新版Java面试专题视频教程——集合篇
= = = = = = = = = = = = = 常见集合篇 = = = = = = = = = = = = =
1-集合
1.1 集合面试题-课程介绍
1.2 算法复杂度分析
2 List相关面试题
2.1 数组
2.1.1 数组概述
数组（Array）是一种用连续的内存空间存储相同数据类型数据的线性数据结构。
int[] array = {22,33,88,66,55,25};
我们定义了这么一个数组之后，在内存的表示是这样的：
现在假如，我们通过arrar[1]，想要获得下标为1这个元素，但是现在栈内存中指向的堆内存数组的首地址，它是如何获取下标为1这个数据的？
2.1.2 寻址公式
为了方便大家理解，我们把数组的内存地址稍微改了一下，都改成了数字，如下图
在数组在内存中查找元素的时候，是有一个寻址公式的，如下：
有了寻址公式以后，我们再来获取一下下标为1的元素，这个是原来的数组， 套入公式：
array[1] =10 + i * 4 = 14
获取到14这个地址，就能获取到下标为1的这个元素了。
为什么数组索引从0开始？
2.1.3 操作数组的时间复杂度
1.随机查询(根据索引查询)
数组元素的访问是通过下标来访问的，计算机通过数组的首地址和寻址公式能够很快速的找到想要访问的元素
public int test01(int[] a,int i){
return a[i];
// a[i] = baseAddress + i \* dataSize
}
代码的执行次数并不会随着数组的数据规模大小变化而变化，是常数级的，所以查询数据操作的时间复杂度是O(1)
2. 未知索引查询O(n)或O(log2n)
情况一：查找数组内的元素，查找55号数据，遍历数组时间复杂度为O(n)
情况二：查找排序后数组内的元素，通过二分查找算法查找55号数据时间复杂度为O(logn)
3.插入O(n)
数组是一段连续的内存空间，因此为了保证数组的连续性会使得数组的插入和删除的效率变的很低。
假设数组的长度为 n，现在如果我们需要将一个数据插入到数组中的第 k 个位置。为了把第 k 个位置腾出来给新来的数据，我们需要将第 k～n 这部分的元素都顺序地往后挪一位。如下图所示：
新增之后的数据变化，如下
所以：
插入操作，最好情况下是O(1)的，最坏情况下是O(n)的，平均情况下的时间复杂度是O(n)。
4.删除O(n)
同理可得：如果我们要删除第 k 个位置的数据，为了内存的连续性，也需要搬移数据，不然中间就会出现空洞，内存就不连续了，时间复杂度仍然是O(n)。
2.2 ArrayList源码分析
分析ArrayList源码主要从三个方面去翻阅：成员变量，构造函数，关键方法
2.2.1 成员变量
2.2.2 三个构造方法
2.2.3 ArrayList源码分析
添加数据的流程
结论：
- 底层数据结构
ArrayList底层是用动态的数组实现的
- 初始容量
ArrayList初始容量为0，当第一次添加数据的时候才会初始化容量为10
- 扩容逻辑
ArrayList在进行扩容的时候是原来容量的1.5倍，每次扩容都需要拷贝数组
-
添加逻辑
-
确保数组已使用长度（size）加1之后足够存下下一个数据
-
计算数组的容量，如果当前数组已使用长度+1后的大于当前的数组长度，则调用grow方法扩容（原来的1.5倍）
-
确保新增的数据有地方存储之后，则将新元素添加到位于size的位置上。
-
返回添加成功布尔值。
2.2.4 ArrayList底层的实现原理是什么
- ArrayList底层是用动态的数组实现的
- ArrayList初始容量为0,当第一 次添加数据的时候才会初始化容量为10
- ArrayList在进行扩 容的时候是原来容量的1.5倍,每次扩容都需要拷贝数组
- ArrayList在添加数据的时候
- 确保数组已使用长度(size) 加1之后足够存下下一个数据
- 计算数组的容量,如果当前数组已使用长度+ 1后的大于当前的数组长度，则调用grow方法扩容(原来的1.5倍)
- 确保新增的数据有地方存储之后,则将新元素添加到位于size的位置上。
- 返回添加成功布尔值。
2.2.5 ArrayList list=new ArrayList(10)中的list扩容几次
参考回答：
该语句只是声明和实例了一个 ArrayList，指定了容量为 10，未扩容
2.2.6 如何实现数组和List之间的转换
如下代码：
参考回答：
-
数组转List ，使用JDK中java.util.Arrays工具类的asList方法
