HashMap紅黑樹入門(實現(xiàn)一個簡單的紅黑樹)
1.樹結構入門
1.1 什么是樹?
樹(tree)是一種抽象數(shù)據類型(ADT),用來模擬具有樹狀結構性質的數(shù)據集合。它是由n(n>0)個有限節(jié)點通過連接它們的邊組成一個具有層次關系的集合。
把它叫做“樹”是因為它看起來像一棵倒掛的樹,也就是說它是根朝上,而葉朝下的。
樹有很多種,向上面的一個節(jié)點有多余兩個的子節(jié)點的樹,稱為多路樹,而每個節(jié)點最多只能有兩個子節(jié)點的一種形式稱為二叉樹。

①、節(jié)點:上圖的圓圈,比如A,B,C等都是表示節(jié)點。節(jié)點一般代表一些實體,在java面向對象編程中,節(jié)點一般代表對象。
②、邊:連接節(jié)點的線稱為邊,邊表示節(jié)點的關聯(lián)關系。一般從一個節(jié)點到另一個節(jié)點的唯一方法就是沿著一條順著有邊的道路前進。在Java當中通常表示引用。
1.2 樹結構常用術語

①、路徑:順著節(jié)點的邊從一個節(jié)點走到另一個節(jié)點,所經過的節(jié)點的順序排列就稱為“路徑”。
②、根:樹頂端的節(jié)點稱為根。一棵樹只有一個根,如果要把一個節(jié)點和邊的集合稱為樹,那么從根到其他任何一個節(jié)點都必須有且只有一條路徑。A是根節(jié)點。
③、父節(jié)點:若一個節(jié)點含有子節(jié)點,則這個節(jié)點稱為其子節(jié)點的父節(jié)點
④、子節(jié)點:一個節(jié)點含有的子樹的節(jié)點稱為該節(jié)點的子節(jié)點;F、G是C節(jié)點的子節(jié)點。
⑤、兄弟節(jié)點:具有相同父節(jié)點的節(jié)點互稱為兄弟節(jié)點;F、G節(jié)點互為兄弟節(jié)點。
⑥、葉節(jié)點:沒有子節(jié)點的節(jié)點稱為葉節(jié)點,也叫葉子節(jié)點,比如上圖的H、E、F、G都是葉子節(jié)點。
⑦、子樹:每個節(jié)點都可以作為子樹的根,它和它所有的子節(jié)點、子節(jié)點的子節(jié)點等都包含在子樹中。
⑧、節(jié)點的層次:從根開始定義,根為第一層,根的子節(jié)點為第二層,以此類推。
⑨、深度:對于任意節(jié)點n,n的深度為從根到n的唯一路徑長,根的深度為0;(從上往下看)
⑩、高度:對于任意節(jié)點n,n的高度為從n到一片樹葉的最長路徑長,所有樹葉的高度為0;(從下往上看)
1.3 二叉搜索樹
二叉樹:樹的每個節(jié)點最多只能有兩個子節(jié)點。


上圖的第一幅圖B節(jié)點有DEF三個子節(jié)點,就不是二叉樹,稱為多路樹
而第二幅圖每個節(jié)點最多只有兩個節(jié)點,是二叉樹,并且二叉樹的子節(jié)點稱為“左子節(jié)點”和“右子節(jié)點”
二叉搜索樹:
如果我們給二叉樹加一個額外的條件,就可以得到一種被稱作二叉搜索樹(binary search tree)的特殊二叉樹。
二叉搜索樹要求:若它的左子樹不空,則左子樹上所有結點的值均小于它的根結點的值;
若它的右子樹不空,則右子樹上所有結點的值均大于它的根結點的值;
它的左、右子樹也分別為二叉排序樹。
如圖:

二叉搜索樹-查找節(jié)點:
查找某個節(jié)點,我們必須從根節(jié)點開始查找。
①、查找值比當前節(jié)點值大,則搜索右子樹;
②、查找值等于當前節(jié)點值,停止搜索(終止條件);
③、查找值小于當前節(jié)點值,則搜索左子樹;
二叉搜索樹-插入節(jié)點:
要插入節(jié)點,必須先找到插入的位置。與查找操作相似,由于二叉搜索樹的特殊性,
待插入的節(jié)點也需要從根節(jié)點開始進行比較,小于根節(jié)點則與根節(jié)點左子樹比較,
反之則與右子樹比較,直到左子樹為空或右子樹為空,則插入到相應為空的位置。
二叉搜索樹-遍歷節(jié)點:
遍歷樹是根據一種特定的順序訪問樹的每一個節(jié)點。比較常用的有前序遍歷,中序遍歷和后序遍歷。而二叉搜索樹最常用的是中序遍歷。
①、中序遍歷:左子樹——》根節(jié)點——》右子樹
②、前序遍歷:根節(jié)點——》左子樹——》右子樹
③、后序遍歷:左子樹——》右子樹——》根節(jié)點

中序遍歷快速得到結果的記憶方式,參考下圖:

二叉搜索樹-查找最大值和最小值
要找最小值,先找根的左節(jié)點,然后一直找這個左節(jié)點的左節(jié)點,直到找到沒有左節(jié)點的節(jié)點,那么這個節(jié)點就是最小值。
同理要找最大值,一直找根節(jié)點的右節(jié)點,直到沒有右節(jié)點,則就是最大值。

二叉搜索樹-刪除節(jié)點:
刪除節(jié)點是二叉搜索樹中最復雜的操作,刪除的節(jié)點有三種情況,前兩種比較簡單,但是第三種卻很復雜。
1、該節(jié)點是葉節(jié)點(沒有子節(jié)點)
2、該節(jié)點有一個子節(jié)點
3、該節(jié)點有兩個子節(jié)點
①、刪除沒有子節(jié)點的節(jié)點
要刪除葉節(jié)點,只需要改變該節(jié)點的父節(jié)點引用該節(jié)點的值,即將其引用改為 null 即可。

②、刪除有一個子節(jié)點的節(jié)點
刪除有一個子節(jié)點的節(jié)點,我們只需要將其父節(jié)點原本指向該節(jié)點的引用,改為指向該節(jié)點的子節(jié)點即可。

③、刪除有兩個子節(jié)點的節(jié)點

當刪除的節(jié)點存在兩個子節(jié)點,那么刪除之后,兩個子節(jié)點的位置我們就沒辦法處理了。
既然處理不了,我們就想到一種辦法,用另一個節(jié)點來代替被刪除的節(jié)點,那么用哪一個節(jié)點來代替呢?
我們知道二叉搜索樹中的節(jié)點是按照關鍵字來進行排列的,某個節(jié)點的關鍵字次高節(jié)點是它的中序遍歷后繼節(jié)點。
用后繼節(jié)點來代替刪除的節(jié)點,顯然該二叉搜索樹還是有序的。

那么如何找到刪除節(jié)點的中序后繼節(jié)點呢?

