1 红黑树
红黑树是一种自平衡的二叉树，他可以避免二分搜索树在极端情况下蜕化成链表的情况。
1.2 2-3树
2-3树构建过程：
在2-3树中插入35和25
再插入37时，一个节点就包含三个元素，就要进行分裂：
插入20和33：
再插入17和43：
插入27和35，两个节点都能容纳新的元素：
那么再最后插入22，结果发现，一个节点容纳了3个元素，要进行分裂，但是分裂后，叶子节点的高度不一致了，那么就要再进行聚合操作，如下所示：
1.3 2-3转红黑树
我们可以采用左倾红黑树的方式，来将2-3树转换为红黑树，转换规则如下：
2-3树：
1.4 红黑树的性质
① 所有的节点要么是黑色的要么是红色的；
② 根节点是黑色的；
③ 叶子结点是黑色的；
④ 每一个红色节点的子节点都是黑色的；
⑤ 从任意节点到子节点经过的黑色节点个数是相同的。
③中描述的叶子节点一定是黑色，和上图不符合，是因为33中还有两个为空的子节点。
2 HashMap源码解析
2.1 成员变量
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 默认初始容量大小：2的4次方 16
static final int MAXIMUM_CAPACITY = 1 << 30; //最大容量：2的30次方,Integer.MAX_VALUE
static final float DEFAULT_LOAD_FACTOR = 0.75f;//默认加载因子
static final int TREEIFY_THRESHOLD = 8; //计数阈值至少为8转化为使用树而不是列表
static final int UNTREEIFY_THRESHOLD = 6; //计数阈值小于6反树化，即红黑树转为列表
static final int MIN_TREEIFY_CAPACITY = 64; //可对桶进行树化的最小表容量
transient Node<K,V>[] table; //表在第一次使用时初始化，大小调整为必要的。在分配时，长度总是2的幂。在某些操作中，我们也允许长度为零。目前不需要的引导机制。)
transient Set<Map.Entry<K,V>> entrySet; //保存缓存的entrySet()
transient int size; //包含的键值映射的元素数量
transient int modCount; //HashMap在结构上被修改的次数，用于快速失败机制
int threshold; // 调整大小的阈值(容量*负载因子)
final float loadFactor; //哈希表扩容使用的负载因子
2.2 构造函数
public HashMap() {
// DEFAULT_LOAD_FACTOR = 0.75f;当比例达到0.75时，进行扩容
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
// 主要对两个参数进行校验
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0) {
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
}
if (initialCapacity > MAXIMUM_CAPACITY) {
initialCapacity = MAXIMUM_CAPACITY;
}
if (loadFactor <= 0 || Float.isNaN(loadFactor)) {
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
}
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
// 直接调用两个参数的构造方法
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
2.3 put方法
直接调用putVal方法，putVal方法解析见：2.5
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
2.4 hash(key)
通过扰动函数，重新计算hashCode的值
“>>>”:右移16位，所以原来的低16位消失了，高16位变成了低16为，现在的高16位变成了0
按位异或运算（^）：两个数转为二进制，然后从高位开始比较，如果相同则为0，不相同则为1。
static final int hash(Object key) {
int h;
/**
扰动函数————(h = key.hashCode()) ^ (h >>> 16) 表示：
将key的hashCode一分为二。其中：
【高半区16位】数据不变。
【低半区16位】数据与高半区16位数据进行异或操作，以此来加大低位的随机性。
注意：如果key的哈希code小于等于16位，那么是没有任何影响的。只有大于16位，才会触发扰动函数的执行效果。
*/
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
2.5 putVal方法
向HashMap中添加k-v元素
/**
* 向HashMap中添加k-v元素
*
* @param onlyIfAbsent 如果是true,则不改变已存在的value值，传入的为false，所以会随时更新
@param evict 驱逐，赶出，逐出（空方法，未使用）
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
Node<K, V>[] tab;
Node<K, V> p;
int n, i;
/** 1：如果是空的table，那么默认初始化一个长度为16的空的Node[]数组 */
if ((tab = table) == null || (n = tab.length) == 0)
// resize()见：2.6
n = (tab = resize()).length;
/** 2：如果计算后的下标i，在tab数组中没有数据，那么则直接在下标i处，新增Node节点 */
// i = (n - 1) & hash：寻址操作，结果：0~n-1，判断有没有哈希冲突
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
/** 3：如果计算后的下标i，在tab数组中已存在数据，则执行以下逻辑 */
else {
Node<K, V> e;
K k;
/** 3-1：如果与已存在的Node是相同的key值 */
// hash值相同，key值相同，说明只是更新value操作
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
e = p;
/** 3-2：如果与已存在的Node是相同的key值，并且是树节点 */
else if (p instanceof TreeNode)
e = ((TreeNode<K, V>) p).putTreeVal(this, tab, hash, key, value);
/** 3-3：如果已存在的Node是链表节点，则循环遍历链表，并对比hash和key，如果都不相同，则将新的Node拼装到链表的末尾；如果相同，则对节点的value进行更新 */
else {
// binCount 节点个数
for (int binCount = 0; ; ++binCount) {
/** case1：如果遍历到了链表的最后一个Node节点，则创建新的节点并拼接到链表尾部，并跳出循环 */
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// binCount从0开始，也就是链表中第2个node对应binCount=0，
// 如果Node链表大于8个Node，那么试图变为红黑树
// TREEIFY_THRESHOLD：树化阈值
if (binCount >= TREEIFY_THRESHOLD - 1)
// treeifyBin 解析见：2.7
treeifyBin(tab, hash);
break;
}
/** case2：循环链表的过程中找到了key值相同的节点，直接跳出循环，更新value */