-
List转数组，使用List的toArray方法。
无参toArray方法返回 Object数组，传入初始化长度的数组对象，返回该对象数组
面试官再问：
用Arrays.asList转List后，如果修改了数组内容，list受影响吗
List用toArray转数组后，如果修改了List内容，数组受影响吗
再答：
用Arrays.asList转List后，如果修改了数组内容，list受影响吗
Arrays.asList转换list之后，如果修改了数组的内容，list会受影响，因为它的底层使用的Arrays类中的一个内部类ArrayList来构造的集合，在这个集合的构造器中，把我们传入的这个集合进行了包装而已，最终指向的都是同一个内存地址
List用toArray转数组后，如果修改了List内容，数组受影响吗
list用了toArray转数组后，如果修改了list内容，数组不会影响，当调用了toArray以后，在底层是它是进行了数组的拷贝，跟原来的元素就没啥关系了，所以即使list修改了以后，数组也不受影响
2.3 链表
2.3.1 单向链表
- 代码实现参考：
2.3.2 单向链表时间复杂度分析
（1）查询操作
-
只有在查询头节点的时候不需要遍历链表，时间复杂度是O(1)
-
查询其他结点需要遍历链表，时间复杂度是O(n)
（2）插入和删除操作
-
只有在添加和删除头节点的时候不需要遍历链表，时间复杂度是O(1)
-
添加或删除其他结点需要遍历链表找到对应节点后，才能完成新增或删除节点，时间复杂度是O(n)
2.3.3 双向链表
而双向链表，顾名思义，它支持两个方向
-
每个结点不止有一个后继指针 next 指向后面的结点
-
有一个前驱指针 prev 指向前面的结点
参考代码
对比单链表：
-
双向链表需要额外的两个空间来存储后继结点和前驱结点的地址
-
支持双向遍历，这样也带来了双向链表操作的灵活性
2.3.4 双向链表时间复杂度分析
（1）查询操作
-
查询头尾结点的时间复杂度是O(1)
-
平均的查询时间复杂度是O(n)
-
给定节点找前驱节点的时间复杂度为O(1)
（2）增删操作
-
头尾结点增删的时间复杂度为O(1)
-
其他部分结点增删的时间复杂度是 O(n)
-
给定节点增删的时间复杂度为O(1)
2.3.5 面试题-ArrayList和LinkedList的区别是什么？
-
底层数据结构
-
ArrayList 是动态数组的数据结构实现
-
LinkedList 是双向链表的数据结构实现
-
-
操作数据效率
-
ArrayList 按照下标查询 的时间复杂度O(1)【内存是连续的，根据寻址公式】， LinkedList 不支持下标查询
-
查找（未知索引）： ArrayList需要遍历，链表也需要链表，时间复杂度都是O(n)
-
-
新增和删除
-
ArrayList尾部插入和删除，时间复杂度是O(1)；其他部分增删需要挪动数组，时间复杂度是O(n)
-
LinkedList头尾节点增删时间复杂度是O(1)，其他都需要遍历链表，时间复杂度是O(n)
-
-
内存空间占用
-
ArrayList底层是数组，内存连续，节省内存
-
LinkedList 是双向链表需要存储数据，和两个指针，更占用内存
-
-
线程安全
-
ArrayList和LinkedList都不是线程安全的
-
如果需要保证线程安全，有两种方案：
-
在方法内使用，局部变量（每个线程都有一份局部变量）则是线程安全的；
-
使用线程安全的ArrayList和LinkedList ；加锁性能下降
-
-
3 HashMap相关面试题
3.1 二叉树
3.1.1 二叉树概述
二叉树，顾名思义，每个节点最多有两个“叉”，两个子节点，分别是左/右子节点。不过，二叉树并不要求每个节点都有两个子节点，有的节点只有左/右子节点。
二叉树每个节点的左子树和右子树也分别满足二叉树的定义。
Java中有两个方式实现二叉树：数组存储，链式存储。
基于链式存储的树的节点可定义如下：
3.1.2 二叉搜索树BST
在二叉树中，比较常见的二叉树有：
-
满二叉树
如果所有的分支都有左子树右子树，并且所有叶子节点都在同一层上
-
完全二叉树
对一颗具有n个节点的二叉树层序编号，如果编号i的节点与同样深度的满二叉树的编号i的节点在二叉树的位置完全相同，则是完全二叉树
-
二叉搜索树
-
红黑树
我们重点讲解二叉搜索树和红黑树
（1）二叉搜索树概述
（2）二叉搜索树-时间复杂度分析
实际上由于二叉查找树的形态各异，时间复杂度也不尽相同，我画了几棵树我们来看一下插入，查找，删除的时间复杂度