其實我們稍微分析,這實際上就是要找比刪除節(jié)點關鍵值大的節(jié)點集合中,最小的那一個節(jié)點,只有這樣代替刪除節(jié)點后才能滿足二叉搜索樹的特性。
后繼節(jié)點也就是:比刪除節(jié)點大的最小節(jié)點。
④、刪除有必要嗎?
通過上面的刪除分類討論,我們發(fā)現(xiàn)刪除其實是挺復雜的,那么其實我們可以不用真正的刪除該節(jié)點,只需要在Node類中增加一個標識字段isDelete,
當該字段為true時,表示該節(jié)點已經刪除,反之則沒有刪除。這樣刪除節(jié)點就不會改變樹的結構了。
影響就是查詢時需要判斷一下節(jié)點是否已被刪除。
二叉搜索樹-時間復雜度分析:
1.回顧經典-二分查找算法
[1,2,3,4,5,6,7,8,9。。。。。。。100]
暴力算法:運氣好時 性能不錯,運氣不好時 性能暴跌…
二分查找算法:數(shù)據源必須是有序數(shù)組,性能非常不錯,每次迭代查詢可以排除掉一半的結果。
@Test
public void test03() {
int[] arr = new int[]{1,2,3,4,5,6,7,8,9,10};
System.out.println(binarySearch(arr,3));
}
/*
* 二分查找
* @param: arr
* @param: data
* @return: int
* @create: 2020/11/6 13:29
* @author: csp1999
*/
public static int binarySearch(int[] arr, int data) {
int low = 0;
int height = arr.length - 1;
while (low <= height) {
int mid = low + (height - low) / 2;
if (arr[mid] < data) {
low = mid + 1;
} else if (arr[mid] == data) {
return mid;
} else {
height = mid - 1;
}
}
return -1;
}
2.二分查找算法最大的缺陷是什么?
強制依賴 有序數(shù)組,性能才能不錯。
3.數(shù)組有什么缺陷?
沒有辦法快速插入,也沒有辦法擴容
4.那怎么才能擁有二分查找的高性能又能擁有鏈表一樣的靈活性?
二叉搜索樹??!
5.二分查找算法時間復雜度推算過程
| 第幾次查詢 | 剩余待查詢元素數(shù)量 |
| 1 | N/2 |
| 2 | N/(2^2) |
| 3 | N/(2^3) |
| k | N/(2^K) |
從上表可以看出N/(2K)**肯定是大于等于1,也就是**N/(2K)>=1,我們計算時間復雜度是按照最壞的情況進行計算,
也就是是查到剩余最后一個數(shù)才查到我們想要的數(shù)據,也就是
N/(2^K)=1 => 2^K = N => K = log2 (N) => 二分查找算法時間復雜度:O(log2(N)) => O(logN)
普通二叉搜索樹致命缺陷:

這顆二叉樹查詢效率咋樣呢?
O(N)
怎么解決 二叉搜索樹 退化成線性鏈表的問題?
如果插入元素時,樹可以自動調整兩邊平衡,會保持不錯的查找性能。
AVL樹簡介:
AVL樹有什么特點?
1、具有二叉查找樹的全部特性。
2、每個節(jié)點的左子樹和右子樹的高度差至多等于1。

平衡樹基于這種特點就可以保證不會出現(xiàn)大量節(jié)點偏向于一邊的情況了!(插入或者刪除時,會發(fā)生左旋、右旋操作,使這棵樹再次左右保持一定的平衡)
如何構建AVL樹?(再講就跑題了…不是本期教程的內容,感興趣的同學自行百度吧)
為什么有了平衡樹還需要紅黑樹?
雖然平衡樹解決了二叉查找樹退化為近似鏈表的缺點,能夠把查找時間控制在 O(logn),不過卻不是最佳的,
因為平衡樹要求每個節(jié)點的左子樹和右子樹的高度差至多等于1,這個要求實在是太嚴了,導致每次進行插入/刪除節(jié)點的時候,
幾乎都會破壞平衡樹的第二個規(guī)則,進而我們都需要通過左旋和右旋來進行調整,使之再次成為一顆符合要求的平衡樹。
顯然,如果在那種插入、刪除很頻繁的場景中,平衡樹需要頻繁著進行調整,這會使平衡樹的性能大打折扣,為了解決這個問題,于是有了紅黑樹!?。?/p>
2.紅黑樹原理講解
|—紅黑樹的性質
|—紅黑樹有幾種變化策略?(為滿足紅黑樹性質)
|—改變顏色
|—左旋
|—右旋
|—紅黑樹的查找
|—紅黑樹的插入
|—情景1:紅黑樹為空樹
|—情景2:插入節(jié)點的key已經存在
|—情景3:插入節(jié)點的父節(jié)點為黑色
|—情景4:插入節(jié)點的父節(jié)點為紅色
|—情景4.1:叔叔節(jié)點存在,并且為紅色(父-叔 雙紅)
|—情景4.2:叔叔節(jié)點不存在,或者為黑色,父節(jié)點為爺爺節(jié)點的左子樹
|—情景4.2.1:插入節(jié)點為其父節(jié)點的左子節(jié)點(LL情況)
|—情景4.2.2:插入節(jié)點為其父節(jié)點的右子節(jié)點(LR情況)
|—情景4.3:叔叔節(jié)點不存在,或者為黑色,父節(jié)點為爺爺節(jié)點的右子樹
|—情景4.3.1:插入節(jié)點為其父節(jié)點的右子節(jié)點(RR情況)
|—情景4.3.2:插入節(jié)點為其父節(jié)點的左子節(jié)點(RL情況)
|—紅黑樹插入案例分析
2.1 紅黑樹的性質:
| 紅黑樹的性質 |
|---|
| 性質1:每個節(jié)點要么是黑色,要么是紅色。 |
| 性質2:根節(jié)點是黑色。 |
| 性質3:每個葉子節(jié)點(NIL)是黑色。 |
| 性質4:每個紅色節(jié)點的兩個子節(jié)點一定都是黑色。不能有兩個紅色節(jié)點相連。 |
| 性質5:任意一節(jié)點到每個葉子節(jié)點的路徑都包含數(shù)量相同的黑結點。俗稱:黑高! |
紅黑樹實例圖:

紅黑樹并不是一個完美平衡二叉查找樹,從圖上可以看到,根結點P的左子樹顯然比右子樹高,
但左子樹和右子樹的黑結點的層數(shù)是相等的,也就是說,任意一個結點到到每個葉子結點的路徑都包含數(shù)量相同的黑結點(性質5)。
所以我們叫紅黑樹這種平衡為黑色完美平衡。
紅黑樹的性質講完了,只要這棵樹滿足以上性質,這棵樹就是趨近與平衡狀態(tài)的,
不要問為什么,發(fā)明紅黑樹的科學家就是這么牛逼!
前面講到紅黑樹能自平衡,它靠的是什么?三種操作:左旋、右旋和變色。
**1.變色:**結點的顏色由紅變黑或由黑變紅。
**2.左旋:**以某個結點作為支點(旋轉結點),其右子結點變?yōu)樾D結點的父結點,右子結點的左子結點變?yōu)樾D結點的右子結點,左子結點保持不變。
**3.右旋:**以某個結點作為支點(旋轉結點),其左子結點變?yōu)樾D結點的父結點,左子結點的右子結點變?yōu)樾D結點的左子結點,右子結點保持不變
左旋圖示:

右旋圖示:

紅黑樹查找:

紅黑樹插入:
插入操作包括兩部分工作:
1.查找插入的位置
2.插入后自平衡
注意:插入節(jié)點,必須為紅色**,**理由很簡單,紅色在父節(jié)點(如果存在)為黑色節(jié)點時,紅黑樹的黑色平衡沒被破壞,不需要做自平衡操作。
但如果插入結點是黑色,那么插入位置所在的子樹黑色結點總是多1,必須做自平衡。
在開始每個情景的講解前,我們還是先來約定下:

紅黑樹插入節(jié)點情景分析
情景1:紅黑樹為空樹
最簡單的一種情景,直接把插入結點作為根結點就行
注意:根據紅黑樹性質2:根節(jié)點是黑色。還需要把插入結點設為黑色。
情景2:插入結點的Key已存在
處理:更新當前節(jié)點的值,為插入節(jié)點的值

情景3:插入結點的父結點為黑結點
由于插入的結點是紅色的,當插入結點的黑色時,并不會影響紅黑樹的平衡,直接插入即可,無需做自平衡。

情景4:插入節(jié)點的父節(jié)點為紅色
再次回想下紅黑樹的性質2:根結點是黑色。如果插入節(jié)點的父結點為紅結點,那么該父結點不可能為根結點,所以插入結點總是存在祖父結點。
這一點很關鍵,因為后續(xù)的旋轉操作肯定需要祖父結點的參與。

