数组-当我们必须实现更快的结果获取时，它总是更好的

列表——执行插入和删除的结果，因为它们可以在O(1)中完成，这也提供了方便地添加、获取和删除数据的方法。更容易使用。

但是始终记住，当数据存储在数组中的索引位置是已知的时，数据的抓取将是快速的。

这可以通过对数组排序很好地实现。因此，这增加了获取数据的时间(即;存储数据+排序数据+寻找数据所在的位置)。因此，这增加了从数组中获取数据的额外延迟，即使它们可能擅长更快地获取数据。

因此，这可以用三元数据结构或三元数据结构来解决。如上所述，树数据结构在搜索数据时非常有效，对特定单词的搜索可以在O(1)量级上完成。当时间紧迫时;如果你必须快速搜索和检索数据，你可以使用三种数据结构。

如果你希望你的内存空间消耗更少，你希望有一个更好的性能，那么使用三元数据结构。这两个都适合存储大量的字符串(例如;比如字典里的单词)。

不要在没有适当基准测试的情况下陷入优化的陷阱。正如其他人建议的那样，在做出任何假设之前使用分析器。

您所列举的不同数据结构具有不同的用途。列表在开头和结尾插入元素时非常有效，但在访问随机元素时却很困难。数组具有固定的存储，但提供快速的随机访问。最后，ArrayList通过允许数组增长来改进与数组的接口。通常，要使用的数据结构应该由如何访问或添加存储的数据来决定。

About memory consumption. You seem to be mixing some things. An array will only give you a continuous chunk of memory for the type of data that you have. Don't forget that java has a fixed data types: boolean, char, int, long, float and Object (this include all objects, even an array is an Object). It means that if you declare an array of String strings [1000] or MyObject myObjects [1000] you only get a 1000 memory boxes big enough to store the location (references or pointers) of the objects. You don't get a 1000 memory boxes big enough to fit the size of the objects. Don't forget that your objects are first created with "new". This is when the memory allocation is done and later a reference (their memory address) is stored in the array. The object doesn't get copied into the array only it's reference.

首先，有必要澄清一下，您是指经典的compp sci数据结构意义上的“列表”(即链表)，还是指java.util.List?如果你指的是java.util。List，它是一个接口。如果你想使用数组，只要使用数组列表实现，你就会得到类似数组的行为和语义。问题解决了。

如果你指的是数组和链表，这是一个稍微不同的参数，我们回到大O(如果这是一个不熟悉的术语，这里有一个简单的英语解释。

数组;

随机存取:O(1); 插入:O (n); 删除:O (n)。

链表:

随机存取:O(n); 插入:O (1); 删除:O(1)。

你可以选择最适合调整数组大小的方法。如果你调整大小，插入和删除很多，那么链表可能是一个更好的选择。如果随机访问很少，情况也是如此。你提到了串行访问。如果你主要做串行访问，很少修改，那么你选择哪一个可能都不重要。

链表的开销略高，因为正如您所说，您正在处理潜在的不连续内存块和(有效地)指向下一个元素的指针。但是，除非您要处理数百万个条目，否则这可能不是一个重要因素。

列表比数组慢。如果需要效率，请使用数组。如果你需要灵活性，使用列表。

List是java 1.5及以上版本的首选方式，因为它可以使用泛型。数组不能有泛型。数组也有预定义的长度，不能动态增长。初始化一个大数组并不是一个好主意。 ArrayList是用泛型声明数组的方式，它可以动态增长。 但如果删除和插入使用得更频繁，那么链表是使用最快的数据结构。

使用哪一种取决于问题本身。我们得看看大O。

图片来源:https://github.com/egonSchiele/grokking_algorithms