目录
一、树的演变
为什么会有树,因为链表的查询效率是logOn,树的查询效率是Log2n。
为什么会有二叉搜索树,在查找某个值的时候,一共就只有三种结果,大于,小于,等于,根据这三种情况并设计出了二叉查找树,为了方便检索。
为什么会有平衡二叉搜索树(AVL),因为二叉搜索树会退化成一个链表。变成单支树
为什么会后红黑树,因为AVL树在插入或者删除数据的时候,为了保证树结构的严格的平衡性,就需要经常的去调整树的结构,所以插入数据的效率是比较低的,反之获取数据的效率比较高。红黑树结构上比较平衡,对平衡的要求确没有自平衡二叉搜索树那么高
红黑树平衡的代价较低, 其平均统计性能要强于 AVL
二、红黑树
1.红黑树的特点
性质1. 结点是红色或黑色。
性质2. 根结点是黑色。
性质3. 所有叶子都是黑色。(叶子是NIL结点)
性质4. 每个红色结点的两个子结点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色结点)
性质5. 从任一结点到其每个叶子的所有路径都包含相同数目的黑色结点。(黑色是平衡的)
总结红黑树是特殊点AVL树,黑根黑叶红不邻,同祖等高只数黑
2.树左旋右旋的过程
左旋:
右旋:左旋的逆过程
3.红黑树插入节点情景分析:
数据结构学习之树与红黑树(java1.8 hashMap底层实现)_倔强的耗子的博客-CSDN博客
三、HashMap插入平衡、左旋、右旋源码解析
putval():添加值
resize():扩容
treeifyBin():树化,节点变为TreeNode
//插入平衡,左旋,右旋的过程其实就是染色(赋值)+改变节点的指针
balanceInsertion():插入平衡
rotateLeft() :左旋
rotateRight :右旋
1.添加值
//执行 put()
public V put(K key, V value) {//key = "java" value = PRESENT 共享
return putVal(hash(key), key, value, false, true);
}
//执行 putVal
final V putVal ( int hash, K key, V value,boolean onlyIfAbsent,
boolean evict){
Node<K, V>[] tab; Node<K, V> p;int n, i; //定义了辅助变量
//table 就是 HashMap 的一个数组,类型是 Node[]
//if 语句表示如果当前 table 是 null, 或者 大小=0
//就是第一次扩容,到 16 个空间.
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//如果 p 为 null, 表示还没有存放元素,创建Node对象,插入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k; //
//如果当前索引位置有值,就覆盖
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//如果是一颗红黑树,就调用 putTreeVal , 来进行添加
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//此时 table 对应索引位置,已经是一个链表, 就使用 for 循环比较
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null); //元素添加到链表后
//该链表是否已经达到 8 个结点
if (binCount >= TREEIFY_THRESHOLD(8) - 1)
treeifyBin(tab, hash); //树化
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if(e !=null) {
// existing mapping for key V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//size 就是我们每加入一个结点 Node(k,v,h,next), size++
if (++size > threshold)
resize();//扩容
afterNodeInsertion(evict);
return null;
}
2.插入平衡
/**
* 插入平衡(分多钟情况,左旋,右旋)
* @param root 当前根节点
* @param x 当前要插入的节点
* @return 返回根节点(平衡涉及左旋右旋会将根节点改变,所以需要返回最新的根节点)
*/
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root,TreeNode<K,V> x) {
x.red = true; //首先将要插入的节点染色成红色,不要问为什么不是黑色,因为黑色会破坏黑高(黑色完美平衡)
//xp:x的父节点,xpp:x的爷爷节点,xppl:爷爷节点的左子节点,xppr:爷爷节点的右子节点
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) { //死循环,直到找到根节点才结束。
if ((xp = x.parent) == null) { //如果当前插入节点的父节点为空,那么说明当前节点就是根节点,
x.red = false; //染色为黑色(根节点规定为黑色)
return x;
}
else if (!xp.red || (xpp = xp.parent) == null) //如果爸爸节点为黑色或者爷爷节点为空(插入后不影响黑色完美平衡,直接返回)
return root;
if (xp == (xppl = xpp.left)) { //当前插入节点的父节点为红色,并且是爷爷节点的左子节点(有两种情况:LL或者LR)
if ((xppr = xpp.right) != null && xppr.red) { //叔叔节点存在并且为红色
xppr.red = false; //将爸爸节点和叔叔节点染色成黑
xp.red = false;
xpp.red = true; //将爷爷节点染色成红
x = xpp; //最后将爷爷节点设置为当前节点进行下一轮操作
}
else { //叔叔节点不存在或者为黑色