插入情景4.1:叔叔結點存在并且為紅結點
依據紅黑樹性質4可知,紅色節(jié)點不能相連 ==> 祖父結點肯定為黑結點;
因為不可以同時存在兩個相連的紅結點。那么此時該插入子樹的紅黑層數(shù)的情況是:黑紅紅。顯然最簡單的處理方式是把其改為:紅黑紅
處理:
1.將P和U節(jié)點改為黑色
2.將PP改為紅色
3.將PP設置為當前節(jié)點,進行后續(xù)處理

可以看到,我們把PP結點設為紅色了,如果PP的父結點是黑色,那么無需再做任何處理;
但如果PP的父結點是紅色,則違反紅黑樹性質了。所以需要將PP設置為當前節(jié)點,繼續(xù)做插入操作自平衡處理,直到平衡為止。
插入情景4.2:叔叔結點不存在或為黑結點,并且插入結點的父親結點是祖父結點的左子結點
注意:單純從插入前來看,叔叔節(jié)點非紅即空(NIL節(jié)點),否則的話破壞了紅黑樹性質5,此路徑會比其它路徑多一個黑色節(jié)點。

插入情景4.2.1:新插入節(jié)點,為其父節(jié)點的左子節(jié)點(LL紅色情況)

處理:
1.變顏色:將P設置為黑色,將PP設置為紅色
2.對PP節(jié)點進行右旋

插入情景4.2.2:新插入節(jié)點,為其父節(jié)點的右子節(jié)點(LR紅色情況)

處理:
1.對P進行左旋
2.將P設置為當前節(jié)點,得到LL紅色情況
3.按照LL紅色情況處理(1.變顏色 2.右旋PP)

**插入情景4.3:**叔叔結點不存在或為黑結點,并且插入結點的父親結點是祖父結點的右子結點
該情景對應情景4.2,只是方向反轉,直接看圖。

插入情景4.3.1:新插入節(jié)點,為其父節(jié)點的右子節(jié)點(RR紅色情況)

處理:
1.變顏色:將P設置為黑色,將PP設置為紅色
2.對PP節(jié)點進行左旋

插入情景4.3.2:新插入節(jié)點,為其父節(jié)點的左子節(jié)點(RL紅色情況)

處理:
1.對P進行右旋
2.將P設置為當前節(jié)點,得到RR紅色情況
3.按照RR紅色情況處理(1.變顏色 2.左旋PP)

