1.二叉搜索树介绍
前面我们已经介绍过了向量和链表。有序向量可以以二分查找的方式高效的查找特定元素,而缺点是插入删除的效率较低(需要整体移动内部元素);链表的优点在于插入,删除元素时效率较高,但由于不支持随机访问,特定元素的查找效率为线性复杂度O(1),效率较低。
向量和链表的优缺点是互补的,那么有没有办法兼具两者的优点呢?这便引出了接下来需要介绍的数据结构——二叉搜索树(Binary Search Tree)。
二叉搜索树和链表类似,同样是以节点为单位存储数据的链式数据结构。二叉搜索树作为一种树形数据结构,内部维护着一个根节点,在插入新数据时,会不断的和当前子树的根节点进行key值的大小比较,较小的key值落在左子树,较大的key值落在右子树,使得二叉搜索树从左到右维持一个有序的状态。
形式化的定义:
二叉搜索树的左子树上结点的值均小于根结点的值;右子树上结点的值均大于根结点的值;二叉搜索树的左、右子树也分别为二叉搜索树。
由于二叉搜索树中的数据是有序存储的,可以使用高效的二分查找查询特定元素;同时由于内部存储结构为链式节点,在插入、删除元素时的效率和链表类似,也十分高效。
可以说,二叉搜索树兼具了向量和链表的优点。
2.二叉搜索树ADT接口
二叉搜索树同样是一个存储key/value类型数据结构,因此和哈希表实现共用同一个接口(Map)。K/V数据结构需要暴露出内部节点的Key,value给用户灵活的访问,但哈希表和二叉搜索树的内部节点实现有一定的差异,所以在Map接口中暴露了Map.EntryNode接口,由哈希表和二叉搜索树的内部节点分别实现Map.EntryNode接口。
public interface Map <K,V>{ /** * 存入键值对 * @param key key值 * @param value value * @return 被覆盖的的value值 */ V put(K key,V value); /** * 移除键值对 * @param key key值 * @return 被删除的value的值 */ V remove(K key); /** * 获取key对应的value值 * @param key key值 * @return 对应的value值 */ V get(K key); /** * 是否包含当前key值 * @param key key值 * @return true:包含 false:不包含 */ boolean containsKey(K key); /** * 是否包含当前value值 * @param value value值 * @return true:包含 false:不包含 */ boolean containsValue(V value); /** * 获得当前map存储的键值对数量 * @return 键值对数量 * */ int size(); /** * 当前map是否为空 * @return true:为空 false:不为空 */ boolean isEmpty(); /** * 清空当前map */ void clear(); /** * 获得迭代器 * @return 迭代器对象 */ Iterator<EntryNode<K,V>> iterator(); /** * entry 键值对节点接口 * */ interface EntryNode<K,V>{ /** * 获得key值 * */ K getKey(); /** * 获得value值 * */ V getValue(); /** * 设置value值 * */ void setValue(V value); } }
3.二叉搜索树实现细节
3.1 二叉搜索树基本属性
值得一提的是,二叉搜索树通过给存储的元素进行排序来加快查询的速度(遍历查询 ---> 二分查询)。
java是面向对象的语言,二叉搜索树中的元素不仅仅是整数、小数。如果说对于整数、小数甚至字符串的排序,我们确定了一个公认的排序逻辑。但是用户自定义的对象,例如小猫、小狗对象的排序可就仁者见仁智者见智了。
由于java并不支持比较符号">","<"的运算符重载,因此我们提供了一个比较排序的接口,用户可以在二叉搜索树初始化时指定排序时元素间比较的逻辑,使得二叉搜索树能以满足用户需求的方式执行排序的逻辑。
比较器接口(Comparator)定义:
@FunctionalInterface public interface Comparator<T> { /** * 比较方法逻辑 * @param o1 参数1 * @param o2 参数2 * @return 返回值大于0 ---> (o1 > o2) * 返回值等于0 ---> (o1 = o2) * 返回值小于0 ---> (o1 < o2) */ int compare(T o1, T o2); }
基本属性:
public class TreeMap<K,V> implements Map<K,V>{ /** * 根节点 * */ private EntryNode<K,V> root; /** * 比较器(初始化之后,不能改) * */ private final Comparator<? super K> comparator; /** * 当前二叉树的大小 * */ private int size; /** * 默认构造函数 * */ public TreeMap() { this.comparator = null; } /** * 指定了比较器的构造函数 * */ public TreeMap(Comparator<? super K> comparator) { this.comparator = comparator; } }
3.2 二叉搜索树内部节点
二叉搜索树的内部节点除了必须的key,value字段,同时还维护了左、右孩子节点和双亲节点的引用。
通过实现暴露出去的Map.EntryNode接口,允许用户访问内部节点的key、value值,但二叉搜索树节点内部的孩子、双亲节点的引用是被封装起来的,外部用户是无法感知,也无需了解的。
/** * 二叉搜索树 内部节点 * */ static class EntryNode<K,V> implements Map.EntryNode<K,V>{ /** * key值 * */ K key; /** * value值 * */ V value; /** * 左孩子节点 * */ EntryNode<K,V> left; /** * 右孩子节点 * */ EntryNode<K,V> right; /** * 双亲节点 * */ EntryNode<K,V> parent; EntryNode(K key, V value) { this.key = key; this.value = value; } EntryNode(K key, V value,EntryNode<K,V> parent) { this.key = key; this.value = value; this.parent = parent; } @Override public K getKey() { return key; } @Override public V getValue() { return value; } @Override public void setValue(V value) { this.value = value; } @Override public String toString() { return key + "=" + value; } }
