Java面试题

基本类型的数据不具备“对象”的特性——不携带属性、没有方法可调用。
Java向面向对象语言的靠近。
在泛型中，基本类型是不可以做泛型参数的，不能用于一些集合类型。

通常我们定义一个基本数据类型的变量，一个对象的引用，还有就是函数调用的现场保存都使用内存中的栈空间；
而通过new关键字和构造器创建的对象放在堆空间；
程序中的字面量（literal）如直接书写的100、“hello”和常量都是放在静态存储区中。
栈空间操作最快但是也很小，通常大量的对象都是放在堆空间，整个内存包括硬盘上的虚拟内存都可以被当成堆空间来使用。
String str = new String(“hello”);
上面的语句中str放在栈上，用new创建出来的字符串对象放在堆上，而“hello”这个字面量放在静态存储区。

Math.round(11.5)的返回值是12，Math.round(-11.5)的返回值是-11。
四舍五入的原理是在参数上加0.5然后进行下取整。

因为HashMap、HashTable和HashSet等是基于散列值的类，如果不重写会影响到这些类的使用。

对，Java中传递对象是传递对象的地址。

因为调用时不能指定类型信息，编译器不知道你要调用哪个函数。
例如
float max(int a, int b);
int max(int a, int b);
当调用max(1, 2);时无法确定调用的是哪个，单从这一点上来说，仅返回值类型不同的重载是不应该允许的。
再比如对下面这两个方法来说，虽然它们有同样的名字和自变量，但其实是很容易区分的： 
void f() {} 
int f() {} 
若编译器可根据上下文（语境）明确判断出含义，比如在 int x=f()中，那么这样做完全没有问题。然而， 
我们也可能调用一个方法，同时忽略返回值；我们通常把这称为“为它的副作用去调用一个方法”，因为我 
们关心的不是返回值，而是方法调用的其他效果。所以假如我们象下面这样调用方法： 
f(); 
Java 怎样判断f()的具体调用方式呢？而且别人如何识别并理解代码呢？由于存在这一类的问题，所以不能根据返回值类型来区分过载的方法。
函数的返回值只是作为函数运行之后的一个“状态”，他是保持方法的调用者与被调用者进行通信的关键。并不能作为某个方法的“标识”。

JVM是通过类加载器加载class文件的，类加载器主要用于定位类定义的二进制信息，然后将这些信息解析并加载至虚拟机，转化为虚拟机内部的类型信息的数据结构。类加载器在方法区构造具有这个类的信息的数据结构后，会在堆上创建一个Class对象作为访问这个数据结构的接口。

两个对象，一个是静态存储区的"xyz",一个是用new创建在堆上的对象。

可以，但一个源文件中最多只能有一个公开类（public class）而且文件名必须和公开类的类名完全保持一致。

(1)修饰类：表示该类不能被继承；
(2)修饰方法：表示方法不能被重写；
(3)修饰变量：表示变量只能一次赋值以后值不能被修改（常量）。

HashMap内部创建一个长度为capacity的Entry数组，这个数组里可以存储元素的位置被称为“桶(bucket)”，每个桶只存储一个元素(也就是一个Entry)，由于Entry对象可以包含一个引用变量可以指向下一个Entry，就形成了一个Entry链。
HashSet底层是基于HashMap实现的。HashSet底层使用HashMap来保存所有元素。

1.继承的父类不同：HashMap(AbstractMap)、HashTable(Dictionary)
2.对Null key和Null Value的支持不同：HashTable既不支持Null key也不支持Null Value。HashMap中，null可以作为键，这样的键只有一个；可以有一个或多个键所对应的值为null。当get()方法返回null值时，可能时HashMap中没有该键，也可能该键所对应的值为null。
3.线程安全性不同：HashTable是线程安全的，它的每个方法中都加入了Synchronize方法。在多线程并发的环境下，可以直接使用Hashtable，不需要自己为它的方法实现同步。
　HashMap不是线程安全的，在多线程并发的环境下，可能会产生死锁等问题，但是它的效率会比HashTable好很多。当需要多线程操作的时候可以使用线程安全的ConcurrentHashMap。
　ConcurrentHashMap虽然也是线程安全的，但是它的效率比HashTable要高很多倍。因为ConcurrentHashMap使用的分段锁，并不对整个数据进行锁定。
4.便利方式的内部实现不同：HashTable和HashMap都是用了iterator。而由于历史原因，Hashtable还是用了Enumeration的方式。
5.初始容量大小和每次扩充容量大小不同