2.2 紅黑樹案例分析

3.手寫紅黑樹
①創(chuàng)建RBTree,定義顏色
②創(chuàng)建RBNode
③輔助方法定義:parentOf(node),isRed(node),setRed(node),setBlack(node),inOrderPrint()
④左旋方法定義:leftRotate(node)
⑤右旋方法定義:rightRotate(node)
⑥公開插入接口方法定義:insert(K key, V value);
⑦內部插入接口方法定義:insert(RBNode node);
⑧修正插入導致紅黑樹失衡的方法定義:insertFIxUp(RBNode node);
⑨測試紅黑樹正確性
代碼案例:
RBTree.java
package com.haust.map;
/**
* @Auther: csp1999
* @Date: 2020/11/06/18:00
* @Description: ①創(chuàng)建RBTree,定義顏色
* <p>
* ②創(chuàng)建RBNode
* <p>
* ③輔助方法定義:parentOf(node),isRed(node),setRed(node),setBlack(node),inOrderPrint()
* <p>
* ④左旋方法定義:leftRotate(node)
* <p>
* ⑤右旋方法定義:rightRotate(node)
* <p>
* ⑥公開插入接口方法定義:insert(K key, V value);
* <p>
* ⑦內部插入接口方法定義:insert(RBNode node);
* <p>
* ⑧修正插入導致紅黑樹失衡的方法定義:insertFIxUp(RBNode node);
* <p>
* ⑨測試紅黑樹正確性
*/
public class RBTree<K extends Comparable<K>, V> {
private static final boolean RED = true;// 紅
private static final boolean BLACK = false;// 黑
/**
* 樹根的引用
**/
private RBNode root;
public RBNode getRoot() {
return root;
}
/**
* 獲取當前節(jié)點的父節(jié)點
*
* @param node
* @return
*/
private RBNode parentOf(RBNode node) {
if (node != null) {
return node.parent;
}
return null;
}
/**
* 節(jié)點是否為紅色
*
* @param node
* @return
*/
private boolean isRed(RBNode node) {
if (node != null) {
return node.color == RED;
}
return false;
}
/**
* 節(jié)點是否為黑色
*
* @param node
* @return
*/
private boolean isBlack(RBNode node) {
if (node != null) {
return node.color == BLACK;
}
return false;
}
/**
* 設置節(jié)點為紅色
*
* @param node
*/
private void setRed(RBNode node) {
if (node != null) {
node.color = RED;
}
}
/**
* 設置節(jié)點為黑色
*
* @param node
*/
private void setBlack(RBNode node) {
if (node != null) {
node.color = BLACK;
}
}
/**
* 中序打印二叉樹
*/
public void inOrderPrint() {
inOrderPrint(this.root);
}
private void inOrderPrint(RBNode node) {
if (node != null) {
inOrderPrint(node.left);
System.out.println("key:" + node.key + ",value:" + node.value);
inOrderPrint(node.right);
}
}
/**
* 左旋方法
* 左旋示意圖:左旋x節(jié)點
* p p
* | |
* x y
* / \ ----> / \
* lx y x ry
* / \ / \
* ly ry lx ly
*
* 左旋做了幾件事?
* 1.將x的右子節(jié)點指向y的左子節(jié)點(ly),并且把y的左子節(jié)點更新為x
* 2.當x的父節(jié)點(不為空時),更新y的父節(jié)點為x的父節(jié)點,并將x的父節(jié)點 指定 子樹(當前x的子樹位置) 指定為y
* 3.將x的父節(jié)點更新為y,將y的左子節(jié)點更新為x
*/
private void leftRotate(RBNode x) {
RBNode y = x.right;// 獲得y
// 1.將x的右子節(jié)點指向y的左子節(jié)點(ly),并且把y的左子節(jié)點更新為x
x.right = y.left;
if (y.left != null) {
y.left.parent = x;
}
// 2.當x的父節(jié)點(不為空時),更新y的父節(jié)點為x的父節(jié)點,并將x的父節(jié)點 指定 子樹(當前x的子樹位置) 指定為y
if (x.parent != null) {
y.parent = x.parent;
if (x == x.parent.left) {// 如果x是其父節(jié)點的左子節(jié)點,則將y放在x父節(jié)點的左邊
x.parent.left = y;
} else {
x.parent.right = y;// 如果x是其父節(jié)點的右子節(jié)點,則將y放在x父節(jié)點的右邊
}
} else {// 說明x為根節(jié)點,此時需要更新y為根節(jié)點 的引用
this.root = y;
this.root.parent = null;// 根節(jié)點無父節(jié)點
}
// 3.將x的父節(jié)點更新為y,將y的左子節(jié)點更新為x
x.parent = y;
y.left = x;
}
/**
* 右旋方法
* 右旋示意圖:右旋y節(jié)點
*
* p p
* | |
* y x
* / \ ----> / \
* x ry lx y
* / \ / \
* lx ly ly ry
*
* 右旋都做了幾件事?
* 1.將y的左子節(jié)點指向x的右子節(jié)點,并且更新x的右子節(jié)點的父節(jié)點為y
* 2.當y的父節(jié)點不為空時,更新x的父節(jié)點為y的父節(jié)點,更新y的父節(jié)點的指定子節(jié)點(y當前位置) 為x
* 3.更新y 的父節(jié)點為x ,更新x 的右子節(jié)點為y
*/
private void rightRotate(RBNode y) {
RBNode x = y.left;// 獲得 x
// 1.將x的右子節(jié)點 賦值 給了 y 的左子節(jié)點,并且更新x的右子節(jié)點的父節(jié)點為 y
y.left = x.right;
if(x.right != null) {
x.right.parent = y;
}
// 2.將y的父節(jié)點p(非空時)賦值給x的父節(jié)點,同時更新p的子節(jié)點為x(左或右)
if(y.parent != null) {
x.parent = y.parent;
if(y.parent.left == y) {// 如果y是其父節(jié)點的左子節(jié)點,則將x放在y父節(jié)點的左邊
y.parent.left = x;
} else {// 如果y是其父節(jié)點的右子節(jié)點,則將x放在y父節(jié)點的右邊
y.parent.right = x;
}
} else {// 說明y為根節(jié)點,此時需要更新x為根節(jié)點 的引用
this.root = x;
this.root.parent = null;// 根節(jié)點無父節(jié)點
}
// 3.將x的右子節(jié)點賦值為y,將y的父節(jié)點設置為x
x.right = y;
y.parent = x;
}
/**
* public插入方法
*
* @param key
* @param value
*/
public void insert(K key, V value) {
RBNode node = new RBNode<>();
node.setKey(key);
node.setValue(value);
// 新節(jié)點 一定要是紅色!
node.setColor(RED);
insert(node);
}
private void insert(RBNode node) {
// 第一步:查找當前要插入節(jié)點node的父節(jié)點
RBNode parent = null;// 聲明要插入節(jié)點node的父節(jié)點
RBNode x = this.root;
while (x != null) {
parent = x;
/**
* cmp > 0 說明node.key 大于 x.key 需要到x 的右子樹查找
* cmp == 0 說明node.key 等于 x.key 需要進行替換操作
* cmp < 0 說明node.key 小于 x.key 需要到x 的左子樹查找
*/
int cmp = node.key.compareTo(x.key);
if (cmp > 0) {
x = x.right;
} else if (cmp == 0) {
x.setValue(node.getValue());
return;// 修改完后 就不再繼續(xù)往下面的代碼執(zhí)行了
} else {
x = x.left;
}
}
/**
* 退出上面的while循環(huán)后,到這里,說明樹中沒有相同key 的元素
*
* 需要添加新元素node到 x(parent) 目前位置的左子樹/右子樹
*/
node.parent = parent;
if (parent != null) {
// 判斷node與parent 的key 誰大
int cmp = node.key.compareTo(parent.key);
if (cmp > 0) {// 當前node的key比parent 的key大,需要把node放入parent 的右子節(jié)點
parent.right = node;
} else {// 當前node的key比parent 的key小,需要把node放入parent 的左子節(jié)點
parent.left = node;
}
} else {// parent == null; 說明為空樹
this.root = node;// 直接給樹根賦值為node
}
// 新元素node 加入樹中之后,要調用修復紅黑樹平衡的方法
insertFixUp(node);
}
/**
* 插入后修復紅黑樹平衡的方法
* |---情景1:如果紅黑樹為空樹,需要將根節(jié)點染為黑色
* |---情景2:如果插入節(jié)點的key已經存在,(這種情況不需要處理,因為修改樹中的值不會觸發(fā)紅黑樹修復平衡方法)
* |---情景3:如果插入節(jié)點的父節(jié)點為黑色,這種情況不需要處理,(參考紅黑樹的性質4和性指5去理解)
* (因為所插入的路徑中,黑色節(jié)點數(shù)沒發(fā)生變化,所以紅黑樹依然平衡)
* <p>
* 情景4 需要去處理的情景
* |---情景4:插入節(jié)點的父節(jié)點為紅色,(違反紅黑樹性質4,不能有兩個紅色節(jié)點相連)
* |---情景4.1:叔叔節(jié)點存在,并且為紅色(父-叔 雙紅)
* 處理:將爸爸和叔叔染成黑色,將爺爺染成紅色,并且再以爺爺節(jié)點為當前節(jié)點,進行下一輪處理
* |---情景4.2:叔叔節(jié)點不存在,或者為黑色,父節(jié)點為爺爺節(jié)點的左子樹
* 處理:
* |---情景4.2.1:插入節(jié)點為其父節(jié)點的左子節(jié)點(LL情況)
* 處理:將父節(jié)點染為黑色,將爺爺染為紅色,然后以爺爺節(jié)點右旋即可
* |---情景4.2.2:插入節(jié)點為其父節(jié)點的右子節(jié)點(LR情況)
* 處理:將父節(jié)點進行一次左旋,得到LL雙紅情景(4.2.1),然后指定父節(jié)點為當前節(jié)點進行下一輪處理
* |---情景4.3:叔叔節(jié)點不存在,或者為黑色,父節(jié)點為爺爺節(jié)點的右子樹