if (x == xp.right) { // 当前插入节点是父节点的右子节点(LR的情景)
root = rotateLeft(root, x = xp); //以爸爸节点为旋转节点进行左旋
xpp = (xp = x.parent) == null ? null : xp.parent; //设置爷爷节点
}
if (xp != null) { //左旋完了之后,就回到了LL的情景(爸爸节点是爷爷节点的左子节点,当前节点是爸爸节点的左子节点),然后爸爸节点又是红色,当前插入节点也是红色,违反了红黑色的性质,红色不能两两相连,所以接下来需要进行染色;
xp.red = false; //将爸爸节点染色为黑
if (xpp != null) {
xpp.red = true; //将爷爷节点染色为红,然后在对爷爷节点右旋。
root = rotateRight(root, xpp);
}
}
}
}
else { //爸爸节点是爷爷节点的右子节点,爸爸节点为红色,也有两种情况(RR 或者 RL)
if (xppl != null && xppl.red) { //叔叔节点不为空并且为红色
xppl.red = false; //需要将爸爸节点和叔叔节点染色成黑
xp.red = false;
xpp.red = true; //将爷爷节点染色成红
x = xpp; //并且爷爷节点设置为当前节点进行下一轮操作
}
else { //叔叔节点不存在或者为黑色
if (x == xp.left) { //当前插入节点是爸爸节点的左子节点(RL的情景)
root = rotateRight(root, x = xp); //先将爸爸节点右旋变成的RR的情景
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) { //这个时候已经变成了RR的情况,需要染色在意爷爷节点左旋来维持平衡
xp.red = false; //将爸爸节点染色为黑
if (xpp != null) {
xpp.red = true; //将爷爷节点染色成红
root = rotateLeft(root, xpp); //在对爷爷节点左旋
}
}
}
}
}
}
3.左旋、右旋
/**
* 左旋
* @param root 当前根节点
* @param p 指定的旋转节点
* @return 返回根节点(平衡涉及左旋右旋会将根节点改变,所以需要返回最新的根节点)
* 左旋示意图:左旋p节点
pp pp
| |
p r
/ \ ----> / \
l r p rr
/ \ / \
rl rr l rl
左旋做了几件事?
* 1、将rl设置为p的右子节点,将rl的父节点设置为p
* 2、将r的父节点设置pp,将pp的左子节点或者右子节点设置为r
* 3、将r的左子节点设置为p,将p的父节点设置为r
*/
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root,TreeNode<K,V> p) {
// r:旋转节点的右子节点; pp:旋转节点的父节点, rl:旋转节点的右子节点的左子节点
TreeNode<K,V> r, pp, rl;
if (p != null && (r = p.right) != null) { //旋转节点非空并且旋转节点的右子节点非空
if ((rl = p.right = r.left) != null) //将p节点的右子节点设置为右子节点的左子节点
rl.parent = p; //将rl的父节点设置为p
if ((pp = r.parent = p.parent) == null)//将r的爸爸节点设置为p的爸爸节点,如果是空的话
(root = r).red = false;//染色成黑
else if (pp.left == p) //判断父节点是爷爷节点的左子节点还是右子节点
pp.left = r; //如果是左子节点,那么就把爷爷节点的左子节点设置为r
else
pp.right = r; //如果是右子节点,就把爷爷节点的右子节点设置为r
r.left = p; //最后将r的左子节点设置为p
p.parent = r; //将p的爸爸节点设置为r
}
return root;
}
/**
* 右旋
* @param root 当前根节点
* @param p 指定的旋转节点
* @return 返回根节点(平衡涉及左旋右旋会将根节点改变,所以需要返回最新的根节点)
* 右旋示意图:右旋p节点
pp pp
| |
p l
/ \ ----> / \
l r ll p
/ \ / \
ll lr lr r
* 右旋都做了几件事?
* 1.将lr设置为p节点的左子节点,将lr的父节点设置为p
* 2.将l的父节点设置为pp,将pp的左子节点或者右子节点设置为l
* 3.将l的右子节点设置为p,将p的父节点设置为l
*/
static <K,V> TreeNode<K,V> rotateRight(TreeNode<K,V> root,TreeNode<K,V> p) {
//l:p节点的左子节点 pp:p节点的爸爸节点 lr:p节点的左子节点的右子节点
TreeNode<K,V> l, pp, lr;
if (p != null && (l = p.left) != null) { //旋转节点p非空并且p节点的左子节点非空
if ((lr = p.left = l.right) != null) //将p节点的左子节点设置为左子节点的右子节点
lr.parent = p; //然后将p节点的左子节点的右子节点的父节点设置为p
if ((pp = l.parent = p.parent) == null) //将p节点的左子节点的父节点设置为p的父节点,如果为空的话,说明l就是根节点了
(root = l).red = false; //染色成黑
else if (pp.right == p) //判断p节点是pp节点的左子节点还是右子节点,
pp.right = l; //如果p节点是pp节点的右子节点的话,将爸爸节点pp的右子节点设置为l
else //如果p节点是pp节点的左子节点的话,将爸爸节点pp的左子节点设置为l
pp.left = l;
l.right = p; //最后将l节点的右子节点设置为p
p.parent = l; //将p节点的父节点设置为l
}
return root;
}