 0; // 表示最后一次交换索引位置         for (int i = 0; i < n; i++) {             System.out.println(＂比较次数＂ + i);             if (a[i] > a[i + 1]) {                 Utils.swap(a, i, i + 1);                 last = i;             }         }         n = last;         System.out.println(＂第轮冒泡＂                            + Arrays.toString(a));         if (n == 0) {             break;         }     } }每轮冒泡时，最后一次交换索引可以作为下一轮冒泡的比较次数，如果这个值为零，表示整个数组有序，直接退出外层循环即可
　　3. 选择排序选择排序_演示 03:46 选择排序_实现 05:44 选择排序_vs_冒泡排序 能够用自己语言描述选择排序算法 能够比较选择排序与冒泡排序 理解非稳定排序与稳定排序
　　算法描述 将数组分为两个子集，排序的和未排序的，每一轮从未排序的子集中选出最小的元素，放入排序子集 重复以上步骤，直到整个数组有序
　　更形象的描述请参考：selection_sort.html
　　算法实现 public static void selection(int[] a) {     for (int i = 0; i < a.length - 1; i++) {         // i 代表每轮选择最小元素要交换到的目标索引         int s = i; // 代表最小元素的索引         for (int j = s + 1; j < a.length; j++) {             if (a[s] > a[j]) { // j 元素比 s 元素还要小, 更新 s                 s = j;             }         }         if (s != i) {             swap(a, s, i);         }         System.out.println(Arrays.toString(a));     } }优化点：为减少交换次数，每一轮可以先找最小的索引，在每轮最后再交换元素
　　与冒泡排序比较 二者平均时间复杂度都是 O(n^2) O ( n 2) 选择排序一般要快于冒泡，因为其交换次数少 但如果集合有序度高，冒泡优于选择 冒泡属于稳定排序算法，而选择属于不稳定排序 稳定排序指，按对象中不同字段进行多次排序，不会打乱同值元素的顺序 不稳定排序则反之
　　稳定排序与不稳定排序 System.out.println(＂=================不稳定================＂); Card[] cards = getStaticCards(); System.out.println(Arrays.toString(cards)); selection(cards, Comparator.comparingInt((Card a) -> a.sharpOrder).reversed()); System.out.println(Arrays.toString(cards)); selection(cards, Comparator.comparingInt((Card a) -> a.numberOrder).reversed()); System.out.println(Arrays.toString(cards));  System.out.println(＂=================稳定=================＂); cards = getStaticCards(); System.out.println(Arrays.toString(cards)); bubble(cards, Comparator.comparingInt((Card a) -> a.sharpOrder).reversed()); System.out.println(Arrays.toString(cards)); bubble(cards, Comparator.comparingInt((Card a) -> a.numberOrder).reversed()); System.out.println(Arrays.toString(cards));
　　都是先按照花色排序（ ），再按照数字排序（AKQJ…） 不稳定排序算法按数字排序时，会打乱原本同值的花色顺序 [[ 7], [ 2], [ 4], [ 5], [ 2], [ 5]]  [[ 7], [ 5], [ 5], [ 4], [ 2], [ 2]]
　　原来  2 在前  2 在后，按数字再排后，他俩的位置变了 稳定排序算法按数字排序时，会保留原本同值的花色顺序，如下所示  2 与  2 的相对位置不变 [[ 7], [ 2], [ 4], [ 5], [ 2], [ 5]]  [[ 7], [ 5], [ 5], [ 4], [ 2], [ 2]]4. 插入排序能够用自己语言描述插入排序算法 能够比较插入排序与选择排序
　　算法描述 将数组分为两个区域，排序区域和未排序区域，每一轮从未排序区域中取出第一个元素，插入到排序区域（需保证顺序） 重复以上步骤，直到整个数组有序
　　更形象的描述请参考：insertion_sort.html
