HashMap紅黑樹入門(實現(xiàn)一個簡單的紅黑樹)
1.樹結(jié)構(gòu)入門
1.1 什么是樹?
樹(tree)是一種抽象數(shù)據(jù)類型(ADT),用來模擬具有樹狀結(jié)構(gòu)性質(zhì)的數(shù)據(jù)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(guān)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?qū)ο缶幊讨?,?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(guān)聯(lián)關(guān)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(dāng)中通常表示引用。
1.2 樹結(jié)構(gòu)常用術(shù)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(jīng)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(jié)點的值均小于它的根結(jié)點的值;
若它的右子樹不空,則右子樹上所有結(jié)點的值均大于它的根結(jié)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(dāng)前節(jié)點值大,則搜索右子樹;
②、查找值等于當(dāng)前節(jié)點值,停止搜索(終止條件);
③、查找值小于當(dāng)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(yīng)為空的位置。
二叉搜索樹-遍歷節(jié)點:
遍歷樹是根據(jù)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(jié)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?jīng)]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?jīng)]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(fù)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(fù)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(dāng)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(guān)鍵字來進行排列的,某個節(jié)點的關(guān)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(guān)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(fù)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(biāo)識字段isDelete,
當(dāng)該字段為true時,表示該節(jié)點已經(jīng)刪除,反之則沒有刪除。這樣刪除節(jié)點就不會改變樹的結(jié)構(gòu)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(fù)雜度分析:
1.回顧經(jīng)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(jù)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(jié)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?。?/p>
5.二分查找算法時間復(fù)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(fù)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(jù),也就是
N/(2^K)=1 => 2^K = N => K = log2 (N) => 二分查找算法時間復(fù)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(diào)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?。ú迦牖蛘邉h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(gòu)建AVL樹?(再講就跑題了…不是本期教程的內(nèi)容,感興趣的同學(xué)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(yán)了,導(dǎo)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(diào)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(diào)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?。?!
2.紅黑樹原理講解
|—紅黑樹的性質(zhì)
|—紅黑樹有幾種變化策略?(為滿足紅黑樹性質(zhì))
|—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(jīng)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(zhì):
紅黑樹的性質(zhì) |
---|
性質(zhì)1:每個節(jié)點要么是黑色,要么是紅色。 |
性質(zhì)2:根節(jié)點是黑色。 |
性質(zhì)3:每個葉子節(jié)點(NIL)是黑色。 |
性質(zhì)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(zhì)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(jié)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(jié)點P的左子樹顯然比右子樹高,
但左子樹和右子樹的黑結(jié)點的層數(shù)是相等的,也就是說,任意一個結(jié)點到到每個葉子結(jié)點的路徑都包含數(shù)量相同的黑結(jié)點(性質(zhì)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(zhì)講完了,只要這棵樹滿足以上性質(zhì),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(xué)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(jié)點的顏色由紅變黑或由黑變紅。
**2.左旋:**以某個結(jié)點作為支點(旋轉(zhuǎn)結(jié)點),其右子結(jié)點變?yōu)樾D(zhuǎn)結(jié)點的父結(jié)點,右子結(jié)點的左子結(jié)點變?yōu)樾D(zhuǎn)結(jié)點的右子結(jié)點,左子結(jié)點保持不變。
**3.右旋:**以某個結(jié)點作為支點(旋轉(zhuǎn)結(jié)點),其左子結(jié)點變?yōu)樾D(zhuǎn)結(jié)點的父結(jié)點,左子結(jié)點的右子結(jié)點變?yōu)樾D(zhuǎn)結(jié)點的左子結(jié)點,右子結(jié)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(jié)點是黑色,那么插入位置所在的子樹黑色結(jié)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(jié)點作為根結(jié)點就行
注意:根據(jù)紅黑樹性質(zhì)2:根節(jié)點是黑色。還需要把插入結(jié)點設(shè)為黑色。
情景2:插入結(jié)點的Key已存在
處理:更新當(dāng)前節(jié)點的值,為插入節(jié)點的值
情景3:插入結(jié)點的父結(jié)點為黑結(jié)點
由于插入的結(jié)點是紅色的,當(dāng)插入結(jié)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(zhì)2:根結(jié)點是黑色。如果插入節(jié)點的父結(jié)點為紅結(jié)點,那么該父結(jié)點不可能為根結(jié)點,所以插入結(jié)點總是存在祖父結(jié)點。
這一點很關(guān)鍵,因為后續(xù)的旋轉(zhuǎn)操作肯定需要祖父結(jié)點的參與。
插入情景4.1:叔叔結(jié)點存在并且為紅結(jié)點
依據(jù)紅黑樹性質(zhì)4可知,紅色節(jié)點不能相連 ==> 祖父結(jié)點肯定為黑結(jié)點;
因為不可以同時存在兩個相連的紅結(jié)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(shè)置為當(dāng)前節(jié)點,進行后續(xù)處理
可以看到,我們把PP結(jié)點設(shè)為紅色了,如果PP的父結(jié)點是黑色,那么無需再做任何處理;