* |---情景4.3.1:插入節(jié)點為其父節(jié)點的右子節(jié)點(RR情況)
* 處理:將父節(jié)點染為黑色,將爺爺節(jié)點染為紅色,然后以爺爺節(jié)點左旋即可
* |---情景4.3.2:插入節(jié)點為其父節(jié)點的左子節(jié)點(RL情況)
* 處理:以父節(jié)點進行一次右旋,得到RR雙紅情景(4.3.1),然后指定父節(jié)點為當前節(jié)點進行下一輪處理
*/
private void insertFixUp(RBNode node) {
RBNode parent = parentOf(node);// 當前節(jié)點的父節(jié)點
RBNode gparent = parentOf(parent);// 當前節(jié)點的爺爺節(jié)點
// 存在父節(jié)點且父節(jié)點為紅色
if (parent != null && isRed(parent)) {
// 父節(jié)點是紅色的,那么一定存在爺爺節(jié)點(性質2:根節(jié)點只能是黑色)
// 父節(jié)點為爺爺節(jié)點的左子樹
if (parent == gparent.left) {
RBNode uncle = gparent.right;
// 情景4.1:叔叔節(jié)點存在,并且為紅色(父-叔 雙紅)
// 將父和叔染色為黑色,再將爺爺染紅,并將爺爺設置為當前節(jié)點,進入下一次循環(huán)判斷
if (uncle != null && isRed(uncle)) {
setBlack(parent);
setBlack(uncle);
setRed(gparent);
insertFixUp(gparent);
return;
}
// 情景4.2:叔叔節(jié)點不存在,或者為黑色,父節(jié)點為爺爺節(jié)點的左子樹
if (uncle == null || isBlack(uncle)) {
/**
* 情景4.2.1:插入節(jié)點為其父節(jié)點的左子節(jié)點(LL情況)
* 處理:將父節(jié)點染為黑色,將爺爺染為紅色,然后以爺爺節(jié)點右旋即可
*/
// 插入節(jié)點為其父節(jié)點的左子節(jié)點(LL情況)=>
// 變色(父節(jié)點變黑,爺爺節(jié)點變紅),右旋爺爺節(jié)點
if (node == parent.left) {
setBlack(parent);
setRed(gparent);
rightRotate(gparent);// 以gparent 右旋
}
/**
* 情景4.2.2:插入節(jié)點為其父節(jié)點的右子節(jié)點(LR情況)
* 處理:將父節(jié)點進行一次左旋,得到LL雙紅情景(4.2.1),然后指定父節(jié)點為當前節(jié)點進行下一輪處理
*/
// 插入節(jié)點為其父節(jié)點的右子節(jié)點(LR情況)=>
// 左旋(父節(jié)點),當前節(jié)點設置為父節(jié)點,進入下一次循環(huán)
if (node == parent.right) {
leftRotate(parent);// parent 左旋
insertFixUp(parent);// 進行下一輪處理
return;
}
}
} else {// 父節(jié)點為爺爺節(jié)點的右子樹
RBNode uncle = gparent.left;
// 情景4.1:叔叔節(jié)點存在,并且為紅色(父-叔 雙紅)
// 將父和叔染色為黑色,再將爺爺染紅,并將爺爺設置為當前節(jié)點,進入下一次循環(huán)判斷
if (uncle != null && isRed(uncle)) {
setBlack(parent);
setBlack(uncle);
setRed(gparent);
insertFixUp(gparent);// 進行下一輪處理
return;
}
// 情景4.3:叔叔節(jié)點不存在,或者為黑色,父節(jié)點為爺爺節(jié)點的右子樹
if (uncle == null || isBlack(uncle)) {
/**
* 情景4.3.1:插入節(jié)點為其父節(jié)點的右子節(jié)點(RR情況)
* 處理:將父節(jié)點染為黑色,將爺爺節(jié)點染為紅色,然后以爺爺節(jié)點左旋即可
*/
// 插入節(jié)點為其父節(jié)點的右子節(jié)點(RR情況)=>
// 變色(父節(jié)點變黑,爺爺節(jié)點變紅),右旋爺爺節(jié)點
if (node == parent.right) {
setBlack(parent);
setRed(gparent);
leftRotate(gparent);
}
/**
* 情景4.3.2:插入節(jié)點為其父節(jié)點的左子節(jié)點(RL情況)
* 處理:以父節(jié)點進行一次右旋,得到RR雙紅情景(4.3.1),然后指定父節(jié)點為當前節(jié)點進行下一輪處理
*/
// 插入節(jié)點為其父節(jié)點的左子節(jié)點(RL情況)
// 右旋(父節(jié)點)得到RR情況,當前節(jié)點設置為父節(jié)點,進入下一次循環(huán)
if (node == parent.left) {
rightRotate(parent);
insertFixUp(parent);
return;
}
}
}
}
setBlack(this.root);
}
// 靜態(tài)內部類
static class RBNode<K extends Comparable<K>, V> {
private RBNode parent;// 父節(jié)點
private RBNode left;// 左子樹
private RBNode right;// 右子樹
private boolean color;// 顏色
private K key;// 鍵
private V value;// 值
public RBNode(RBNode parent, RBNode left, RBNode right, boolean color, K key, V value) {
this.parent = parent;
this.left = left;
this.right = right;
this.color = color;
this.key = key;
this.value = value;
}
public RBNode() {
}
public RBNode getParent() {
return parent;
}
public void setParent(RBNode parent) {
this.parent = parent;
}
public RBNode getLeft() {
return left;
}
public void setLeft(RBNode left) {
this.left = left;
}
public RBNode getRight() {
return right;
}
public void setRight(RBNode right) {
this.right = right;
}
public boolean isColor() {
return color;
}
public void setColor(boolean color) {
this.color = color;
}
public K getKey() {
return key;
}
public void setKey(K key) {
this.key = key;
}
public V getValue() {
return value;
}
public void setValue(V value) {
this.value = value;
}
}
}
代碼測試:
這里在網上找的一個打印紅黑樹的工具類:
TreeOperation.java
package com.haust.map;
/**
* @Auther: csp1999
* @Date: 2020/11/09/15:10
* @Description: 打印紅黑樹的工具類
*/
public class TreeOperation {
/*
樹的結構示例:
1
/ \
2 3
/ \ / \
4 5 6 7
*/
// 用于獲得樹的層數(shù)
public static int getTreeDepth(RBTree.RBNode root) {
return root == null ? 0 : (1 + Math.max(getTreeDepth(root.getLeft()), getTreeDepth(root.getRight())));
}
private static void writeArray(RBTree.RBNode currNode, int rowIndex, int columnIndex, String[][] res, int treeDepth) {
// 保證輸入的樹不為空
if (currNode == null) return;
// 先將當前節(jié)點保存到二維數(shù)組中
res[rowIndex][columnIndex] = String.valueOf(currNode.getKey() /*+ "-" + (currNode.isColor() ? "R" : "B") + ""*/);
// 計算當前位于樹的第幾層
int currLevel = ((rowIndex + 1) / 2);
// 若到了最后一層,則返回
if (currLevel == treeDepth) return;
// 計算當前行到下一行,每個元素之間的間隔(下一行的列索引與當前元素的列索引之間的間隔)
int gap = treeDepth - currLevel - 1;
// 對左兒子進行判斷,若有左兒子,則記錄相應的"/"與左兒子的值
if (currNode.getLeft() != null) {
res[rowIndex + 1][columnIndex - gap] = "/";
writeArray(currNode.getLeft(), rowIndex + 2, columnIndex - gap * 2, res, treeDepth);
}
// 對右兒子進行判斷,若有右兒子,則記錄相應的"\"與右兒子的值
if (currNode.getRight() != null) {
res[rowIndex + 1][columnIndex + gap] = "\\";
writeArray(currNode.getRight(), rowIndex + 2, columnIndex + gap * 2, res, treeDepth);
}
}
public static void show(RBTree.RBNode root) {
if (root == null) System.out.println("EMPTY!");
// 得到樹的深度
int treeDepth = getTreeDepth(root);
// 最后一行的寬度為2的(n - 1)次方乘3,再加1
// 作為整個二維數(shù)組的寬度
int arrayHeight = treeDepth * 2 - 1;
int arrayWidth = (2 << (treeDepth - 2)) * 3 + 1;
// 用一個字符串數(shù)組來存儲每個位置應顯示的元素
String[][] res = new String[arrayHeight][arrayWidth];
// 對數(shù)組進行初始化,默認為一個空格
for (int i = 0; i < arrayHeight; i++) {
for (int j = 0; j < arrayWidth; j++) {
res[i][j] = " ";
}
}
// 從根節(jié)點開始,遞歸處理整個樹
// res[0][(arrayWidth + 1)/ 2] = (char)(root.val + '0');
writeArray(root, 0, arrayWidth / 2, res, treeDepth);
// 此時,已經將所有需要顯示的元素儲存到了二維數(shù)組中,將其拼接并打印即可
for (String[] line : res) {
StringBuilder sb = new StringBuilder();
for (int i = 0; i < line.length; i++) {
sb.append(line[i]);
if (line[i].length() > 1 && i <= line.length - 1) {
i += line[i].length() > 4 ? 2 : line[i].length() - 1;
}
}
System.out.println(sb.toString());