　　算法实现 // 修改了代码与希尔排序一致 public static void insert(int[] a) {     // i 代表待插入元素的索引     for (int i = 1; i < a.length; i++) {         int t = a[i]; // 代表待插入的元素值         int j = i;         System.out.println(j);         while (j >= 1) {             if (t < a[j - 1]) { // j-1 是上一个元素索引，如果 > t，后移                 a[j] = a[j - 1];                 j--;             } else { // 如果 j-1 已经 <= t, 则 j 就是插入位置                 break;             }         }         a[j] = t;         System.out.println(Arrays.toString(a) + ＂ ＂ + j);     } }
　　与选择排序比较 二者平均时间复杂度都是 O(n^2) O ( n 2) 大部分情况下，插入都略优于选择 有序集合插入的时间复杂度为 O(n) O ( n ) 插入属于稳定排序算法，而选择属于不稳定排序
　　提示
　　插入排序通常被所轻视，其实它的地位非常重要。小数据量排序，都会优先选择插入排序 5. 希尔排序能够用自己语言描述希尔排序算法
　　算法描述
　　首先选取一个间隙序列，如 (n/2，n/4 … 1)，n 为数组长度 每一轮将间隙相等的元素视为一组，对组内元素进行插入排序，目的有二 ① 少量元素插入排序速度很快 ② 让组内值较大的元素更快地移动到后方 当间隙逐渐减少，直至为 1 时，即可完成排序
　　更形象的描述请参考：shell_sort.html
　　算法实现 private static void shell(int[] a) {     int n = a.length;     for (int gap = n / 2; gap > 0; gap /= 2) {         // i 代表待插入元素的索引         for (int i = gap; i < n; i++) {             int t = a[i]; // 代表待插入的元素值             int j = i;             while (j >= gap) {                 // 每次与上一个间隙为 gap 的元素进行插入排序                 if (t < a[j - gap]) { // j-gap 是上一个元素索引，如果 > t，后移                     a[j] = a[j - gap];                     j -= gap;                 } else { // 如果 j-1 已经 <= t, 则 j 就是插入位置                     break;                 }             }             a[j] = t;             System.out.println(Arrays.toString(a) + ＂ gap:＂ + gap);         }     } }
　　参考资料
　　https://en.wikipedia.org/wiki/Shellsort
　　6. 快速排序能够用自己语言描述快速排序算法 掌握手写单边循环、双边循环代码之一 能够说明快排特点 了解洛穆托与霍尔两种分区方案的性能比较
　　算法描述 每一轮排序选择一个基准点（pivot）进行分区 让小于基准点的元素的进入一个分区，大于基准点的元素的进入另一个分区 当分区完成时，基准点元素的位置就是其最终位置
　　2.在子分区内重复以上过程，直至子分区元素个数少于等于 1，这体现的是分而治之的思想 （pide-and-conquer） 3.从以上描述可以看出，一个关键在于分区算法，常见的有洛穆托分区方案、双边循环分区方案、霍尔分区方案
　　更形象的描述请参考：quick_sort.html
　　单边循环快排（lomuto 洛穆托分区方案） 选择最右元素作为基准点元素 j 指针负责找到比基准点小的元素，一旦找到则与 i 进行交换 i 指针维护小于基准点元素的边界，也是每次交换的目标索引 最后基准点与 i 交换，i 即为分区位置 public static void quick(int[] a, int l, int h) {     if (l >= h) {         return;     }     int p = partition(a, l, h); // p 索引值     quick(a, l, p - 1); // 左边分区的范围确定     quick(a, p + 1, h); // 左边分区的范围确定 }  private static int partition(int[] a, int l, int h) {     int pv = a[h]; // 基准点元素     int i = l;     for (int j = l; j < h; j++) {         if (a[j] < pv) {             if (i != j) {                 swap(a, i, j);             }             i++;         }     }     if (i != h) {         swap(a, h, i);     }     System.out.println(Arrays.toString(a) + ＂ i=＂ + i);     // 返回值代表了基准点元素所在的正确索引，用它确定下一轮分区的边界     return i; }
　　双边循环快排（不完全等价于 hoare 霍尔分区方案） 选择最左元素作为基准点元素 j 指针负责从右向左找比基准点小的元素，i 指针负责从左向右找比基准点大的元素，一旦找到二者交换，直至 i，j 相交 最后基准点与 i（此时 i 与 j 相等）交换，i 即为分区位置
　　要点
　　基准点在左边，并且要先 j 后 i