3.3 二叉搜索树 内部辅助函数
为了简化代码逻辑以及去除重复代码,在实现过程中提取出了诸如:获取第一个节点(getFirst)、获取节点直接后继(getSuccessor)、获得key值对应目标节点(getTargetEntryNode)等等辅助方法。
getTargetEntryNode用于获取key值对应的目标节点,运用了哨兵的思想。从根节点开始,使用二分查找的方式逐步逼近key值对应目标节点的位置。
如果目标节点确实存在,自然直接返回目标节点的引用(相对位置:RelativePosition.CURRENT);
当目标节点不存在时,则假设目标节点已经存在(哨兵节点),返回哨兵节点的双亲节点引用以及哨兵节点的相对位置(左、右节点:RelativePosition.LEFT、RelativePosition.Right)。
/** * target 和目标节点的相对位置 * */ private enum RelativePosition { /** * 左节点 * */ LEFT, /** * 右节点 * */ RIGHT, /** * 当前节点 * */ CURRENT; } /** * 查找目标节点 返回值 * */ private static class TargetEntryNode<K,V>{ /** * 目标节点 * */ private EntryNode<K,V> target; /** * 目标节点的双亲节点 * */ private EntryNode<K,V> parent; /** * 相对位置 * */ private RelativePosition relativePosition; TargetEntryNode(EntryNode<K, V> target, EntryNode<K, V> parent, RelativePosition relativePosition) { this.target = target; this.parent = parent; this.relativePosition = relativePosition; } } /** * 获得key对应的目标节点 * @param key 对应的key * @return 对应的目标节点 * 返回null代表 目标节点不存在 * */ private TargetEntryNode<K,V> getTargetEntryNode(K key){ int compareResult = 0; EntryNode<K,V> parent = null; EntryNode<K,V> currentNode = this.root; while(currentNode != null){ parent = currentNode; //:::当前key 和 currentNode.key进行比较 compareResult = compare(key,currentNode.key); if(compareResult > 0){ //:::当前key 大于currentNode 指向右边节点 currentNode = currentNode.right; }else if(compareResult < 0){ //:::当前key 小于currentNode 指向右边节点 currentNode = currentNode.left; }else{ return new TargetEntryNode<>(currentNode, parent, RelativePosition.CURRENT); } } //:::没有找到目标节点 if(compareResult > 0){ //:::返回 右孩子 哨兵节点 return new TargetEntryNode<>(null, parent, RelativePosition.RIGHT); }else if(compareResult < 0){ //:::返回 左孩子 哨兵节点 return new TargetEntryNode<>(null, parent, RelativePosition.LEFT); }else{ throw new RuntimeException("状态异常"); } } /** * key值进行比较 * */ @SuppressWarnings("unchecked") private int compare(K k1,K k2){ //:::迭代器不存在 if(this.comparator == null){ //:::依赖对象本身的 Comparable,可能会转型失败 return ((Comparable) k1).compareTo(k2); }else{ //:::通过迭代器逻辑进行比较 return this.comparator.compare(k1,k2); } } /** * 判断双亲节点和目标节点 相对位置 * @param parent 双亲节点 * @param target 目标节点 * @return 相对位置(左孩子/右孩子) */ private RelativePosition getRelativeByParent(EntryNode<K,V> parent,EntryNode<K,V> target){ if(parent.left == target){ return RelativePosition.LEFT; }else if(parent.right == target){ return RelativePosition.RIGHT; }else{ throw new RuntimeException("不是父子节点关系"); } } /** * 获得当前节点的直接后继 * @param targetEntryNode 当前节点 * @return 当前节点的直接后继 */ private EntryNode<K,V> getSuccessor(EntryNode<K,V> targetEntryNode){ if(targetEntryNode == null){ //:::当前节点为null,则后继也为null return null; } //:::判断当前节点是否存在右孩子 if(targetEntryNode.right != null){ //:::存在右孩子,右子树的最左节点为直接后继 EntryNode<K,V> rightChildSuccessor = targetEntryNode.right; //:::循环往复,直至直接右孩子的最左节点 while(rightChildSuccessor.left != null){ rightChildSuccessor = rightChildSuccessor.left; } return rightChildSuccessor; }else{ //:::不存在右孩子,寻找第一个靠右的双亲节点 EntryNode<K,V> parent = targetEntryNode.parent; EntryNode<K,V> child = targetEntryNode; //:::判断当前孩子节点是否是双亲节点的左孩子 while(parent != null && parent.right == child){ //:::不是左孩子,而是右孩子,继续向上寻找 child = parent; parent = parent.parent; } return parent; } } /** * 获得二叉搜索树的第一个节点 * */ private EntryNode<K,V> getFirstNode(){ if(this.root == null){ //:::空树,返回null return null; }
EntryNode<K,V> entryNode = this.root; //:::循环往复,寻找整棵树的最左节点(最小节点、第一个节点) while(entryNode.left != null){ entryNode = entryNode.left; } return entryNode; }
3.4 二叉搜索树插入接口实现
二叉搜索树的插入接口复用了前面提到的getTargetEntryNode方法,以二分查找的方式进行查询。
当key值对应的目标节点存在时,替换掉之前的value。
当key值对应的目标节点不存在时,运用哨兵的思想,通过双亲节点和哨兵节点的相对位置,在目标位置插入一个新的节点。
@Override public V put(K key, V value) { if(this.root == null){ this.root = new EntryNode<>(key,value); this.size++; return null; } //:::获得目标节点 TargetEntryNode<K,V> targetEntryNode = getTargetEntryNode(key); if(targetEntryNode.relativePosition == RelativePosition.CURRENT){ //:::目标节点存在于当前容器 //:::暂存之前的value V oldValue = targetEntryNode.target.value; //:::替换为新的value targetEntryNode.target.value = value; //:::返回之前的value return oldValue; }else{ //:::目标节点不存在于当前容器 EntryNode<K,V> parent = targetEntryNode.parent; if(targetEntryNode.relativePosition == RelativePosition.LEFT){ //:::目标节点位于左边 parent.left = new EntryNode<>(key,value,parent); }else{ //:::目标节点位于右边 parent.right = new EntryNode<>(key,value,parent); } this.size++; return null; } }
3.5 二叉搜索树删除接口实现
二叉搜索树节点在被删除时,被删除节点存在三种情况:
1.不存在任何孩子节点(既没有左孩子,也没有右孩子)
直接将双亲节点和当前节点的连接切断(双亲对应孩子节点引用置为null)。
2.只存在一个孩子节点(只存在左孩子或者只存在右孩子)
被删除节点唯一的孩子节点代替被删除节点本身,唯一的孩子节点和双亲节点直接相连。
3.既有左孩子节点,又有右孩子节点
找到被删除节点的直接后继节点(直接前驱节点也行,本质上是保证删除之后依然保证有序性),将被删除节点和其直接后继交换位置。
当右孩子节点存在时,直接后继节点必定存在于右子树中,并且其直接后继一定不存在左孩子节点(否则就不是直接后继节点了),因此被删除节点的直接后继节点至多只存在一个右孩子节点(或没有任何孩子节点)。在两者交换位置后,可以转换为第一或第二种情况进行处理。
节点删除前:
1.无孩子节点的删除:
2. 只有一个孩子节点的删除:
3. 拥有两个孩子的节点的删除:
二叉搜索树节点删除代码实现:
@Override public V remove(K key) { if(this.root == null){ return null; } //:::查询目标节点 TargetEntryNode<K,V> targetEntryNode = getTargetEntryNode(key); if(targetEntryNode.relativePosition != RelativePosition.CURRENT){ //:::没有找到目标节点 return null; }else{ //:::找到了目标节点 //:::从二叉树中删除目标节点 deleteEntryNode(targetEntryNode.target); return targetEntryNode.target.value; } } /** * 将目标节点从二叉搜索树中删除 * @param target 需要被删除的节点 * */ void deleteEntryNode(EntryNode<K,V> target){ /* * 删除二叉搜索树节点 * 1.无左右孩子 * 直接删除 * 2.只有左孩子或者右孩子 * 将唯一的孩子和parent节点直接相连 * 3.