【ArrayList和HashMap源码讲解】

树

树的常用术语

节点：
根节点：
父节点：
子节点：
叶子节点：
节点的权：
度：
路径：
层：
子树：
树的高度：
森林：

二叉树

每个节点最多只能有两个子节点的一种形式的树称为二叉树
二叉树的子节点分为左节点和右节点

满二叉树

所有非叶子节点都存在左子树和右子树，并且所有叶子都在最后一层的二叉树为满二叉树
叶子节点只能在最后一层
非叶子节点的度一定是2
同样深度的二叉树中，满二叉树的节点个数最多，叶子树最多

完全二叉树

1 如果该二叉树的所有叶子节点都在最后一层或者倒数第二层，而且最后一层的叶子节点在左边连续，倒数第二层的叶子节点在右边连续，我们称为完全二叉树
2 如果节点的度是1，则该节点只有左孩子
3 同样节点数目的二叉树，完全二叉树深度最小

二叉搜索树（BST）

二叉搜索树也叫做二叉排序树，任何一个非叶子节点，要求左叶子节点的值比当前节点的值小，右子节点的值比当前节点的值大
如果有相同的值，可以将该节点放在左子树或右子节点

二叉搜索树的深度优先遍历
二叉树的深度遍历分为：前序遍历，中序遍历，后序遍历
前序遍历：先输出父节点，再遍历左子树和右子树
中序遍历：先遍历左子树，在输出父节点，再遍历右子树，中序遍历的结果是有序的
后序遍历：先遍历左子树，再遍历右子树，最后输出父节点

练习题：
数据（7，3，10，5，1，9，12），对应的二叉排序树创建过程（深度优先遍历和广度优先遍历）

二叉树的问题（数据1，2，3，4，5，6）

解决方法-平衡二叉树

平衡二叉树

1 平衡二叉树也叫平衡二叉搜索树，需要满足BST的特性
2 任意一个节点。平衡因子的绝对值不超过1
某节点的高度值=max(左子树高度，右子树高度)+1
每个节点的左子树和右子树的高度差叫做平衡因子

如何维持二叉树平衡？

右旋

1 新插入节点导致了不平衡
2 不平衡节点在插入的路径上
3 叶子节点在不平衡节点的左侧的左侧
4 可以使用右旋来实现
R.right = N
N.left=T3 
R =root 

左旋

1 新插入节点导致了不平衡
2 不平衡节点在插入的路径上
3 叶子节点在不平衡节点的右侧的右侧
4 可以使用左旋来实现

叶子节点在不平衡节点的左侧的右侧
先左旋再右旋

叶子节点在不平衡节点的右侧的左侧
先右旋再左旋

左右旋口诀口诀

左旋：自己变成右孩子的左孩子
右旋：自己变成左孩子的右孩子

2-3树

每个节点都可以存放一个元素或者两个元素
存放一个元素的节点称为2-节点，存放两个元素的节点叫做3-节点
每个节点有两个或者三个子节点的树称为2-3树，2-3树满足二叉搜索树的基本性质
2-3树是一个绝对平衡的树

2-3树添加节点遵循三个大的前提：
满足二叉搜索树的特征
维持绝对平衡
不能往null节点插入数据

图例：

红黑树

红黑树定义：
前提：研究红黑树叶子节点指的是最后的空节点（我们原来理解的叶子节点的孩子节点）
红黑树的每个节点都是有颜色的，或是红色或者是黑色
根节点是黑色的
每个叶子节点都是黑色的（红色节点向左倾斜叫做左倾红黑树)
如果一个节点是红色的，那么他的孩子节点都是黑色的
从任何一个节点到叶子节点，经过的黑色节点是一样的

红黑树和二叉树的等价性

BST(二叉查找树)，AVL（平衡二叉树），RBT（红黑树）三种树的应用场景

对于完全随机的数据，BST(二叉查找树)不会出现一侧偏斜的情况，极端情况下会退化成链表或者非常不平衡树
对于查询较多的业务场景，AVL（平衡二叉树）是最佳的选择。
RBT（红黑树）的综合性能更优

ArrayList和HashMap

ArrayList

arrayList:延迟加载，在add()的时候初始化。初始容量大小为10，扩容 = 扩容前容量+右移动一位
arraylist不是线程安全的集合，fail-fast 机制保证容错

链表的特征：
链表（Linked list）是一种真正的动态的数据结构
链表是一种线性表，但是并不会按线性的顺序存储数据，而是在每一个节点里存到下一个节点的指针
使用链表结构可以克服数组需要预先知道数据大小的缺点，但增加了结点的指针域，空间开销比较大
链表允许插入和移除链表上任意位置上的节点，但是不允许随机存取。
链表有很多中不同的类型：单向链表，双向链表以及循环链表

单链表向头部插入元素：
node.next = head;
head = node;

单链表向中间插入元素：
 node.next = prev.next;
 prev.next =node;
 (注意：计算prev位置，注意索引为0的情况)

HashMap

HashMap在Java8后引入了红黑树，TreeMap,TreeSet的底层也是红黑树。

自己设计hashmap思路