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pif ((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relse  pp.right = r; //如果是右子节点，就把爷爷节点的右子节点设置为rr.left = p; //最后将r的左子节点设置为pp.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pif ((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lelse //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lpp.left = l;l.right = p; //最后将l节点的右子节点设置为pp.parent = l; //将p节点的父节点设置为l}return root;}

HashMap-红黑树插入平衡、左旋、右旋源码解析相关推荐

java实现红黑树新增节点左旋右旋 hash取模
package com.yeyu.study1.list;/*** 红黑树** 1.构建节点对象结构定义颜色属性* 2.辅助方法定义: parentOf(node) isRed(node) , is ...
红黑二叉树的左旋右旋和变色
小白解析红黑树的基本什么是红黑树变色右旋什么是右旋呢? 左旋什么情况下会左旋什么是红黑树这就是一个简单的红黑二叉树红黑二叉树有以下几条基本的规则: 1. 节点分为红色或者黑色. 2.根 ...
HashMap红黑树原理及源码分析---图形、注释一应俱全
目录一.红黑树定义二.节点新增原理: 三.红黑树的生成 2.1 一个节点 2.2 两个节点 2.3 三个节点 2.3.1 第二个节点作为root右子树情况下 2.3.2 第二个节点作为root左子 ...
C语言红黑树插入/删除/查找/遍历
1 红黑树介绍红黑树(Red-Black Tree,简称R-B Tree),它一种特殊的二叉查找树. 红黑树是特殊的二叉查找树,意味着它满足二叉查找树的特征:任意一个节点所包含的键值,大于等于左孩子 ...
史上最详细的 JDK 1.8 HashMap 源码解析
微信搜索[程序员囧辉],关注这个坚持分享技术干货的程序员. 我的最新文章:BAT 老兵的经验之谈,成长路上这个道理越早知道越好目录前言几个点: 基本属性定位哈希桶数组索引位置 get 方法代 ...
【算法】红黑树插入数据（变色，左旋、右旋）（二）
本人菜鸡一只,正在更新红黑树系列的文章. 该系列已经全部更完,有5篇文章: [算法]红黑树(二叉树)概念与查询(一):https://blog.csdn.net/lsr40/article/detai ...
HashMap 数据结构之红黑树, 红黑树在什么时候左旋右旋如何旋转
树结构是数据结构中最经典最常用的结构之一,也是面试中常问的面试题,最近学习了一下红黑树的知识,记录整理一下文章目录一.红黑树的特征二.变色左旋和右旋 1.变色规则 2.左旋 3.右旋总结前言 ...
红黑树简介及左旋、右旋、变色
红黑树简介及左旋.右旋.变色红黑树(Red Black Tree)是一种自平衡二叉搜索树(二叉查找树),是一种特殊的二叉搜索树,在进行插入和删除时通过特定操作保持二叉树自身的平衡,从而获得较高的查找 ...
nyoj202 红黑树（二叉树的左旋右旋）
题目202 题目信息运行结果本题排行讨论区红黑树时间限制:3000 ms | 内存限制:65535 KB 难度:3 描述什么是红黑树呢?顾名思义,跟枣树类似,红黑树是一种叶子是黑色果子 ...

HashMap-红黑树插入平衡、左旋、右旋源码解析