既有左孩子,又有右孩子 * 找到自己的直接前驱/后继(左侧的最右节点/右侧的最左节点) * 将自己和直接后继进行交换,转换为第1或第2种情况,并将自己删除 * */ //:::size自减1 this.size--; //:::既有左孩子,又有右孩子 if(target.left != null && target.right != null){ //:::找到直接后继(右侧的最左节点) EntryNode<K,V> targetSuccessor = getSuccessor(target); //:::target的key/value和自己的后继交换 target.key = targetSuccessor.key; target.value = targetSuccessor.value; //:::target指向自己的后继,转换为第一/第二种情况 target = targetSuccessor; } EntryNode<K,V> parent = target.parent; //:::获得代替被删除节点原先位置的节点(从左右孩子中选择一个) EntryNode<K,V> replacement = (target.left != null ? target.left : target.right); if(replacement == null){ //:::无左右孩子 //:::被删除的target是根节点,且无左右孩子 if(parent == null){ //:::全树置空 this.root = null; }else{ RelativePosition relativePosition = getRelativeByParent(parent,target); //:::直接删除,断开和双亲节点的联系 if(relativePosition == RelativePosition.LEFT){ parent.left = null; }else{ parent.right = null; } target.parent = null; } }else{ //:::只有左孩子或者右孩子 //:::被删除的target是根节点,且只有左孩子或者右孩子 if(target.parent == null){ //:::将存在的子树孩子节点,设置为根节点 this.root = replacement; }else{ replacement.parent = target.parent; RelativePosition relativePosition = getRelativeByParent(parent,target); //:::被删除节点的双亲节点指向被代替的节点 if(relativePosition == RelativePosition.LEFT){ parent.left = replacement; }else{ parent.right = replacement; } } } }
3.6 二叉搜索树查询接口实现
二叉搜索树的查询接口使用了getTargetEntryNode方法。
当返回的相对位置为Current时,代表找到了目标节点,直接返回value;反之代表目标节点不存在,返回null。
@Override public V get(K key) { if(this.root == null){ return null; } //:::查询目标节点 TargetEntryNode<K,V> targetEntryNode = getTargetEntryNode(key); if(targetEntryNode.relativePosition != RelativePosition.CURRENT){ //:::没有找到目标节点 return null; }else{ return targetEntryNode.target.value; } }
3.7 二叉搜索树其它接口实现
@Override public boolean containsKey(K key) { return (get(key) != null); } @Override public boolean containsValue(V value) { //:::寻找到第一个节点 EntryNode<K,V> entryNode = getFirstNode(); //:::从第一个节点开始,遍历整颗二叉搜索树 while(entryNode != null){ if(Objects.equals(entryNode.value,value)){ //:::当前节点value匹配,返回true return true; }else{ //:::指向下一个直接后继节点 entryNode = getSuccessor(entryNode); } } //:::遍历整颗树之后,还未匹配,返回false return false; } @Override public int size() { return this.size; } @Override public boolean isEmpty() { return (this.size == 0); } @Override public void clear() { this.size = 0; this.root = null; } @Override public String toString(){ Iterator<Map.EntryNode<K,V>> iterator = this.iterator(); //:::空容器 if(!iterator.hasNext()){ return "[]"; } //:::容器起始使用"[" StringBuilder s = new StringBuilder("["); //:::反复迭代 while(true){ //:::获得迭代的当前元素 Map.EntryNode<K,V> data = iterator.next(); //:::判断当前元素是否是最后一个元素 if(!iterator.hasNext()){ //:::是最后一个元素,用"]"收尾 s.append(data).append("]"); //:::返回 拼接完毕的字符串 return s.toString(); }else{ //:::不是最后一个元素 //:::使用", "分割,拼接到后面 s.append(data).append(", "); } } } @Override public Iterator<Map.EntryNode<K, V>> iterator() { return new Itr(); }
4.二叉搜索树迭代器
1. 二叉搜索树从最左节点开始,以中序遍历的方式遍历整颗树
2. 在迭代器初始化时,迭代器指向最小的节点(也就是最左节点)
3. 迭代器迭代时,下一个节点总是指向当前节点的直接后继