}
}
}
測試:
package com.haust.map;
import java.util.Scanner;
/**
* @Auther: csp1999
* @Date: 2020/11/09/15:08
* @Description: RBTree紅黑樹 測試
*/
public class RBTreeTest {
public static void main(String[] args) {
RBTree<String, Object> rbtree = new RBTree();
//測試輸入:ijkgefhdabc
while(true) {
Scanner sc = new Scanner(System.in);
System.out.println("請輸入key:");
String key = sc.next();
rbtree.insert(key, null);
TreeOperation.show(rbtree.getRoot());
}
}
}
測試依次輸入:**i j k g e f h d a b c **
為什么輸入字符而不是數(shù)字呢?
因為為了方便起見,RBTree比對節(jié)點大小時 直接使用的是 node.key.compareTo(parent.key);這個其實是按照字符串比對的! 所以,大家盡量使用 a,b,c,d,e,f,g,h,i…這種風格去測試!
請輸入key:
i
i-B
請輸入key:
j
i-B
\
j-R
請輸入key:
k
j-B
/ \
i-R k-R
請輸入key:
g
j-B
/ \
i-B k-B
/
g-R
請輸入key:
e
j-B
/ \
g-B k-B
/ \
e-R i-R
請輸入key:
f
j-B
/ \
g-R k-B
/ \
e-B i-B
\
f-R
請輸入key:
h
j-B
/ \
g-R k-B
/ \
e-B i-B
\ /
f-R h-R
請輸入key:
d
j-B
/ \
g-R k-B
/ \
e-B i-B
/ \ /
d-R f-R h-R
請輸入key:
a
g-B
/ \
e-R j-R
/ \ / \
d-B f-B i-B k-B
/ /
a-R h-R
請輸入key:
b
g-B
/ \
e-R j-R
/ \ / \
b-B f-B i-B k-B
/ \ /
a-R d-R h-R
請輸入key:
c
g-B
/ \
e-B j-B
/ \ / \
b-R f-B i-B k-B
/ \ /
a-B d-B h-R
/
c-R
手寫紅黑樹完畢!下面我們去看一下HashMap底層的紅黑樹相關操作!
4. HashMap底層的紅黑樹
由上面的紅黑樹介紹,我們知道了紅黑樹具有以下5種性質:
紅黑樹的性質性質
| 紅黑樹的性質 |
| 性質1:每個節(jié)點要么是黑色,要么是紅色。 |
| 性質2:根節(jié)點是黑色。 |
| 性質3:每個葉子節(jié)點(NIL)是黑色。 |
| 性質4:每個紅色節(jié)點的兩個子節(jié)點一定都是黑色。不能有兩個紅色節(jié)點相連。 |
| 性質5:任意一節(jié)點到每個葉子節(jié)點的路徑都包含數(shù)量相同的黑結點。俗稱:黑高! |
紅黑樹的時間復雜度為O(log n),與樹的高度成正比。
紅黑樹每次的插入、刪除操作都需要做平衡,平衡時有可能會改變根節(jié)點的位置,顏色轉換,左旋,右旋等。
結合之前自定義的紅黑樹RBTree 我們來看一下HashMap底層真正的紅黑樹TreeNode:
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent;// 父節(jié)點
TreeNode<K,V> left;// 左子樹
TreeNode<K,V> right;// 右子樹
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;// 顏色
/**
* 有參構造函數(shù)
*/
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
/**
* 獲取紅黑樹的根節(jié)點
*/
final TreeNode<K,V> root() {
for (TreeNode<K,V> r = this, p;;) {
if ((p = r.parent) == null)
return r;
r = p;
}
}
/**
* 確保給定的根root是樹的第一個節(jié)點
*/
static <K,V> void moveRootToFront(Node<K,V>[] tab, TreeNode<K,V> root) {
...
}
/**
* 調用find方法查找.
*/
final TreeNode<K, V> getTreeNode(int h, Object k) {
// 從樹的根節(jié)點開始查找
return ((parent != null) ? root() : this).find(h, k, null);
}
/**
* 從根節(jié)點出發(fā)查找具有給定哈希值和鍵的節(jié)點.從根節(jié)點出發(fā)
* 查找當前要插入節(jié)點node的父節(jié)點
*
* 經典二叉查找樹的查找過程,先根據hash值比較,再根據key值比較決定是查左子樹還是右子樹。
*/
final TreeNode<K, V> find(int h, Object k, Class<?> kc) {
TreeNode<K, V> p = this;
do {
int ph, dir;
K pk;
TreeNode<K, V> pl = p.left, pr = p.right, q;
if ((ph = p.hash) > h)
// 左子樹
p = pl;
else if (ph < h)
// 右子樹
p = pr;
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
// 找到了直接返回
return p;
else if (pl == null)
// hash相同但key不同,左子樹為空查右子樹
p = pr;
else if (pr == null)
// 右子樹為空查左子樹
p = pl;
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
// 通過compare方法比較key值的大小決定使用左子樹還是右子樹
p = (dir < 0) ? pl : pr;
else if ((q = pr.find(h, k, kc)) != null)
// 如果以上條件都不通過,則嘗試在右子樹查找
return q;
else
// 都沒找到就在左子樹查找
p = pl;
} while (p != null);
return null;
}
/**
* 用于在a 和 b 的hash值相等且不可比較時對插入進行排序
*/
static int tieBreakOrder(Object a, Object b) {
...
}
/**
* 對鏈表進行樹化的方法
*(1)從鏈表的第一個元素開始遍歷;
*(2)將第一個元素作為根節(jié)點;
*(3)其它元素依次插入到紅黑樹中,再做平衡;
*(4)將根節(jié)點移到鏈表第一元素的位置(因為平衡的時候根節(jié)點會改變);
*/
final void treeify(Node<K, V>[] tab) {
TreeNode<K, V> root = null;
for (TreeNode<K, V> x = this, next; x != null; x = next) {
next = (TreeNode<K, V>) x.next;
x.left = x.right = null;
// 第一個元素作為根節(jié)點且為黑節(jié)點,其它元素依次插入到樹中再做平衡
if (root == null) {
x.parent = null;
x.red = false;
root = x;
} else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
// 從根節(jié)點查找元素插入的位置
for (TreeNode<K, V> p = root; ; ) {
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
// 如果最后沒找到元素,則插入
TreeNode<K, V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
// 插入后平衡,默認插入的是紅節(jié)點,在balanceInsertion()方法里
root = balanceInsertion(root, x);
break;
}
}
}
}
// 把根節(jié)點移動到鏈表的頭節(jié)點,因為經過平衡之后原來的第一個元素不一定是根節(jié)點了
moveRootToFront(tab, root);
}
/**
* 對紅黑樹進行反樹化的方法
*/
final Node<K,V> untreeify(HashMap<K,V> map) {
Node<K,V> hd = null, tl = null;
for (Node<K,V> q = this; q != null; q = q.next) {
Node<K,V> p = map.replacementNode(q, null);
if (tl == null)
hd = p;
else
tl.next = p;
tl = p;
}
return hd;
}
/**
* 向樹種插入數(shù)據的方法
*(1)尋找根節(jié)點;
*(2)從根節(jié)點開始查找;
*(3)比較hash值及key值,如果都相同,直接返回,在putVal()方法中決定是否要替換value值;
*(4)根據hash值及key值確定在樹的左子樹還是右子樹查找,找到了直接返回;
*(5)如果最后沒有找到則在樹的相應位置插入元素,并做平衡;
*/
final TreeNode<K, V> putTreeVal(HashMap<K, V> map, Node<K, V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
// 標記是否找到這個key的節(jié)點
boolean searched = false;
// 找到樹的根節(jié)點
TreeNode<K, V> root = (parent != null) ? root() : this;
// 從樹的根節(jié)點開始遍歷
for (TreeNode<K, V> p = root; ; ) {
// dir=direction,標記是在左邊還是右邊
// ph=p.hash,當前節(jié)點的hash值
int dir, ph;
// pk=p.key,當前節(jié)點的key值
K pk;
if ((ph = p.hash) > h) {
// 當前hash比目標hash大,說明在左邊
dir = -1;
}
else if (ph < h)
// 當前hash比目標hash小,說明在右邊
dir = 1;
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
// 兩者hash相同且key相等,說明找到了節(jié)點,直接返回該節(jié)點
// 回到putVal()中判斷是否需要修改其value值
return p;
else if ((kc == null &&
// 如果k是Comparable的子類則返回其真實的類,否則返回null
(kc = comparableClassFor(k)) == null) ||
// 如果k和pk不是同樣的類型則返回0,否則返回兩者比較的結果
(dir = compareComparables(kc, k, pk)) == 0) {
// 這個條件表示兩者hash相同但是其中一個不是Comparable類型或者兩者類型不同
// 比如key是Object類型,這時可以傳String也可以傳Integer,兩者hash值可能相同
// 在紅黑樹中把同樣hash值的元素存儲在同一顆子樹,這里相當于找到了這顆子樹的頂點
// 從這個頂點分別遍歷其左右子樹去尋找有沒有跟待插入的key相同的元素
if (!searched) {
TreeNode<K, V> q, ch;
searched = true;
// 遍歷左右子樹找到了直接返回
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
return q;
}
// 如果兩者類型相同,再根據它們的內存地址計算hash值進行比較
dir = tieBreakOrder(k, pk);
}
TreeNode<K, V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
// 如果最后確實沒找到對應key的元素,則新建一個節(jié)點
