前面LZ已经充分介绍了有关于List接口的大部分知识，如ArrayList、LinkedList、Vector、Stack，通过这几个知识点能够对List接口有了比較深的了解了。仅仅有通过归纳总结的知识才是你的知识。所以以下LZ就List接口做一个总结。推荐阅读：
java提高篇（二一）-----ArrayList一、List接口概述
List接口，成为有序的Collection也就是序列。该接口能够对列表中的每一个元素的插入位置进行精确的控制，同一时候用户能够依据元素的整数索引（在列表中的位置）訪问元素，并搜索列表中的元素。 下图是List接口的框架图：
通过上面的框架图，能够对List的结构了然于心，其各个类、接口例如以下：
Collection：Collection 层次结构 中的根接口。它表示一组对象，这些对象也称为 collection 的元素。对于Collection而言，它不提供不论什么直接的实现，全部的实现全部由它的子类负责。
AbstractCollection：提供 Collection 接口的骨干实现，以最大限度地降低了实现此接口所需的工作。对于我们而言要实现一个不可改动的 collection，仅仅需扩展此类，并提供 iterator 和 size 方法的实现。但要实现可改动的 collection，就必须另外重写此类的 add 方法（否则，会抛出 UnsupportedOperationException），iterator 方法返回的迭代器还必须另外实现其 remove 方法。
terator：迭代器。
ListIterator：系列表迭代器，同意程序猿按任一方向遍历列表、迭代期间改动列表，并获得迭代器在列表中的当前位置。
List：继承于Collection的接口。它代表着有序的队列。
AbstractList：List 接口的骨干实现，以最大限度地降低实现“随机訪问”数据存储（如数组）支持的该接口所需的工作。
Queue：队列。提供队列主要的插入、获取、检查操作。
Deque：一个线性 collection，支持在两端插入和移除元素。大多数 Deque 实现对于它们能够包括的元素数没有固定限制，但此接口既支持有容量限制的双端队列，也支持没有固定限制大小的双端队列。
AbstractSequentialList：提供了 List 接口的骨干实现，从而最大限度地降低了实现受“连续訪问”数据存储（如链接列表）支持的此接口所需的工作。从某种意义上说，此类与在列表的列表迭代器上实现“随机訪问”方法。
LinkedList：List 接口的链接列表实现。它实现全部可选的列表操作。
ArrayList：List 接口的大小可变数组的实现。它实现了全部可选列表操作，并同意包括 null 在内的全部元素。除了实现 List 接口外，此类还提供一些方法来操作内部用来存储列表的数组的大小。
Vector：实现可增长的对象数组。与数组一样，它包括能够使用整数索引进行訪问的组件。
Stack：后进先出（LIFO）的对象堆栈。它通过五个操作对类 Vector 进行了扩展 ，同意将向量视为堆栈。
Enumeration：枚举，实现了该接口的对象，它生成一系列元素，一次生成一个。连续调用 nextElement 方法将返回一系列的连续元素。
二、使用场景
学习知识的根本目的就是使用它。每一个知识点都有它的使用范围。集合也是如此，在Java中集合的家族很庞大，每一个成员都有最适合的使用场景。在刚刚接触List时，LZ就说过假设涉及到“栈”、“队列”、“链表”等操作，请优先考虑用List。至于是那个List则分例如以下：
1、对于须要高速插入、删除元素，则需使用LinkedList。
2、对于须要高速訪问元素，则需使用ArrayList。
3、对于“单线程环境”或者“多线程环境，可是List仅被一个线程操作”，须要考虑使用非同步的类，假设是“多线程环境，切List可能同一时候被多个线程操作”，考虑使用同步的类（如Vector）。
2.1ArrayList、LinkedList性能分析
在List中我们使用最普遍的就是LinkedList和ArrayList，同一时候我们也了解了他们两者之间的使用场景和差别。
public class ListTest {
private static final int COUNT = 100000;
private static ArrayList arrayList = new ArrayList<>();
private static LinkedList linkedList = new LinkedList<>();
private static Vector vector = new Vector<>();
public static void insertToList(List list){
long startTime = System.currentTimeMillis();
for(int i = 0 ; i < COUNT ; i++){
list.add(0,i);
}
long endTime = System.currentTimeMillis();
System.out.println("插入 " + COUNT + "元素" + getName(list) + "花费 " + (endTime - startTime) + " 毫秒");
}
public static void deleteFromList(List list){
long startTime = System.currentTimeMillis();
for(int i = 0 ; i < COUNT ; i++){
list.remove(0);
}
long endTime = System.currentTimeMillis();
System.out.println("删除" + COUNT + "元素" + getName(list) + "花费 " + (endTime - startTime) + " 毫秒");
}
public static void readList(List list){
long startTime = System.currentTimeMillis();
for(int i = 0 ; i < COUNT ; i++){
list.get(i);
}
long endTime = System.currentTimeMillis();
System.out.println("读取" + COUNT + "元素" + getName(list) + "花费 " + (endTime - startTime) + " 毫秒");
}
private static String getName(List list) {
String name = "";
if(list instanceof ArrayList){
name = "ArrayList";
}
else if(list instanceof LinkedList){
name = "LinkedList";
}
else if(list instanceof Vector){
name = "Vector";
}