/** * 二叉搜索树 迭代器实现 * */ private class Itr implements Iterator<Map.EntryNode<K,V>>{ /** * 当前迭代节点 * */ private EntryNode<K,V> currentNode; /** * 下一个节点 * */ private EntryNode<K,V> nextNode; private Itr() { //:::初始化时,nextNode指向第一个节点 this.nextNode = TreeMap.this.getFirstNode(); } @Override public boolean hasNext() { return (this.nextNode != null); } @Override public Map.EntryNode<K, V> next() { this.currentNode = this.nextNode; this.nextNode = TreeMap.this.getSuccessor(this.nextNode); return this.currentNode; } @Override public void remove() { if(this.currentNode == null){ throw new IteratorStateErrorException("迭代器状态异常: 可能在一次迭代中进行了多次remove操作"); } //:::判断当前被删除的节点是否同时存在左右孩子 if(this.currentNode.left != null && this.currentNode.right != null){ /* 同时存在左右孩子的节点删除时当前节点会和直接后继(nextNode)进行交换 因此nextNode指向当前节点 */ this.nextNode = this.currentNode; } //:::删除当前节点 TreeMap.this.deleteEntryNode(this.currentNode); //:::currentNode设置为null,防止反复调用remove方法 this.currentNode = null; } }
5.二叉搜索树性能
5.1 空间效率
二叉搜索树的内部节点除了key,value的引用,同时还维护着双亲,左右孩子节点的引用(不一定存在),因此其空间效率比链表稍差,更是不如向量结构紧凑。但是这一点点空间效率的损失,带来的是二叉搜索树全面而优异的增删改查效率。
5.2 时间效率
二叉搜索树的插入,删除依赖于查询接口,而查询接口是以二分查找的方式实现的。在理想状态下(平衡的),二叉搜索树的增删改查接口的效率为(O(logN)),N为当前二叉搜索树存储的元素总数;也可以说,二叉搜索树增删改查接口的效率正比于二叉搜索树的高度。
6.二叉搜索树总结
6.1 当前版本缺陷:
至此,我们实现了一个最基础的二叉搜索树,但还存在一个致命缺陷:
二叉搜索树在插入数据时,以二分查找的方式确定插入的位置。但是当插入数据的数据不够随机时,会降低二叉搜索树的查询效率。举个极端例子,当按照顺序插入1到10000的元素以从小到大顺序插入,二叉搜索树将退化为一个一维的链表(极端不平衡),查询效率从O(logN)急剧降低为O(n)。
我们希望在插入,删除元素时,通过及时的调整二叉搜索树结构,用一系列等价变换的操作,使二叉搜索树始终保持一个适度平衡的状态。我们称这样的二叉搜索树为平衡二叉搜索树(Balanced Binary Search Tree),常见的平衡二叉搜索树有AVL树、红黑树等。
只有平衡二叉搜索树才能始终保证始终高效的查询效率(O(logN)),而不会因为极端数据集合的插入,造成效率的大幅降低。
6.2 完整代码
二叉搜索树ADT接口:
![](https://i-blog.csdnimg.cn/blog_migrate/8f900a89c6347c561fdf2122f13be562.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/961ddebeb323a10fe0623af514929fc1.gif)
1 /** 2 * Map ADT接口 3 */ 4 public interface Map <K,V>{ 5 /** 6 * 存入键值对 7 * @param key key值 8 * @param value value 9 * @return 被覆盖的的value值 10 */ 11 V put(K key,V value); 12 13 /** 14 * 移除键值对 15 * @param key key值 16 * @return 被删除的value的值 17 */ 18 V remove(K key); 19 20 /** 21 * 获取key对应的value值 22 * @param key key值 23 * @return 对应的value值 24 */ 25 V get(K key); 26 27 /** 28 * 是否包含当前key值 29 * @param key key值 30 * @return true:包含 false:不包含 31 */ 32 boolean containsKey(K key); 33 34 /** 35 * 是否包含当前value值 36 * @param value value值 37 * @return true:包含 false:不包含 38 */ 39 boolean containsValue(V value); 40 41 /** 42 * 获得当前map存储的键值对数量 43 * @return 键值对数量 44 * */ 45 int size(); 46 47 /** 48 * 当前map是否为空 49 * @return true:为空 false:不为空 50 */ 51 boolean isEmpty(); 52 53 /** 54 * 清空当前map 55 */ 56 void clear(); 57 58 /** 59 * 获得迭代器 60 * @return 迭代器对象 61 */ 62 Iterator<EntryNode<K,V>> iterator(); 63 64 /** 65 * entry 键值对节点接口 66 * */ 67 interface EntryNode<K,V>{ 68 /** 69 * 获得key值 70 * */ 71 K getKey(); 72 73 /** 74 * 获得value值 75 * */ 76 V getValue(); 77 78 /** 79 * 设置value值 80 * */ 81 void setValue(V value); 82 } 83 }
二叉搜索树实现:
![](https://i-blog.csdnimg.cn/blog_migrate/8f900a89c6347c561fdf2122f13be562.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/961ddebeb323a10fe0623af514929fc1.gif)