Node<K, V> xpn = xp.next;
TreeNode<K, V> x = map.newTreeNode(h, k, v, xpn);
if (dir <= 0)
xp.left = x;
else
xp.right = x;
xp.next = x;
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K, V>) xpn).prev = x;
// 插入樹節(jié)點后平衡
// 把root節(jié)點移動到鏈表的第一個節(jié)點
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}
// remove 調用 removeNode
//public V remove(Object key) {
// Node<K, V> e;
// return (e = removeNode(hash(key), key, null, false, true)) == null ?
// null : e.value;
//}
final Node<K, V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node<K, V>[] tab;
Node<K, V> p;
int n, index;
// 如果桶的數(shù)量大于0且待刪除的元素所在的桶的第一個元素不為空
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
Node<K, V> node = null, e;
K k;
V v;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 如果第一個元素正好就是要找的元素,賦值給node變量后續(xù)刪除使用
node = p;
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
// 如果第一個元素是樹節(jié)點,則以樹的方式查找節(jié)點
node = ((TreeNode<K, V>) p).getTreeNode(hash, key);
else {
// 否則遍歷整個鏈表查找元素
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 如果找到了元素,則看參數(shù)是否需要匹配value值,如果不需要匹配直接刪除,
// 如果需要匹配則看value值是否與傳入的value相等
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
// 如果是樹節(jié)點,調用樹的刪除方法(以node調用的,是刪除自己)
((TreeNode<K, V>) node).removeTreeNode(this, tab, movable);
else if (node == p)
// 如果待刪除的元素是第一個元素,則把第二個元素移到第一的位置
tab[index] = node.next;
else
// 否則刪除node節(jié)點
p.next = node.next;
++modCount;
--size;
// 刪除節(jié)點后置處理
afterNodeRemoval(node);
return node;
}
}
return null;
}
/**
*(1)先查找元素所在的節(jié)點;
*(2)如果找到的節(jié)點是樹節(jié)點,則按樹的移除節(jié)點處理;
*(3)如果找到的節(jié)點是桶中的第一個節(jié)點,則把第二個節(jié)點移到第一的位置;
*(4)否則按鏈表刪除節(jié)點處理;
*(5)修改size,調用移除節(jié)點后置處理等;
*/
final void removeTreeNode(HashMap<K, V> map, Node<K, V>[] tab,
boolean movable) {
int n;
// 如果桶的數(shù)量為0直接返回
if (tab == null || (n = tab.length) == 0)
return;
// 節(jié)點在桶中的索引
int index = (n - 1) & hash;
// 第一個節(jié)點,根節(jié)點,根左子節(jié)點
TreeNode<K, V> first = (TreeNode<K, V>) tab[index], root = first, rl;
// 后繼節(jié)點,前置節(jié)點
TreeNode<K, V> succ = (TreeNode<K, V>) next, pred = prev;
if (pred == null)
// 如果前置節(jié)點為空,說明當前節(jié)點是根節(jié)點,則把后繼節(jié)點賦值到第一個節(jié)點的位置,相當于刪除了當前節(jié)點
tab[index] = first = succ;
else
// 否則把前置節(jié)點的下個節(jié)點設置為當前節(jié)點的后繼節(jié)點,相當于刪除了當前節(jié)點
pred.next = succ;
// 如果后繼節(jié)點不為空,則讓后繼節(jié)點的前置節(jié)點指向當前節(jié)點的前置節(jié)點,相當于刪除了當前節(jié)點
if (succ != null)
succ.prev = pred;
// 如果第一個節(jié)點為空,說明沒有后繼節(jié)點了,直接返回
if (first == null)
return;
// 如果根節(jié)點的父節(jié)點不為空,則重新查找父節(jié)點
if (root.parent != null)
root = root.root();
// 如果根節(jié)點為空,則需要反樹化(將樹轉化為鏈表)
// 如果需要移動節(jié)點且樹的高度比較小,則需要反樹化
if (root == null
|| (movable
&& (root.right == null
|| (rl = root.left) == null
|| rl.left == null))) {
tab[index] = first.untreeify(map); // too small
return;
}
// 分割線,以上都是刪除鏈表中的節(jié)點,下面才是直接刪除紅黑樹的節(jié)點(因為TreeNode本身即是鏈表節(jié)點又是樹節(jié)點)
// 刪除紅黑樹節(jié)點的大致過程是尋找右子樹中最小的節(jié)點放到刪除節(jié)點的位置,然后做平衡,此處不過多注釋
TreeNode<K, V> p = this, pl = left, pr = right, replacement;
if (pl != null && pr != null) {
TreeNode<K, V> s = pr, sl;
while ((sl = s.left) != null) // find successor
s = sl;
boolean c = s.red;
s.red = p.red;
p.red = c; // swap colors
TreeNode<K, V> sr = s.right;
TreeNode<K, V> pp = p.parent;
if (s == pr) { // p was s's direct parent
p.parent = s;
s.right = p;
} else {
TreeNode<K, V> sp = s.parent;
if ((p.parent = sp) != null) {
if (s == sp.left)
sp.left = p;
else
sp.right = p;
}
if ((s.right = pr) != null)
pr.parent = s;
}
p.left = null;
if ((p.right = sr) != null)
sr.parent = p;
if ((s.left = pl) != null)
pl.parent = s;
if ((s.parent = pp) == null)
root = s;
else if (p == pp.left)
pp.left = s;
else
pp.right = s;
if (sr != null)
replacement = sr;
else
replacement = p;
} else if (pl != null)
replacement = pl;
else if (pr != null)
replacement = pr;
else
replacement = p;
if (replacement != p) {
TreeNode<K, V> pp = replacement.parent = p.parent;
if (pp == null)
root = replacement;
else if (p == pp.left)
pp.left = replacement;
else
pp.right = replacement;
p.left = p.right = p.parent = null;
}
TreeNode<K, V> r = p.red ? root : balanceDeletion(root, replacement);
if (replacement == p) { // detach
TreeNode<K, V> pp = p.parent;
p.parent = null;
if (pp != null) {
if (p == pp.left)
pp.left = null;
else if (p == pp.right)
pp.right = null;
}
}
if (movable)
moveRootToFront(tab, r);
}
/**
* Splits nodes in a tree bin into lower and upper tree bins,
* or untreeifies if now too small. Called only from resize;
* see above discussion about split bits and indices.
*
* @param map the map
* @param tab the table for recording bin heads
* @param index the index of the table being split
* @param bit the bit of hash to split on
*/
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
...
}
// 左旋
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root,
TreeNode<K,V> p) {
TreeNode<K,V> r, pp, rl;
if (p != null && (r = p.right) != null) {
if ((rl = p.right = r.left) != null)
rl.parent = p;
if ((pp = r.parent = p.parent) == null)
(root = r).red = false;
else if (pp.left == p)
pp.left = r;
else
pp.right = r;
r.left = p;
p.parent = r;
}
return root;
}
// 右旋
static <K,V> TreeNode<K,V> rotateRight(TreeNode<K,V> root,
TreeNode<K,V> p) {
TreeNode<K,V> l, pp, lr;
if (p != null && (l = p.left) != null) {
if ((lr = p.left = l.right) != null)
lr.parent = p;
if ((pp = l.parent = p.parent) == null)
(root = l).red = false;
else if (pp.right == p)
pp.right = l;
else
pp.left = l;
l.right = p;
p.parent = l;
}
return root;
}
// 修復紅黑樹平衡的方法
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root,
TreeNode<K,V> x) {
x.red = true;
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) {
if ((xp = x.parent) == null) {
x.red = false;
return x;
}
else if (!xp.red || (xpp = xp.parent) == null)
return root;