　　while( i < j && a[j] > pv ) j–
　　while ( i < j && a[i] <= pv ) i++ private static void quick(int[] a, int l, int h) {     if (l >= h) {         return;     }     int p = partition(a, l, h);     quick(a, l, p - 1);     quick(a, p + 1, h); }  private static int partition(int[] a, int l, int h) {     int pv = a[l];     int i = l;     int j = h;     while (i < j) {         // j 从右找小的         while (i < j && a[j] > pv) {             j--;         }         // i 从左找大的         while (i < j && a[i] <= pv) {             i++;         }         swap(a, i, j);     }     swap(a, l, j);     System.out.println(Arrays.toString(a) + ＂ j=＂ + j);     return j; }
　　快排特点 平均时间复杂度是 O(nlog_2 n ) O ( nlog 2  n )，最坏时间复杂度 O(n^2) O ( n 2) 数据量较大时，优势非常明显 属于不稳定排序
　　洛穆托分区方案 vs 霍尔分区方案
　　霍尔的移动次数平均来讲比洛穆托少3倍 https://qastack.cn/cs/11458/quicksort-partitioning-hoare-vs-lomuto
　　补充代码说明 day01.sort.QuickSort3 演示了空穴法改进的双边快排，比较次数更少 day01.sort.QuickSortHoare 演示了霍尔分区的实现 day01.sort.LomutoVsHoare 对四种分区实现的移动次数比较
　　7. ArrayList掌握 ArrayList 扩容规则
　　扩容规则 ArrayList() 会使用长度为零的数组 ArrayList(int initialCapacity) 会使用指定容量的数组 public ArrayList(Collection<? extends E> c) 会使用 c 的大小作为数组容量 add(Object o) 首次扩容为 10，再次扩容为上次容量的 1.5 倍 addAll(Collection c) 没有元素时，扩容为 Math.max(10, 实际元素个数)，有元素时为 Math.max(原容量 1.5 倍, 实际元素个数)
　　其中第 4 点必须知道，其它几点视个人情况而定
　　提示 测试代码见  day01.list.TestArrayList   ，这里不再列出 要 注意 的是，示例中用反射方式来更直观地反映 ArrayList 的扩容特征，但从 JDK 9 由于模块化的影响，对反射做了较多限制，需要在运行测试代码时添加 VM 参数  --add-opens java.base/java.util=ALL-UNNAMED   方能运行通过，后面的例子都有相同问题
　　代码说明
　　day01.list.TestArrayList#arrayListGrowRule 演示了 add(Object) 方法的扩容规则，输入参数 n 代表打印多少次扩容后的数组长度 8. Iterator掌握什么是 Fail-Fast、什么是 Fail-Safe
　　Fail-Fast 与 Fail-Safe ArrayList 是 fail-fast 的典型代表，遍历的同时不能修改，尽快失败 CopyOnWriteArrayList 是 fail-safe 的典型代表，遍历的同时可以修改，原理是读写分离
　　提示 测试代码见  day01.list.FailFastVsFailSafe  ，这里不再列出
　　9. LinkedListLinkedList_vs_ArrayList_随机访问性能比较 07:49 LinkedList_vs_ArrayList_增删性能比较 08:55 LinkedList_vs_ArrayList_局部性原理_空间占用 能够说清楚 LinkedList 对比 ArrayList 的区别，并重视纠正部分错误的认知
　　LinkedList 基于双向链表，无需连续内存 随机访问慢（要沿着链表遍历） 头尾插入删除性能高 占用内存多
　　ArrayList 基于数组，需要连续内存 随机访问快（指根据下标访问） 尾部插入、删除性能可以，其它部分插入、删除都会移动数据，因此性能会低 可以利用 cpu 缓存，局部性原理
　　代码说明
　　day01.list.ArrayListVsLinkedList#randomAccess 对比随机访问性能
　　day01.list.ArrayListVsLinkedList#addMiddle 对比向中间插入性能
　　day01.list.ArrayListVsLinkedList#addFirst 对比头部插入性能
　　day01.list.ArrayListVsLinkedList#addLast 对比尾部插入性能
　　day01.list.ArrayListVsLinkedList#linkedListSize 打印一个 LinkedList 占用内存