/** * 二叉搜索树实现 */ public class TreeMap<K,V> implements Map<K,V>{ /** * 根节点 * */ private EntryNode<K,V> root; /** * 比较器(初始化之后,不能改) * */ private final Comparator<? super K> comparator; /** * 当前二叉树的大小 * */ private int size; /** * 默认构造函数 * */ public TreeMap() { this.comparator = null; } /** * 指定了比较器的构造函数 * */ public TreeMap(Comparator<? super K> comparator) { this.comparator = comparator; } /** * target 和目标节点的相对位置 * */ private enum RelativePosition { /** * 左节点 * */ LEFT, /** * 右节点 * */ RIGHT, /** * 当前节点 * */ CURRENT; } /** * 二叉搜索树 内部节点 * */ static class EntryNode<K,V> implements Map.EntryNode<K,V>{ /** * key值 * */ K key; /** * value值 * */ V value; /** * 左孩子节点 * */ EntryNode<K,V> left; /** * 右孩子节点 * */ EntryNode<K,V> right; /** * 双亲节点 * */ EntryNode<K,V> parent; EntryNode(K key, V value) { this.key = key; this.value = value; } EntryNode(K key, V value,EntryNode<K,V> parent) { this.key = key; this.value = value; this.parent = parent; } @Override public K getKey() { return key; } @Override public V getValue() { return value; } @Override public void setValue(V value) { this.value = value; } @Override public String toString() { return key + "=" + value; } } /** * 二叉搜索树 迭代器实现 * */ private class Itr implements Iterator<Map.EntryNode<K,V>>{ /** * 当前迭代节点 * */ private EntryNode<K,V> currentNode; /** * 下一个节点 * */ private EntryNode<K,V> nextNode; private Itr() { //:::初始化时,nextNode指向第一个节点 this.nextNode = TreeMap.this.getFirstNode(); } @Override public boolean hasNext() { return (this.nextNode != null); } @Override public Map.EntryNode<K, V> next() { this.currentNode = this.nextNode; this.nextNode = TreeMap.this.getSuccessor(this.nextNode); return this.currentNode; } @Override public void remove() { if(this.currentNode == null){ throw new IteratorStateErrorException("迭代器状态异常: 可能在一次迭代中进行了多次remove操作"); } //:::判断当前被删除的节点是否同时存在左右孩子 if(this.currentNode.left != null && this.currentNode.right != null){ /* 同时存在左右孩子的节点删除时会和直接后继(nextNode)进行交换 因此nextNode指向当前节点 */ this.nextNode = this.currentNode; } //:::删除当前节点 TreeMap.this.deleteEntryNode(this.currentNode); //:::currentNode设置为null,防止反复调用remove方法 this.currentNode = null; } } /** * 查找目标节点 返回值 * */ private static class TargetEntryNode<K,V>{ /** * 目标节点 * */ private EntryNode<K,V> target; /** * 目标节点的双亲节点 * */ private EntryNode<K,V> parent; /** * 相对位置 * */ private RelativePosition relativePosition; TargetEntryNode(EntryNode<K, V> target, EntryNode<K, V> parent, RelativePosition relativePosition) { this.target = target; this.parent = parent; this.relativePosition = relativePosition; } } @Override public V put(K key, V value) { if(this.root == null){ this.root = new EntryNode<>(key,value); this.size++; return null; } //:::获得目标节点 TargetEntryNode<K,V> targetEntryNode = getTargetEntryNode(key); if(targetEntryNode.relativePosition == RelativePosition.CURRENT){ //:::目标节点存在于当前容器 //:::暂存之前的value V oldValue = targetEntryNode.target.value; //:::替换为新的value targetEntryNode.target.value = value; //:::返回之前的value return oldValue; }else{ //:::目标节点不存在于当前容器 EntryNode<K,V> parent = targetEntryNode.parent; if(targetEntryNode.relativePosition == RelativePosition.LEFT){ //:::目标节点位于左边 parent.left = new