return name;
}
public static void main(String[] args) {
insertToList(arrayList);
insertToList(linkedList);
insertToList(vector);
System.out.println("--------------------------------------");
readList(arrayList);
readList(linkedList);
readList(vector);
System.out.println("--------------------------------------");
deleteFromList(arrayList);
deleteFromList(linkedList);
deleteFromList(vector);
}
}执行结果:
插入 100000元素ArrayList花费 3900 毫秒 插入 100000元素LinkedList花费 15 毫秒 插入 100000元素Vector花费 3933 毫秒 -------------------------------------- 读取100000元素ArrayList花费 0 毫秒 读取100000元素LinkedList花费 8877 毫秒 读取100000元素Vector花费 16 毫秒 -------------------------------------- 删除100000元素ArrayList花费 4618 毫秒 删除100000元素LinkedList花费 16 毫秒 删除100000元素Vector花费 4759 毫秒
从上面的执行结果我们能够清晰的看出ArrayList、LinkedList、Vector添加�、删除、遍历的效率问题。以下我就插入方法add(int index, E element),delete、get方法各位如有兴趣能够研究研究。
首先我们先看三者之间的源代码：
ArrayList
public void add(int index, E element) {
rangeCheckForAdd(index); //检查是否index是否合法
ensureCapacityInternal(size + 1); //扩容操作
System.arraycopy(elementData, index, elementData, index + 1, size - index); //数组拷贝
elementData[index] = element; //插入
size++;
}rangeCheckForAdd、ensureCapacityInternal两个方法没有什么影响，真正产生影响的是System.arraycopy方法，该方法是个JNI函数，是在JVM中实现的。声明例如以下：
public static native void arraycopy(Object src, int srcPos, Object dest, int destPos, int length);
眼下LZ无法看到源代码，详细的实现不是很清晰，只是System.arraycopy源代码分析对其进行了比較清晰的分析。但其实我们仅仅须要了解该方法会移动index后面的全部元素就可以，这就意味着ArrayList的add(int index, E element)方法会引起index位置之后全部元素的改变，这真是牵一处而动全身。
LinkedList
public void add(int index, E element) {
checkPositionIndex(index);
if (index == size) //插入位置在末尾
linkLast(element);
else
linkBefore(element, node(index));
}该方法比較简单，插入位置在末尾则调用linkLast方法，否则调用linkBefore方法，其实linkLast、linkBefore都是很easy的实现，就是在index位置插入元素，至于index详细为知则有node方法来解决，同一时候node对index位置检索另一个加速作用，例如以下：
Node<E> node(int index) {
if (index < (size >> 1)) { //假设index 小于 size/2 则从头開始查找
Node<E> x = first;
for (int i = 0; i < index; i++)
x = x.next;
return x;
} else { //假设index 大于 size/2 则从尾部開始查找
Node<E> x = last;
for (int i = size - 1; i > index; i--)
x = x.prev;
return x;
}
}所以linkedList的插入动作比ArrayList动作快就在于两个方面。1：linkedList不须要执行元素拷贝动作，没有牵一发而动全身的大动作。2:查找插入位置有加速动作即：若index < 双向链表长度的1/2，则从前向后查找; 否则，从后向前查找。
Vector
Vector的实现机制和ArrayList一样，相同是使用动态数组来实现的，所以他们两者之间的效率差点儿相同，add的源代码也一样，例如以下：
public void add(int index, E element) {
insertElementAt(element, index);
}
public synchronized void insertElementAt(E obj, int index) {
modCount++;
if (index > elementCount) {
throw new ArrayIndexOutOfBoundsException(index
+ " > " + elementCount);
}
ensureCapacityHelper(elementCount + 1);
System.arraycopy(elementData, index, elementData, index + 1, elementCount - index);
elementData[index] = obj;
elementCount++;
}上面是针对ArrayList、LinkedList、Vector三者之间的add（int index,E element)方法的解释，解释了LinkedList的插入动作要比ArrayList、Vector的插入动作效率为什么要高出这么多！至于delete、get两个方法LZ就不多解释了。
同一时候LZ在写上面那个样例时发现了一个很有趣的现象，就是linkedList在某些时候执行add方法时比ArrayList方法会更慢！至于在什么情况？为什么会慢LZ下篇博客解释，当然不知道这个情况各位是否也遇到过？？
2.2、Vector和ArrayList的差别
四、很多其它
-----原文出自:http://cmsblogs.com/?p=1201,请尊重作者辛勤劳动成果,转载说明出处.
-----个人网站:http://cmsblogs.com