乐观锁：它假设多用户并发的事务在处理时不会彼此互相影响，各事务能够在不产生锁的情况下处理各自影响的那部分数据。
 　　　在提交数据更新之间，每个事务会先检查在该事务读取数据后，有没有其他事务又修改了该数据。如果其他事务有更新的话，正在提交的事务会进行回滚。实现数据版本有两种方式，第一种是使用版本号，第二种是使用时间戳。
悲观锁：它可以阻止一个事物以影响其他用户的方式来修改数据。如果一个事物执行的操作读取某行数据并应用了锁，那只有当这个事物把锁释放掉，其他事物才能够执行与该锁冲突的操作。

Synchronized实现内存共享，ThreadLocal为每个线程维护一个本地变量。
采用空间换时间，它用于线程间的数据隔离，为每一个使用该变量的线程提供一个副本，每个线程都可以独立地改变自己的副本，而不会和其他线程的副本冲突。
ThreadLocal类中维护一个Map，用于存储每一个线程的变量副本，Map中元素的键为线程对象，而值为对应线程的变量副本。
ThreadLocal在Spring中发挥着巨大的作用，在管理Request作用域中的Bean、事务管理、任务调度、AOP等模块都出现了它的身影。
Spring中绝大部分Bean都可以声明成Singleton作用域，采用ThreadLocal进行封装，因此有状态的Bean就能够以singleton的方式在多线程中正常工作了。

ReentranstLock拥有Synchronized相同的并发性和内存语义，此外还多了锁投票，定义锁等候和中断锁等候。
Synchronized是在JVM层面上实现的，不但可以通过一些监控工具监控synchronized的锁定，而且在代码执行时出现异常，JVM会自动释放锁定，但是使用Lock则不行，lock时通过代码实现的，要保证锁定一定会被释放，就必须将unlock()放到finally{}中。
在资源竞争不是很激烈的情况下，Synchronized的性能要优于ReentrantLock，但是在资源竞争很激烈的情况下，Synchronized的性能会下降几十倍，但是ReentrantLock的性能能维持常态。

String是字符串常量，
StringBuffer和StringBuilder是字符串变量，
每当用string操作字符串时，实际上是在不断的创建新的对象，而原来的对象就会变为垃圾被GC掉。
StringBuffer是线程安全的，StringBuilder不是线程安全的。

fail-fast机制是java集合(Collection)中的一种错误机制。当多个线程对同一个集合的内容进行操作时，就可能会产生fail-fast事件。
例如：当某一个线程A通过iterator去遍历某集合的过程中，若该集合的内容被其他线程所改变了；那么线程A访问集合时，就会抛出ConcurrentModificationException异常，产生fail-fast事件。

volatile是一种轻量级的同步机制，它主要有两个特性：一是保证共享变量对所有线程的可见性；二是禁止指令重排序优化。
同时要注意的是，volatile对于单个的共享变量的读/写具有原子性，但是像num++这种复合操作，volatile无法保证其原子性，可以使用并发包中的原子操作类，通过循环CAS的方式来保证num++操作的原子性。

synchronized(this)同步代码块和同步方法调用的是同一对象，即当前对象。
同步方法直接在方法上加synchronized实现加锁，同步代码块则在方法内部加锁，
很明显，同步方法锁的范围比较大，而同步代码块范围要小点，一般同步的范围越大，性能就越差，一般需要加锁进行同步的时候，肯定是范围越小越好，这样性能更好。

八种。byte/short/int/long/float/double/char/boolean

Java集合主要分为三种类型：Set（集）、List（列表）、Map（映射）。
Set：
1）HashSet：1.不允许重复 2.不保证顺序 3.允许最多有一个null元素
2）TreeSet：1.可以实现排序 2.底层为树结构
3）LinkedHashSet：1.内部使用链表维护元素的顺序（插入的次序）2.使用迭代器会按插入次序输出。
List：
1）ArrayList：1.代表长度可变的数组。2.对元素随机访问。3.插入与删除元素速度慢。
2）LinkedList：1.插入删除开销不大。2.随机访问相对较慢。
Map：
1）HashMap：1.基于散列表的实现。2.插入和查询“键值对”的开销是固定的。
2）LinkedHashMap：1.迭代遍历它时，取得“键值对”的顺序是其插入次序，或者是最近最少使用（LRU）的次序。
3）TreeMap：1.基于红黑树数据结构的实现。
Stack
Queue