　　day01.list.ArrayListVsLinkedList#arrayListSize 打印一个 ArrayList 占用内存 10. HashMap掌握 HashMap 的基本数据结构掌握树化理解索引计算方法、二次 hash 的意义、容量对索引计算的影响掌握 put 流程、扩容、扩容因子理解并发使用 HashMap 可能导致的问题理解 key 的设计1）基本数据结构1.7 数组 + 链表 1.8 数组 + （链表 | 红黑树） 更形象的演示，见资料中的 hash-demo.jar，运行需要 jdk14 以上环境，进入 jar 包目录，执行下面命令 java -jar --add-exports java.base/jdk.internal.misc=ALL-UNNAMED hash-demo.jar2）树化与退化
　　树化意义 红黑树用来避免 DoS 攻击，防止链表超长时性能下降，树化应当是偶然情况，是保底策略 hash 表的查找，更新的时间复杂度是 O(1) O (1)，而红黑树的查找，更新的时间复杂度是 O(log_2 n ) O ( log 2  n )，TreeNode 占用空间也比普通 Node 的大，如非必要，尽量还是使用链表 hash 值如果足够随机，则在 hash 表内按泊松分布，在负载因子 0.75 的情况下，长度超过 8 的链表出现概率是 0.00000006，树化阈值选择 8 就是为了让树化几率足够小
　　树化规则 当链表长度超过树化阈值 8 时，先尝试扩容来减少链表长度，如果数组容量已经 >=64，才会进行树化
　　退化规则 情况1：在扩容时如果拆分树时，树元素个数 <= 6 则会退化链表 情况2：remove 树节点时，若 root、root.left、root.right、root.left.left 有一个为 null ，也会退化为链表 3）索引计算
　　索引计算方法
　　首先，计算对象的 hashCode() 再进行调用 HashMap 的 hash() 方法进行二次哈希 二次 hash() 是为了综合高位数据，让哈希分布更为均匀 最后 & (capacity – 1) 得到索引
　　数组容量为何是 2 的 n 次幂 计算索引时效率更高：如果是 2 的 n 次幂可以使用位与运算代替取模 扩容时重新计算索引效率更高： hash & oldCap == 0 的元素留在原来位置 ，否则新位置 = 旧位置 + oldCap
　　注意 二次 hash 是为了配合  容量是 2 的 n 次幂  这一设计前提，如果 hash 表的容量不是 2 的 n 次幂，则不必二次 hash 容量是 2 的 n 次幂  这一设计计算索引效率更好，但 hash 的分散性就不好，需要二次 hash 来作为补偿，没有采用这一设计的典型例子是 Hashtable 4）put 与扩容
　　put 流程 HashMap 是懒惰创建数组的，首次使用才创建数组 计算索引（桶下标） 如果桶下标还没人占用，创建 Node 占位返回 如果桶下标已经有人占用 已经是 TreeNode 走红黑树的添加或更新逻辑 是普通 Node，走链表的添加或更新逻辑，如果链表长度超过树化阈值，走树化逻辑 返回前检查容量是否超过阈值，一旦超过进行扩容
　　1.7 与 1.8 的区别 链表插入节点时，1.7 是头插法，1.8 是尾插法 1.7 是大于等于阈值且没有空位时才扩容，而 1.8 是大于阈值就扩容 1.8 在扩容计算 Node 索引时，会优化
　　扩容（加载）因子为何默认是 0.75f
　　在空间占用与查询时间之间取得较好的权衡 大于这个值，空间节省了，但链表就会比较长影响性能 小于这个值，冲突减少了，但扩容就会更频繁，空间占用也更多
　　5）并发问题
　　扩容死链（1.7 会存在）
　　1.7 源码如下： void transfer(Entry[] newTable, boolean rehash) {     int newCapacity = newTable.length;     for (Entry e : table) {         while(null != e) {             Entry next = e.next;             if (rehash) {                 e.hash = null == e.key ? 0 : hash(e.key);             }             int i = indexFor(e.hash, newCapacity);             e.next = newTable[i];             newTable[i] = e;             e = next;         }     } }e 和 next 都是局部变量，用来指向当前节点和下一个节点 线程1（绿色）的临时变量 e 和 next 刚引用了这俩节点，还未来得及移动节点，发生了线程切换，由线程2（蓝色）完成扩容和迁移
　　线程2 扩容完成，由于头插法，链表顺序颠倒。但线程1 的临时变量 e 和 next 还引用了这俩节点，还要再来一遍迁移
　　第一次循环 循环接着线程切换前运行，注意此时 e 指向的是节点 a，next 指向的是节点 b e 头插 a 节点，注意图中画了两份 a 节点，但事实上只有一个（为了不让箭头特别乱画了两份） 当循环结束是 e 会指向 next 也就是 b 节点
　　第二次循环 next 指向了节点 a e 头插节点 b 当循环结束时，e 指向 next 也就是节点 a
　　第三次循环 next 指向了 null e 头插节点 a， a 的 next 指向了 b （之前 a.next 一直是 null），b 的 next 指向 a，死链已成 当循环结束时，e 指向 next 也就是 null，因此第四次循环时会正常退出
　　数据错乱（1.7，1.8 都会存在）
　　代码参考  day01.map.HashMapMissData  ，具体调试步骤参考视频
