红黑树 可以看作二叉搜索树和平衡二叉树（AVL 树）的一个折中。
二叉搜索树 、平衡二叉树
二叉搜索树：一棵空树，或者是具有下列性质的 二叉树：
-
若左子树不空，则左子树上所有结点的值均小于它的根结点的值；
-
若右子树不空，则右子树上所有结点的值均大于它的根结点的值；
-
左、右子树也分别为二叉排序树；
-
没有键值相等的结点。
AVL 树本质上还是一棵二叉搜索树，它的特点是：
-
本身首先是一棵二叉搜索树。
-
带有平衡条件：每个结点的左右子树的高度之差的绝对值（平衡因子）最多为1。也就是说，
AVL树，本质上是带了平衡功能的二叉查找树（二叉排序树，二叉搜索树）
红黑树
红黑树是一种半平衡的二叉搜索树，它放弃了二叉搜索树的绝对平衡，换来了较为简单的可维护性，使得二叉搜索树插入新数据，以及搜索数据时，都具有不错的搜索性能。
之所以说红黑树是一种半平衡的二叉搜索树，是因为红黑树中所有叶子节点的深度相差不会超过一倍。
红黑树的特性:
- 每个结点是黑色或者红色。
- 根结点是黑色。
- 每个叶子结点（ NIL 或 NULL ）是黑色。 [注意：这里叶子结点，是指为空(NIL或NULL)的叶子结点！]
- 如果一个结点是红色的，则它的子结点必须是黑色的。
- 每个结点到叶子结点 NIL 或 NULL 所经过的黑色结点的个数一样的
只要二叉搜索树符合以上 5 条性质，它就是红黑树。事实上，提出这 5 条性质的目的就是为了获得红黑树的“所有叶子节点的深度相差不会超过一倍”这个特性。之所以这么费尽心思的维护一个红黑树，是因为实践证明红黑树的这些规则遵循起来是相对简单的。
关于红黑树的具体插入和删除分析，可以参考文末的几篇博客，后续不再具体分析。
插入
关于红黑树的插入情景如下图（摘自 30张图带你彻底理解红黑树）：
那么结合 HashMap 源码分析，HashMap 中关于红黑树的操作，都放在了 TreeNode 类中。
在上文分析 HashMap 中，留下了关于红黑树的一部分，其中 put 方法的调用中涉及到的 TreeNode 的 putTreeVal（插入） 和 treeify（调整链表为红黑树） 方法。
先分析 treeify ，在分析具体源码之前，我们可以确认现在箱中的节点已经为树节点（但仍然为链表结构），且调用 treeify 方法的对象为链表头节点。
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
for (TreeNode<K,V> x = this, next; x != null; x = next) {
// next节点为下次需要处理的节点
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
// 设置根节点，只在第一次执行
if (root == null) {
x.parent = null;
// 标记为黑节点
x.red = false;
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
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);
TreeNode<K,V> xp = p;
// 找到树上的可插入点
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
// 平衡插入
root = balanceInsertion(root, x);
break;
}
}
}
}
moveRootToFront(tab, root);
}
上面执行的目的是将链表转换为红黑树。第一个循环是为了遍历链表，第二个循环是为了找到已构建的红黑树中当前节点的插入位置，并且需要在 balanceInsertion 方法中处理平衡红黑树操作（涉及到上图中的几种情形）：
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root,
TreeNode<K,V> x) {
// 插入节点为红色节点
x.red = true;
/*
* xp ：x 的父节点
* xpp ：x 的祖父节点
* xppl : x 的祖父节点的左子节点
* xppr：x 的祖父节点的右子节点
*/
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) {
// 情景1：空树
if ((xp = x.parent) == null) {
x.red = false;
return x;
}
// 情景3：插入节点的父节点为黑节点
else if (!xp.red || (xpp = xp.parent) == null)
return root;
// 情景4：插入节点的父节点为红色节点
// 且父亲节点是祖父节点的左子节点
if (xp == (xppl = xpp.left)) {
// 情景4.1：叔叔节点存在，且为红色，做平衡调整
// 父节点和叔叔节点设置为黑色，祖父节点设置为红色，并继续做插入操作自平衡处理，直到 // 平衡为止(自下向上)
if ((xppr = xpp.right) != null && xppr.red) {
xppr.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
// 情景4.2：叔叔节点不存在，或者为黑节点
else {
// 情景4.2.2：插入节点是其父节点的右子节点
if (x == xp.right) {
// 左旋，重新调整
root = rotateLeft(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
// 情景4.2.3：插入节点是其父节点的左子节点
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateRight(root, xpp);
}
}
}
}
// 父亲节点是祖父节点的右子节点
else {
// 情景4.1：叔叔节点存在并且为红节点
if (xppl != null && xppl.red) {
xppl.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
else {
// 情景4.3：叔叔节点不存在，或者为黑节点
// 情景4.3.2：插入节点是其父节点的左子节点
if (x == xp.left) {
root = rotateRight(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
// 情景4.3.1：插入节点是其父节点的右子节点
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateLeft(root, xpp);
}
}
}
}
}
}
结合红黑树的插入情景来分析源码就会发现容易多了。
关于构建完红黑树后调用的 moveRootToFront(tab, root) 方法，它的作用正如它声明的那样确保 root 节点是箱子节点的第一个节点。
再来看 putTreeVal 方法：
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
boolean searched = false;
TreeNode<K,V> root = (parent != null) ? root() : this;
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
// 待插入节点存在，则直接返回，按插入重复元素处理
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
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;
}
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
// 查找待插入节点位置
if ((p = (dir <= 0) ? p.left : p.right) == null) {
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;
// 做插入平衡
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}
整体的流程走完了，但其中还涉及比较多的细节，可自行品味。
删除
关于红黑树的删除情景如下图（摘自 30张图带你彻底理解红黑树）：
这一块的分析，就没有记录下来；删除操作更加复杂，仅仅是看懂就花了很多时间。可以参考文末的 30张图带你彻底理解红黑树 这篇博客，如果这篇博客理解了，那么整个底层也就明白了。
另附一个很好的在线绘制红黑树的网站：红黑树可视化
参考博文
推荐博文
我与风来
认认真真学习，做思想的产出者，而不是文字的搬运工
错误之处，还望指出
扫一扫
2041
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