查找，的时间复杂度O(logn)；插入，删除需要用到查找 所以也是O(logn)；
极端情况下二叉搜索的时间复杂度
3.1.3 红黑树
概述
红黑树（Red Black Tree）：也是一种自平衡的二叉搜索树(BST)，之前叫做平衡二叉B树（Symmetric Binary B-Tree）
红黑树的特质
- 节点要么是红色，要么是黑色
- 根节点是黑色
- 叶子节点都是黑色的空节点
- 红黑树中红色节点的子节点都是黑色
- 从任一节点到叶子节点的所有路径都包含相同数目的黑色节点
在添加或删除节点的时候，如果不符合这些性质会发生旋转，以达到所有的性质，保证红黑树的平衡
右旋
左旋
步骤：
总结：
（3）红黑树的复杂度
-
查找：
-
红黑树也是一棵BST（二叉搜索树）树，查找操作的时间复杂度为：O(log n)
-
添加：
-
添加先要从根节点开始找到元素添加的位置，时间复杂度O(log n)
-
添加完成后涉及到复杂度为O(1)的旋转调整操作
-
故整体复杂度为：O(log n)
-
删除：
-
首先从根节点开始找到被删除元素的位置，时间复杂度O(log n)
-
删除完成后涉及到复杂度为O(1)的旋转调整操作
-
故整体复杂度为：O(log n)
3.2 散列表
在HashMap中的最重要的一个数据结构就是散列表，在散列表中又使用到了红黑树和链表
3.2.1 散列表（Hash Table）概述
散列表(Hash Table)又名哈希表/Hash表，是根据键（Key）直接访问在内存存储位置值（Value）的数据结构，它是由数组演化而来的，利用了数组支持按照下标进行随机访问数据的特性
举个例子：
假设有100个人参加马拉松，编号是1-100，如果要编程实现根据选手的编号迅速找到选手信息？
可以把选手信息存入数组中，选手编号就是数组的下标，数组的元素就是选手的信息。
当我们查询选手信息的时候，只需要根据选手的编号到数组中查询对应的元素就可以快速找到选手的信息，如下图：
现在需求升级了：
我们目前是把选手的信息存入到数组中，不过选手的编号不能直接作为数组的下标，不过，可以把选手的选号进行转换，转换为数值就可以继续作为数组的下标了？
转换可以使用散列函数进行转换
3.2.2 散列函数和散列冲突
将键(key)映射为数组下标的函数叫做散列函数。可以表示为：hashValue = hash(key)
散列函数的基本要求：
-
散列函数计算得到的散列值必须是≥0的正整数，因为hashValue需要作为数组的下标。
-
如果key1==key2，那么经过hash后得到的哈希值也必相同即：hash(key1) == hash(key2）
-
如果key1 != key2，那么经过hash后得到的哈希值也必不相同即：hash(key1) != hash(key2)
实际的情况下想找一个散列函数能够做到对于不同的key计算得到的散列值都不同几乎是不可能的，即便像著名的MD5,SHA等哈希算法也无法避免这一情况，这就是散列冲突(或者哈希冲突，哈希碰撞，就是指多个key映射到同一个数组下标位置)
3.2.3 散列冲突-链表法（拉链）
在散列表中，数组的每个下标位置我们可以称之为桶（bucket）或者槽（slot），每个桶(槽)会对应一条链表，所有散列值相同的元素我们都放到相同槽位对应的链表中。
简单就是，如果有多个key最终的hash值是一样的，就会存入数组的同一个下标中，下标中挂一个链表存入多个数据
3.2.4 时间复杂度-散列表
1，插入操作，通过散列函数计算出对应的散列槽位，将其插入到对应链表中即可，插入的时间复杂度是 O(1)
2，当查找、删除一个元素时，我们同样通过散列函数计算出对应的槽，然后遍历链表查找或者删除
-
平均情况下基于链表法解决冲突时查询的时间复杂度是O(1)
-
散列表可能会退化为链表,查询的时间复杂度就从 O(1) 退化为 O(n)
- 将链表法中的链表改造为其他高效的动态数据结构，比如红黑树，查询的时间复杂度是 O(logn)
将链表法中的链表改造红黑树还有一个非常重要的原因，可以防止DDos攻击
3.3 说一下HashMap的实现原理？
3.3.1 HashMap的jdk1.7和jdk1.8有什么区别
3.4 面试题-HashMap的put方法的具体流程
3.4.1 hashMap常见属性
3.4.2 源码分析
-
HashMap是懒惰加载，在创建对象时并没有初始化数组
-
在无参的构造函数中，设置了默认的加载因子 是0.75
添加数据流程图
具体的jdk8源码：