　　补充代码说明 day01.map.HashMapDistribution 演示 map 中链表长度符合泊松分布 day01.map.DistributionAffectedByCapacity 演示容量及 hashCode 取值对分布的影响 day01.map.DistributionAffectedByCapacity#hashtableGrowRule 演示了 Hashtable 的扩容规律 day01.sort.Utils#randomArray 如果 hashCode 足够随机，容量是否是 2 的 n 次幂影响不大 day01.sort.Utils#lowSameArray 如果 hashCode 低位一样的多，容量是 2 的 n 次幂会导致分布不均匀 day01.sort.Utils#evenArray 如果 hashCode 偶数的多，容量是 2 的 n 次幂会导致分布不均匀 由此得出对于容量是 2 的 n 次幂的设计来讲，二次 hash 非常重要 day01.map.HashMapVsHashtable 演示了对于同样数量的单词字符串放入 HashMap 和 Hashtable 分布上的区别
　　6）key 的设计
　　key 的设计要求 HashMap 的 key 可以为 null，但 Map 的其他实现则不然 作为 key 的对象，必须实现 hashCode 和 equals，并且 key 的内容不能修改（不可变） key 的 hashCode 应该有良好的散列性
　　如果 key 可变，例如修改了 age 会导致再次查询时查询不到 public class HashMapMutableKey {     public static void main(String[] args) {         HashMap map = new HashMap<>();         Student stu = new Student(＂张三＂, 18);         map.put(stu, new Object());          System.out.println(map.get(stu));          stu.age = 19;         System.out.println(map.get(stu));     }      static class Student {         String name;         int age;          public Student(String name, int age) {             this.name = name;             this.age = age;         }          public String getName() {             return name;         }          public void setName(String name) {             this.name = name;         }          public int getAge() {             return age;         }          public void setAge(int age) {             this.age = age;         }          @Override         public boolean equals(Object o) {             if (this == o) return true;             if (o == null || getClass() != o.getClass()) return false;             Student student = (Student) o;             return age == student.age && Objects.equals(name, student.name);         }          @Override         public int hashCode() {             return Objects.hash(name, age);         }     } }
　　String 对象的 hashCode() 设计 目标是达到较为均匀的散列效果，每个字符串的 hashCode 足够独特 字符串中的每个字符都可以表现为一个数字，称为 S_i Si  ，其中 i 的范围是 0 ~ n - 1 散列公式为： S_0 31^{(n-1)}+ S_1 31^{(n-2)}+ … S_i   31^{(n-1-i)}+ …S_{(n-1)} 31^0 S 0 31( n  1)+ S 1 31( n  2)+… Si  31( n  1  i )+… S ( n  1) 310 31 代入公式有较好的散列特性，并且 31 * h 可以被优化为 即 $32  h -h $ 即 2^5  h -h25  h   h 即 h 5 -h h  5  h
　　11. 单例模式单例模式_方式1_饿汉式 12:44 方式2_枚举饿汉式 11:41 单例模式_方式3_懒汉式 07:33 单例模式_方式4_DCL懒汉式 05:43 单例模式_方式4_DCL懒汉式_为何加volatile 12:02 单例模式_方式5_内部类懒汉式 05:35 单例模式_在jdk中的体现 掌握五种单例模式的实现方式 理解为何 DCL 实现时要使用 volatile 修饰静态变量 了解 jdk 中用到单例的场景
　　饿汉式 public class Singleton1 implements Serializable {     private Singleton1() {         if (INSTANCE != null) {             throw new RuntimeException(＂单例对象不能重复创建＂);         }         System.out.println(＂private Singleton1()＂);     }      private static final Singleton1 INSTANCE = new Singleton1();      public static Singleton1 getInstance() {         return INSTANCE;     }      public static void otherMethod() {         System.out.println(＂otherMethod()＂);     }      public Object readResolve() {         return INSTANCE;     } }