但如果PP的父結(jié)點是紅色,則違反紅黑樹性質(zhì)了。所以需要將PP設(shè)置為當(dāng)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(jié)點不存在或為黑結(jié)點,并且插入結(jié)點的父親結(jié)點是祖父結(jié)點的左子結(jié)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(zhì)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(shè)置為黑色,將PP設(shè)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(shè)置為當(dāng)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(jié)點不存在或為黑結(jié)點,并且插入結(jié)點的父親結(jié)點是祖父結(jié)點的右子結(jié)點
該情景對應(yīng)情景4.2,只是方向反轉(zhuǎn),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(shè)置為黑色,將PP設(shè)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(shè)置為當(dāng)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(nèi)部插入接口方法定義:insert(RBNode node);
⑧修正插入導(dǎo)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(nèi)部插入接口方法定義:insert(RBNode node); * <p> * ⑧修正插入導(dǎo)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(dāng)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(shè)置節(jié)點為紅色 * * @param node */ private void setRed(RBNode node) { if (node != null) { node.color = RED; } } /** * 設(shè)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(dāng)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(dāng)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(dāng)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(dāng)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(dāng)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(dāng)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(shè)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(dāng)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(dāng)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(dāng)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(diào)用修復(fù)紅黑樹平衡的方法 insertFixUp(node); } /** * 插入后修復(fù)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(jīng)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(fù)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(zhì)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(zhì)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(dāng)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(dāng)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(dāng)前節(jié)點進行下一輪處理 */ private void insertFixUp(RBNode node) { RBNode parent = parentOf(node);// 當(dāng)前節(jié)點的父節(jié)點 RBNode gparent = parentOf(parent);// 當(dāng)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(zhì)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(shè)置為當(dāng)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(dāng)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(dāng)前節(jié)點設(shè)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(shè)置為當(dāng)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(dāng)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(dāng)前節(jié)點設(shè)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(nèi)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(wǎng)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(jié)構(gòu)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(dāng)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(dāng)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(dāng)前行到下一行,每個元素之間的間隔(下一行的列索引與當(dāng)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(yīng)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(yīng)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?dāng)?shù)組來存儲每個位置應(yīng)顯示的元素 String[][] res = new String[arrayHeight][arrayWidth]; // 對數(shù)組進行初始化,默認(rèn)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(jīng)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(fēng)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?nèi)タ匆幌翲ashMap底層的紅黑樹相關(guān)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(zhì):
紅黑樹的性質(zhì)性質(zhì)
紅黑樹的性質(zhì) |
性質(zhì)1:每個節(jié)點要么是黑色,要么是紅色。 |
性質(zhì)2:根節(jié)點是黑色。 |
性質(zhì)3:每個葉子節(jié)點(NIL)是黑色。 |
性質(zhì)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(zhì)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(jié)點。俗稱:黑高! |
紅黑樹的時間復(fù)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(zhuǎn)換,左旋,右旋等。