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//判断数组是否未初始化
if ((tab = table) == null || (n = tab.length) == 0)
//如果未初始化，调用resize方法 进行初始化
n = (tab = resize()).length;
//通过 & 运算求出该数据（key）的数组下标并判断该下标位置是否有数据
if ((p = tab[i = (n - 1) & hash]) == null)
//如果没有，直接将数据放在该下标位置
tab[i] = newNode(hash, key, value, null);
//该数组下标有数据的情况
else {
Node<K,V> e; K k;
//判断该位置数据的key和新来的数据是否一样
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
//如果一样，证明为修改操作，该节点的数据赋值给e,后边会用到
e = p;
//判断是不是红黑树
else if (p instanceof TreeNode)
//如果是红黑树的话，进行红黑树的操作
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//新数据和当前数组既不相同，也不是红黑树节点，证明是链表
else {
//遍历链表
for (int binCount = 0; ; ++binCount) {
//判断next节点，如果为空的话，证明遍历到链表尾部了
if ((e = p.next) == null) {
//把新值放入链表尾部
p.next = newNode(hash, key, value, null);
//因为新插入了一条数据，所以判断链表长度是不是大于等于8
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//如果是，进行转换红黑树操作
treeifyBin(tab, hash);
break;
}
//判断链表当中有数据相同的值，如果一样，证明为修改操作
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
//把下一个节点赋值为当前节点
p = e;
}
}
//判断e是否为空（e值为修改操作存放原数据的变量）
if (e != null) { // existing mapping for key
//不为空的话证明是修改操作，取出老值
V oldValue = e.value;
//一定会执行 onlyIfAbsent传进来的是false
if (!onlyIfAbsent || oldValue == null)
//将新值赋值当前节点
e.value = value;
afterNodeAccess(e);
//返回老值
return oldValue;
}
}
//计数器，计算当前节点的修改次数
++modCount;
//当前数组中的数据数量如果大于扩容阈值
if (++size > threshold)
//进行扩容操作
resize();
//空方法
afterNodeInsertion(evict);
//添加操作时 返回空值
return null;
}
HashMap的put方法的具体流程
-
判断键值对数组table是否为空或为null，否则执行resize()进行扩容（初始化）
-
根据键值key计算hash值得到数组索引
-
判断table[i] == null，条件成立，直接新建节点添加
-
如果table[i] != null
4.1 判断table[i]的首个元素是否和key一样，如果相同直接覆盖value
4.2 判断table[i] 是否为treeNode，即table[i 是否是红黑树，如果是红黑树，则直接在树中插入键值对
4.3 遍历table[i]，链表的尾部插入数据，然后判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操 作，遍历过程中若发现key已经存在直接覆盖value
5 . 插入成功后，判断实际存在的键值对数量size是否超过了最大容量threshold（数组长度*0.75），如果超过，进行扩容。
3.5 面试题-讲一讲HashMap的扩容机制
扩容的流程：
源码：
//扩容、初始化数组
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
//如果当前数组为null的时候，把oldCap老数组容量设置为0