　　构造方法抛出异常是防止反射破坏单例 readResolve()   是防止反序列化破坏单例
　　枚举饿汉式 public enum Singleton2 {     INSTANCE;      private Singleton2() {         System.out.println(＂private Singleton2()＂);     }      @Override     public String toString() {         return getClass().getName() + ＂@＂ + Integer.toHexString(hashCode());     }      public static Singleton2 getInstance() {         return INSTANCE;     }      public static void otherMethod() {         System.out.println(＂otherMethod()＂);     } }枚举饿汉式能天然防止反射、反序列化破坏单例
　　懒汉式 public class Singleton3 implements Serializable {     private Singleton3() {         System.out.println(＂private Singleton3()＂);     }      private static Singleton3 INSTANCE = null;      // Singleton3.class     public static synchronized Singleton3 getInstance() {         if (INSTANCE == null) {             INSTANCE = new Singleton3();         }         return INSTANCE;     }      public static void otherMethod() {         System.out.println(＂otherMethod()＂);     }  }其实只有首次创建单例对象时才需要同步，但该代码实际上每次调用都会同步 因此有了下面的双检锁改进
　　双检锁懒汉式 public class Singleton4 implements Serializable {     private Singleton4() {         System.out.println(＂private Singleton4()＂);     }      private static volatile Singleton4 INSTANCE = null; // 可见性，有序性      public static Singleton4 getInstance() {         if (INSTANCE == null) {             synchronized (Singleton4.class) {                 if (INSTANCE == null) {                     INSTANCE = new Singleton4();                 }             }         }         return INSTANCE;     }      public static void otherMethod() {         System.out.println(＂otherMethod()＂);     } }
　　为何必须加 volatile： INSTANCE = new Singleton4()   不是原子的，分成 3 步：创建对象、调用构造、给静态变量赋值，其中后两步可能被指令重排序优化，变成先赋值、再调用构造 如果线程1 先执行了赋值，线程2 执行到第一个  INSTANCE == null   时发现 INSTANCE 已经不为 null，此时就会返回一个未完全构造的对象
　　内部类懒汉式 public class Singleton5 implements Serializable {     private Singleton5() {         System.out.println(＂private Singleton5()＂);     }      private static class Holder {         static Singleton5 INSTANCE = new Singleton5();     }      public static Singleton5 getInstance() {         return Holder.INSTANCE;     }      public static void otherMethod() {         System.out.println(＂otherMethod()＂);     } }避免了双检锁的缺点
　　JDK 中单例的体现 Runtime 体现了饿汉式单例 Console 体现了双检锁懒汉式单例 Collections 中的 EmptyNavigableSet 内部类懒汉式单例 ReverseComparator.REVERSE_ORDER 内部类懒汉式单例 Comparators.NaturalOrderComparator.INSTANCE 枚举饿汉式单例
　　以上内容参考黑马程序员b站内容整理，如侵删