結(jié)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(gòu)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(diào)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(dāng)前要插入節(jié)點node的父節(jié)點 * * 經(jīng)典二叉查找樹的查找過程,先根據(jù)hash值比較,再根據(jù)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(rèn)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(jīng)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(jù)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(jù)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(yīng)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(biāo)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(biāo)記是在左邊還是右邊 // ph=p.hash,當(dāng)前節(jié)點的hash值 int dir, ph; // pk=p.key,當(dāng)前節(jié)點的key值 K pk; if ((ph = p.hash) > h) { // 當(dāng)前hash比目標(biāo)hash大,說明在左邊 dir = -1; } else if (ph < h) // 當(dāng)前hash比目標(biāo)hash小,說明在右邊 dir = 1; else if ((pk = p.key) == k || (k != null && k.equals(pk))) // 兩者h(yuǎn)ash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(jié)果 (dir = compareComparables(kc, k, pk)) == 0) { // 這個條件表示兩者h(yuǎn)ash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h(yuǎn)ash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(dāng)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(jù)它們的內(nèi)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(yīng)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(diào)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(diào)用樹的刪除方法(以node調(diào)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(diào)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(dāng)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(dāng)于刪除了當(dāng)前節(jié)點 tab[index] = first = succ; else // 否則把前置節(jié)點的下個節(jié)點設(shè)置為當(dāng)前節(jié)點的后繼節(jié)點,相當(dāng)于刪除了當(dāng)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(dāng)前節(jié)點的前置節(jié)點,相當(dāng)于刪除了當(dāng)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(zhuǎn)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(fù)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(zhuǎn)換為紅黑樹 treeifyBin()
結(jié)點添加完成之后判斷此時結(jié)點個數(shù)是否大于 TREEIFY_THRESHOLD 臨界值 8,如果大于則將鏈表轉(zhuǎn)換為紅黑樹,轉(zhuǎn)換紅黑樹的方法 treeifyBin,整體代碼如下:
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st //轉(zhuǎn)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(jié)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(dāng)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(jié)點變?yōu)榧t黑樹。 目的:如果數(shù)組很小,那么轉(zhuǎn)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(jù)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(jié)點,從第一個開始 */ // hd:紅黑樹的頭結(jié)點 tl:紅黑樹的尾結(jié)點 TreeNode<K,V> hd = null, tl = null; do { // 新創(chuàng)建一個樹的結(jié)點,內(nèi)容和當(dāng)前鏈表結(jié)點e一致 TreeNode<K,V> p = replacementTreeNode(e, null); if (tl == null) hd = p; // 將新創(chuàng)鍵的p結(jié)點賦值給紅黑樹的頭結(jié)點 else { p.prev = tl; // 將上一個結(jié)點p賦值給現(xiàn)在的p的前一個結(jié)點 tl.next = p; // 將現(xiàn)在結(jié)點p作為樹的尾結(jié)點的下一個結(jié)點 } tl = p; /* e = e.next 將當(dāng)前結(jié)點的下一個結(jié)點賦值給e,如果下一個結(jié)點不等于null 則回到上面繼續(xù)取出鏈表中結(jié)點轉(zhuǎn)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(jié)點,以后這個桶里的元素就是紅黑樹 而不是鏈表數(shù)據(jù)結(jié)構(gòu)了 */ if ((tab[index] = hd) != null) hd.treeify(tab); } }
總結(jié):
上述操作一共做了如下幾件事:
- 根據(jù)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(jié)點,復(fù)制內(nèi)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(jié)點,替換桶的鏈表內(nèi)容為樹形化內(nèi)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(guān)注腳本之家的其他內(nèi)容!
相關(guān)文章
JPA如何設(shè)置表名和實體名,表字段與實體字段的對應(yīng)
這篇文章主要介紹了JPA如何設(shè)置表名和實體名,表字段與實體字段的對應(yīng),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2021-11-11Java的字符讀寫類CharArrayReader和CharArrayWriter使用示例
這篇文章主要介紹了Java的字符讀寫類CharArrayReader和CharArrayWriter使用示例,兩個類分別繼承于Reader和Writer,需要的朋友可以參考下2016-06-06SpringBoot整合RabbitMQ及生產(chǎn)全場景高級特性實戰(zhàn)
本文主要介紹了SpringBoot整合RabbitMQ及生產(chǎn)全場景高級特性實戰(zhàn),文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價值,感興趣的小伙伴們可以參考一下2021-10-10idea中使用SonarLint進行代碼規(guī)范檢測及使用方法
這篇文章主要介紹了idea中使用SonarLint進行代碼規(guī)范檢測,本文通過圖文并茂的形式給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2021-08-08Spring Security如何在Servlet中執(zhí)行
這篇文章主要介紹了Spring Security如何在Servlet中執(zhí)行,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-04-04Java實現(xiàn)Promise.all()的示例代碼
這篇文章主要介紹了Java實現(xiàn)Promise.all()的示例代碼,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2018-08-08Java常問面試內(nèi)容--數(shù)組、聲明、初始化、冒泡、多維數(shù)組、稀疏數(shù)組
這篇文章主要介紹了Java多線程面試題(面試官常問),本文給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2021-07-07