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//老的扩容阈值
int oldThr = threshold;
int newCap, newThr = 0;
//判断数组容量是否大于0，大于0说明数组已经初始化
if (oldCap > 0) {
//判断当前数组长度是否大于最大数组长度
if (oldCap >= MAXIMUM_CAPACITY) {
//如果是，将扩容阈值直接设置为int类型的最大数值并直接返回
threshold = Integer.MAX_VALUE;
return oldTab;
}
//如果在最大长度范围内，则需要扩容 OldCap << 1等价于oldCap*2
//运算过后判断是不是最大值并且oldCap需要大于16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold 等价于oldThr*2
}
//如果oldCap<0，但是已经初始化了，像把元素删除完之后的情况，那么它的临界值肯定还存在， 如果是首次初始化，它的临界值则为0
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//数组未初始化的情况，将阈值和扩容因子都设置为默认值
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//初始化容量小于16的时候，扩容阈值是没有赋值的
if (newThr == 0) {
//创建阈值
float ft = (float)newCap * loadFactor;
//判断新容量和新阈值是否大于最大容量
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//计算出来的阈值赋值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
//根据上边计算得出的容量 创建新的数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
//赋值
table = newTab;
//扩容操作，判断不为空证明不是初始化数组
if (oldTab != null) {
//遍历数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
//判断当前下标为j的数组如果不为空的话赋值个e，进行下一步操作
if ((e = oldTab[j]) != null) {
//将数组位置置空
oldTab[j] = null;
//判断是否有下个节点
if (e.next == null)
//如果没有，就重新计算在新数组中的下标并放进去
newTab[e.hash & (newCap - 1)] = e;
//有下个节点的情况，并且判断是否已经树化
else if (e instanceof TreeNode)
//进行红黑树的操作
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//有下个节点的情况，并且没有树化（链表形式）
else {
//比如老数组容量是16，那下标就为0-15
//扩容操作*2，容量就变为32，下标为0-31
//低位：0-15，高位16-31
//定义了四个变量
// 低位头 低位尾
Node<K,V> loHead = null, loTail = null;
// 高位头 高位尾
Node<K,V> hiHead = null, hiTail = null;
//下个节点
Node<K,V> next;
//循环遍历
do {
//取出next节点
next = e.next;
//通过 与操作 计算得出结果为0
if ((e.hash & oldCap) == 0) {
//如果低位尾为null，证明当前数组位置为空，没有任何数据
if (loTail == null)
//将e值放入低位头
loHead = e;
//低位尾不为null，证明已经有数据了
else
//将数据放入next节点
loTail.next = e;
//记录低位尾数据
loTail = e;
}
//通过 与操作 计算得出结果不为0
else {
//如果高位尾为null，证明当前数组位置为空，没有任何数据
if (hiTail == null)
//将e值放入高位头
hiHead = e;
//高位尾不为null，证明已经有数据了