EntryNode<>(key,value,parent); }else{ //:::目标节点位于右边 parent.right = new EntryNode<>(key,value,parent); } this.size++; return null; } } @Override public V remove(K key) { if(this.root == null){ return null; } //:::查询目标节点 TargetEntryNode<K,V> targetEntryNode = getTargetEntryNode(key); if(targetEntryNode.relativePosition != RelativePosition.CURRENT){ //:::没有找到目标节点 return null; }else{ //:::找到了目标节点 //:::从二叉树中删除目标节点 deleteEntryNode(targetEntryNode.target); return targetEntryNode.target.value; } } @Override public V get(K key) { if(this.root == null){ return null; } //:::查询目标节点 TargetEntryNode<K,V> targetEntryNode = getTargetEntryNode(key); if(targetEntryNode.relativePosition != RelativePosition.CURRENT){ //:::没有找到目标节点 return null; }else{ return targetEntryNode.target.value; } } @Override public boolean containsKey(K key) { return (get(key) != null); } @Override public boolean containsValue(V value) { //:::寻找到第一个节点 EntryNode<K,V> entryNode = getFirstNode(); //:::从第一个节点开始,遍历整颗二叉搜索树 while(entryNode != null){ if(Objects.equals(entryNode.value,value)){ //:::当前节点value匹配,返回true return true; }else{ //:::指向下一个直接后继节点 entryNode = getSuccessor(entryNode); } } //:::遍历整颗树之后,还未匹配,返回false return false; } @Override public int size() { return this.size; } @Override public boolean isEmpty() { return (this.size == 0); } @Override public void clear() { this.size = 0; this.root = null; } @Override public Iterator<Map.EntryNode<K, V>> iterator() { return new Itr(); } @Override public String toString(){ Iterator<Map.EntryNode<K,V>> iterator = this.iterator(); //:::空容器 if(!iterator.hasNext()){ return "[]"; } //:::容器起始使用"[" StringBuilder s = new StringBuilder("["); //:::反复迭代 while(true){ //:::获得迭代的当前元素 Map.EntryNode<K,V> data = iterator.next(); //:::判断当前元素是否是最后一个元素 if(!iterator.hasNext()){ //:::是最后一个元素,用"]"收尾 s.append(data).append("]"); //:::返回 拼接完毕的字符串 return s.toString(); }else{ //:::不是最后一个元素 //:::使用", "分割,拼接到后面 s.append(data).append(", "); } } } /** * 获得key对应的目标节点 * @param key 对应的key * @return 对应的目标节点 * 返回null代表 目标节点不存在 * */ private TargetEntryNode<K,V> getTargetEntryNode(K key){ int compareResult = 0; EntryNode<K,V> parent = null; EntryNode<K,V> currentNode = this.root; while(currentNode != null){ parent = currentNode; //:::当前key 和 currentNode.key进行比较 compareResult = compare(key,currentNode.key); if(compareResult > 0){ //:::当前key 大于currentNode 指向右边节点 currentNode = currentNode.right; }else if(compareResult < 0){ //:::当前key 小于currentNode 指向右边节点 currentNode = currentNode.left; }else{ return new TargetEntryNode<>(currentNode, parent, RelativePosition.CURRENT); } } //:::没有找到目标节点 if(compareResult > 0){ //:::返回 右孩子 哨兵节点 return new TargetEntryNode<>(null, parent, RelativePosition.RIGHT); }else if(compareResult < 0){ //:::返回 左孩子 哨兵节点 return new TargetEntryNode<>(null, parent, RelativePosition.LEFT); }else{ throw new RuntimeException("状态异常"); } } /** * key值进行比较 * */ @SuppressWarnings("unchecked") private int compare(K k1,K k2){ //:::迭代器不存在 if(this.comparator == null){ //:::依赖对象本身的 Comparable,可能会转型失败 return ((Comparable) k1).compareTo(k2); }else{ //:::通过迭代器逻辑进行比较 return this.comparator.compare(k1,k2); } } /** * 将目标节点从二叉搜索树中删除 * @param target 需要被删除的节点 * */ private void deleteEntryNode(EntryNode<K,V> target){ /* * 删除二叉搜索树节点 * 1.