if (xp == (xppl = xpp.left)) {
if ((xppr = xpp.right) != null && xppr.red) {
xppr.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
else {
if (x == xp.right) {
root = rotateLeft(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateRight(root, xpp);
}
}
}
}
else {
if (xppl != null && xppl.red) {
xppl.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
else {
if (x == xp.left) {
root = rotateRight(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateLeft(root, xpp);
}
}
}
}
}
}
static <K,V> TreeNode<K,V> balanceDeletion(TreeNode<K,V> root,
TreeNode<K,V> x) {
for (TreeNode<K,V> xp, xpl, xpr;;) {
if (x == null || x == root)
return root;
else if ((xp = x.parent) == null) {
x.red = false;
return x;
}
else if (x.red) {
x.red = false;
return root;
}
else if ((xpl = xp.left) == x) {
if ((xpr = xp.right) != null && xpr.red) {
xpr.red = false;
xp.red = true;
root = rotateLeft(root, xp);
xpr = (xp = x.parent) == null ? null : xp.right;
}
if (xpr == null)
x = xp;
else {
TreeNode<K,V> sl = xpr.left, sr = xpr.right;
if ((sr == null || !sr.red) &&
(sl == null || !sl.red)) {
xpr.red = true;
x = xp;
}
else {
if (sr == null || !sr.red) {
if (sl != null)
sl.red = false;
xpr.red = true;
root = rotateRight(root, xpr);
xpr = (xp = x.parent) == null ?
null : xp.right;
}
if (xpr != null) {
xpr.red = (xp == null) ? false : xp.red;
if ((sr = xpr.right) != null)
sr.red = false;
}
if (xp != null) {
xp.red = false;
root = rotateLeft(root, xp);
}
x = root;
}
}
}
else { // symmetric
if (xpl != null && xpl.red) {
xpl.red = false;
xp.red = true;
root = rotateRight(root, xp);
xpl = (xp = x.parent) == null ? null : xp.left;
}
if (xpl == null)
x = xp;
else {
TreeNode<K,V> sl = xpl.left, sr = xpl.right;
if ((sl == null || !sl.red) &&
(sr == null || !sr.red)) {
xpl.red = true;
x = xp;
}
else {
if (sl == null || !sl.red) {
if (sr != null)
sr.red = false;
xpl.red = true;
root = rotateLeft(root, xpl);
xpl = (xp = x.parent) == null ?
null : xp.left;
}
if (xpl != null) {
xpl.red = (xp == null) ? false : xp.red;
if ((sl = xpl.left) != null)
sl.red = false;
}
if (xp != null) {
xp.red = false;
root = rotateRight(root, xp);
}
x = root;
}
}
}
}
}
/**
* Recursive invariant check
*/
static <K,V> boolean checkInvariants(TreeNode<K,V> t) {
TreeNode<K,V> tp = t.parent, tl = t.left, tr = t.right,
tb = t.prev, tn = (TreeNode<K,V>)t.next;
if (tb != null && tb.next != t)
return false;
if (tn != null && tn.prev != t)
return false;
if (tp != null && t != tp.left && t != tp.right)
return false;
if (tl != null && (tl.parent != t || tl.hash > t.hash))
return false;
if (tr != null && (tr.parent != t || tr.hash < t.hash))
return false;
if (t.red && tl != null && tl.red && tr != null && tr.red)
return false;
if (tl != null && !checkInvariants(tl))
return false;
if (tr != null && !checkInvariants(tr))
return false;
return true;
}
}
(1)TreeNode本身既是鏈表節(jié)點也是紅黑樹節(jié)點;
(2)先刪除鏈表節(jié)點;
(3)再刪除紅黑樹節(jié)點并做平衡;
5 將鏈表轉換為紅黑樹 treeifyBin()
結點添加完成之后判斷此時結點個數(shù)是否大于 TREEIFY_THRESHOLD 臨界值 8,如果大于則將鏈表轉換為紅黑樹,轉換紅黑樹的方法 treeifyBin,整體代碼如下:
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st //轉換為紅黑樹 tab表示數(shù)組名 hash表示哈希值 treeifyBin(tab, hash);
treeifyBin 方法如下所示:
/*
替換指定哈希表的索引處桶中的所有鏈接結點,除非表太小,否則將修改大小。
Node<K,V>[] tab = tab 數(shù)組名
int hash = hash表示哈希值
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
/*
如果當前數(shù)組為空或者數(shù)組的長度小于進行樹形化的閾值(MIN_TREEIFY_CAPACITY = 64),
就去擴容。而不是將結點變?yōu)榧t黑樹。
目的:如果數(shù)組很小,那么轉換紅黑樹,然后遍歷效率要低一些。這時進行擴容,
那么重新計算哈希值,鏈表長度有可能就變短了,數(shù)據會放到數(shù)組中,這樣相對來說效率高一些。
*/
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
//擴容方法
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
/*
1)執(zhí)行到這里說明哈希表中的數(shù)組長度大于閾值64,開始進行樹形化
2)e = tab[index = (n - 1) & hash]表示將數(shù)組中的元素取出賦值給e,
e是哈希表中指定位置桶里的鏈表結點,從第一個開始
*/
// hd:紅黑樹的頭結點 tl:紅黑樹的尾結點
TreeNode<K,V> hd = null, tl = null;
do {
// 新創(chuàng)建一個樹的結點,內容和當前鏈表結點e一致
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p; // 將新創(chuàng)鍵的p結點賦值給紅黑樹的頭結點
else {
p.prev = tl; // 將上一個結點p賦值給現(xiàn)在的p的前一個結點
tl.next = p; // 將現(xiàn)在結點p作為樹的尾結點的下一個結點
}
tl = p;
/*
e = e.next 將當前結點的下一個結點賦值給e,如果下一個結點不等于null
則回到上面繼續(xù)取出鏈表中結點轉換為紅黑樹
*/
} while ((e = e.next) != null);
/*
讓桶中的第一個元素即數(shù)組中的元素指向新建的紅黑樹的結點,以后這個桶里的元素就是紅黑樹
而不是鏈表數(shù)據結構了
*/
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
總結:
上述操作一共做了如下幾件事:
- 根據哈希表中元素個數(shù)確定是擴容還是樹形化。
- 如果是樹形化遍歷桶中的元素,創(chuàng)建相同個數(shù)的樹形結點,復制內容,建立起聯(lián)系。
- 然后讓桶中的第一個元素指向新創(chuàng)建的樹根結點,替換桶的鏈表內容為樹形化內容。儲在原來桶的位置,高位鏈表搬移到原來桶的位置加舊容量的位置
希望大家多多關注腳本之家的其他內容!
相關文章
Java SpringMVC 集成靜態(tài)資源的方式你了解嗎
本篇文章主要介紹了SpringMVC集成靜態(tài)資源的方法,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2021-10-10
Spring Boot 2.0 設置網站默認首頁的實現(xiàn)代碼
這篇文章主要介紹了Spring Boot 2.0 設置網站默認首頁的實現(xiàn)代碼,需要的朋友可以參考下2018-04-04
JDK1.8中ConcurrentHashMap中computeIfAbsent死循環(huán)bug問題
這篇文章主要介紹了JDK1.8中ConcurrentHashMap中computeIfAbsent死循環(huán)bug,本文給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2020-08-08
BiConsumer接口中的方法andThen?accept使用詳解
這篇文章主要為大家介紹了BiConsumer接口中的方法andThen?accept使用詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-07-07
SpringBoot開發(fā)案例 分布式集群共享Session詳解
這篇文章主要介紹了SpringBoot開發(fā)案例 分布式集群共享Session詳解,在分布式系統(tǒng)中,為了提升系統(tǒng)性能,通常會對單體項目進行拆分,分解成多個基于功能的微服務,可能還會對單個微服務進行水平擴展,保證服務高可用,需要的朋友可以參考下2019-07-07
SpringBoot創(chuàng)建RSocket服務器的全過程記錄
RSocket應用層協(xié)議支持 Reactive Streams語義, 例如:用RSocket作為HTTP的一種替代方案。這篇文章主要給大家介紹了關于SpringBoot創(chuàng)建RSocket服務器的相關資料,需要的朋友可以參考下2021-05-05
Spring Boot 中嵌入式 Servlet 容器自動配置原理解析
這篇文章主要介紹了Spring Boot 中嵌入式 Servlet 容器自動配置原理解析,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2021-11-11
關于Java中使用jdbc連接數(shù)據庫中文出現(xiàn)亂碼的問題
這篇文章主要介紹了關于Java中使用jdbc連接數(shù)據庫中文出現(xiàn)亂碼的問題,默認的編碼和數(shù)據庫表中的數(shù)據使用的編碼是不一致的,如果是中文,那么在數(shù)據庫中執(zhí)行時已經是亂碼了,需要的朋友可以參考下2023-04-04