else
//将数据放入next节点
hiTail.next = e;
//记录高位尾数据
hiTail = e;
}
}
//如果e不为空，证明没有到链表尾部，继续执行循环
while ((e = next) != null);
//低位尾如果记录的有数据，是链表
if (loTail != null) {
//将下一个元素置空
loTail.next = null;
//将低位头放入新数组的原下标位置
newTab[j] = loHead;
}
//高位尾如果记录的有数据，是链表
if (hiTail != null) {
//将下一个元素置空
hiTail.next = null;
//将高位头放入新数组的(原下标+原数组容量)位置
newTab[j + oldCap] = hiHead;
}
}
}
}
}
//返回新的数组对象
return newTab;
}
3.6 面试题-hashMap的寻址算法
在putVal方法中，有一个hash(key)方法，这个方法就是来去计算key的hash值的，看下面的代码 二次哈希
扰动算法！
有了hash值之后，就很方便的去计算当前key的在数组中存储的下标，看下面的代码：
(n-1)&hash : 得到数组中的索引，代替取模，性能更好，数组长度必须是2的n次幂
为何HashMap的数组长度一定是2的次幂？
-
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
3.7 面试题-hashmap在1.7情况下的多线程死循环问题
jdk7的数据结构是：数组+链表
在数组进行扩容的时候，因为链表是头插法，在进行数据迁移的过程中，有可能导致死循环
-
变量e指向的是需要迁移的对象
-
变量next指向的是下一个需要迁移的对象
-
Jdk1.7中的链表采用的头插法
-
在数据迁移的过程中并没有新的对象产生，只是改变了对象的引用
产生死循环的过程：
线程1和线程2的变量e和next都引用了这个两个节点
线程2扩容后，由于头插法，链表顺序颠倒，但是线程1的临时变量e和next还引用了这两个节点
第一次循环
由于线程2迁移的时候，已经把B的next执行了A
参考回答：
3.8 面试题-HashSet与HashMap的区别
3.9 面试题-HashTable与HashMap的区别
主要区别：
| 区别 | HashTable | HashMap |
|---|---|---|
| 数据结构 | 数组+链表 | 数组+链表+红黑树 |
| 是否可以为null | Key和value都不能为null | 可以为null |
| hash算法 | key的hashCode() | 二次hash |
| 扩容方式 | 当前容量翻倍 +1 | 当前容量翻倍 |
| 线程安全 | 同步(synchronized)的，线程安全 | 非线程安全 |
在实际开中不建议使用HashTable，在多线程环境下可以使用ConcurrentHashMap类
3 真实面试还原
3.1 Java常见的集合类
说一说Java提供的常见集合？（画一下集合结构图）
3.2 List
ArrayList底层是如何实现的？
ArrayList list=new ArrayList(10)中的list扩容几次
如何实现数组和List之间的转换
用Arrays.asList转List后，如果修改了数组内容，list受影响吗？List用toArray转数组后，如果修改了List内容，数组受影响吗
ArrayList 和 LinkedList 的区别是什么？
刚才你说了ArrayList 和 LinkedList 不是线程安全的，你们在项目中是如何解决这个的线程安全问题的？
3.4 HashMap
说一下HashMap的实现原理？
HashMap的jdk1.7和jdk1.8有什么区别
好的，你能说下HashMap的put方法的具体流程吗？
好的，刚才你多次介绍了hsahmap的扩容，能讲一讲HashMap的扩容机制吗？
好的，刚才你说的通过hash计算后找到数组的下标，是如何找到的呢，你了解hashMap的寻址算法吗？
为何HashMap的数组长度一定是2的次幂？
好的，我看你对hashmap了解的挺深入的，你知道hashmap在1.7情况下的多线程死循环问题吗？
好的，hashmap是线程安全的吗？
那我们想要使用线程安全的map该怎么做呢？
那你能聊一下ConcurrentHashMap的原理吗？
HashSet与HashMap的区别？
HashTable与HashMap的区别