无左右孩子 * 直接删除 * 2.只有左孩子或者右孩子 * 将唯一的孩子和parent节点直接相连 * 3.既有左孩子,又有右孩子 * 找到自己的直接前驱/后继(左侧的最右节点/右侧的最左节点) * 将自己和直接后继进行交换,转换为第1或第2种情况,并将自己删除 * */ //:::size自减1 this.size--; //:::既有左孩子,又有右孩子 if(target.left != null && target.right != null){ //:::找到直接后继(右侧的最左节点) EntryNode<K,V> targetSuccessor = getSuccessor(target); //:::target的key/value和自己的后继交换 target.key = targetSuccessor.key; target.value = targetSuccessor.value; //:::target指向自己的后继,转换为第一/第二种情况 target = targetSuccessor; } EntryNode<K,V> parent = target.parent; RelativePosition relativePosition = getRelativeByParent(parent,target); //:::获得代替被删除节点原先位置的节点(从左右孩子中选择一个) EntryNode<K,V> replacement = (target.left != null ? target.left : target.right); if(replacement == null){ //:::无左右孩子 //:::直接删除,断开和双亲节点的联系 if(relativePosition == RelativePosition.LEFT){ parent.left = null; }else{ parent.right = null; } target.parent = null; }else{ //:::只有左孩子或者右孩子 replacement.parent = target.parent; //:::被删除节点的双亲节点指向被代替的节点 if(relativePosition == RelativePosition.LEFT){ parent.left = replacement; }else{ parent.right = replacement; } } } /** * 判断双亲节点和目标节点 相对位置 * @param parent 双亲节点 * @param target 目标节点 * @return 相对位置(左孩子/右孩子) */ private RelativePosition getRelativeByParent(EntryNode<K,V> parent,EntryNode<K,V> target){ if(parent.left == target){ return RelativePosition.LEFT; }else if(parent.right == target){ return RelativePosition.RIGHT; }else{ throw new RuntimeException("不是父子节点关系"); } } /** * 获得当前节点的直接后继 * @param targetEntryNode 当前节点 * @return 当前节点的直接后继 */ private EntryNode<K,V> getSuccessor(EntryNode<K,V> targetEntryNode){ if(targetEntryNode == null){ //:::当前节点为null,则后继也为null return null; } //:::判断当前节点是否存在右孩子 if(targetEntryNode.right != null){ //:::存在右孩子,右子树的最左节点为直接后继 EntryNode<K,V> rightChildSuccessor = targetEntryNode.right; //:::循环往复,直至直接右孩子的最左节点 while(rightChildSuccessor.left != null){ rightChildSuccessor = rightChildSuccessor.left; } return rightChildSuccessor; }else{ //:::不存在右孩子,寻找第一个靠右的双亲节点 EntryNode<K,V> parent = targetEntryNode.parent; EntryNode<K,V> child = targetEntryNode; //:::判断当前孩子节点是否是双亲节点的左孩子 while(parent != null && parent.right == child){ //:::不是左孩子,是右孩子,继续向上寻找 child = parent; parent = parent.parent; } return parent; } } /** * 获得二叉搜索树的第一个节点 * */ private EntryNode<K,V> getFirstNode(){ if(this.root == null){ //:::空树,返回null return null; } EntryNode<K,V> entryNode = this.root; //:::循环往复,寻找整棵树的最左节点(最小节点、第一个节点) while(entryNode.left != null){ entryNode = entryNode.left; } return entryNode; } }
我们已经实现了一个二叉搜索树,遗憾的是,实现的并不是更强大的平衡二叉搜索树。
平衡二叉搜索树的实现远比普通二叉搜索树复杂,难理解。但凡事不能一蹴而就,要想理解更复杂的平衡二叉搜索树,理解普通的、非平衡的二叉搜索树是基础的一步。希望大家能更好的理解二叉搜索树,更好的理解自己所使用的数据结构,写出更高效,易维护的程序。
本系列博客的代码在我的 github上:https://github.com/1399852153/DataStructures ,存在许多不足之处,请多多指教。