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
/** 3-4：如果存在相同的key值，更新value值 */
if (e != null) {
V oldValue = e.value;
// 如果onlyIfAbsent=false或者oldValue不为空，则将新的value值进行更新
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e); // 空方法
return oldValue;
}
}
++modCount;
/** 4：如果长度超过阈值，则执行扩容操作 */
if (++size > threshold) resize();
afterNodeInsertion(evict); // 空方法
return null;
}
2.6 resize方法
table扩容
/**
* 执行table扩容操作
*
* 常量命名解释：
* Tab——>Table 表
* Cap——>Capacity 容量
* Thr——>Threshold 阈值
*/
final Node<K, V>[] resize() {
Node<K, V>[] oldTab = table; // 旧的table表
int oldCap = (oldTab == null) ? 0 : oldTab.length; // 旧table表的容量
int oldThr = threshold; // 旧table表的阈值
int newCap = 0; // 新table表的容量
int newThr = 0; // 新table表的阈值
/**
* Part 1：根据情况，调整新表的容量newCap和阈值newThr
*/
/** 1-1：如果老table的容量大于0 **/
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // 新table【阈值】和【容量】都扩容为旧table【阈值】和【容量】的2倍
}
/** 1-2：oldCap小于等于0 而 oldThr大于0 */
else if (oldThr > 0) newCap = oldThr;
/** 1-3：新的HashMap，第一次请求put方法，创建底层table数组及相关变量 */
else {
newCap = DEFAULT_INITIAL_CAPACITY; // 默认值：16
newThr = (int) (DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); // 默认为：12
}
if (newThr == 0) {
float ft = (float) newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float) MAXIMUM_CAPACITY ? (int) ft : Integer.MAX_VALUE);
}
threshold = newThr;
/** 1-4：构建新的table数组 */
@SuppressWarnings({"rawtypes", "unchecked"})
Node<K, V>[] newTab = (Node<K, V>[]) new Node[newCap];
table = newTab;
/**
* Part 2：如果老的table里有数据，则进行数据迁移
*/
if (oldTab != null) {
// 复制逻辑，将旧数组数据复制到新数组中
/** 2-1：遍历存储于旧table数组中的每条链表 */
for (int j = 0; j < oldCap; ++j) {
Node<K, V> e;
if ((e = oldTab[j]) != null) { // 如果在旧table数组中j的位置存在一条链表，则进行数据迁移操作
oldTab[j] = null;
/** case1：针对【单节点】进行数据迁移操作*/
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
/** case2：针对【红黑树】进行数据迁移操作 */
else if (e instanceof TreeNode)
((TreeNode<K, V>) e).split(this, newTab, j, oldCap);
/** case3：针对【链表】进行数据迁移操作 */
else {
Node<K, V> loHead = null; // 【低位】链表【头】指针
Node<K, V> loTail = null; // 【低位】链表【尾】指针
Node<K, V> hiHead = null; // 【高位】链表【头】指针
Node<K, V> hiTail = null; // 【高位】链表【尾】指针
Node<K, V> next;
do {
next = e.next;
// 数组扩容后，链表存放的位置和原来的位置可能不一样
// 下方的判断逻辑是确定链表将存放在低位还是高位
/** case3-1：节点e需要被存放在新table的【低位】链表中 */
if ((e.hash & oldCap) == 0) { // eg1：oldCap=16=0010000；&计算结果如果为0，说明e.hash的第5位是0，否则是1
if (loTail == null) loHead = e; // 设置【头】指针
else loTail.next = e; // 拼装链表
loTail = e; // 设置【尾】指针
}
/** case3-2：节点e需要被存放在新table的【高位】链表中 */
else {
if (hiTail == null) hiHead = e; // 设置【头】指针
else hiTail.next = e; // 拼装链表
hiTail = e; // 设置【尾】指针
}
}
while ((e = next) != null); // 获取链表的下一个节点
/** case3-3：如果存在【低位】链表，则将其赋值到新table中 */
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
/** case3-4：如果存在【高位】链表，则将其赋值到新table中 */
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
2.7 treeifyBin方法
在putVal中调用是试图转化成红黑树，并不是一定会转化，看下面代码中的1，还有一次判断，tab为空或者长度小于MIN_TREEIFY_CAPACITY时，最小树容量：MIN_TREEIFY_CAPACITY=64
/**
* 替换bin中给定哈希索引处的所有链接节点，除非表太小，在这种情况下调整大小。
*/
final void treeifyBin(Node<K, V>[] tab, int hash) {
int n;
int index;
Node<K, V> e;
/** 1：当表tab的长度小于64时，只扩展数组大小，不转换为红黑树 */
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
/** 2：如果新增的node要插入的数组位置已经有链表存在了，则将该链表转换为红黑树 */
else if ((e = tab[index = (n - 1) & hash]) != null) {
/** 2-1：遍历链表中每个节点，将Node转化为TreeNode */
TreeNode<K, V> hd = null; // 指向头节点
TreeNode<K, V> tl = null; // 指向尾节点
do {
// replacementTreeNode 只是将Node转为TreeNode
// new TreeNode<>(p.hash, p.key, p.value, next)
TreeNode<K, V> p = replacementTreeNode(e, null);
// 将每个Node转换为TreeNode，以hd为头节点，
// 每个TreeNode用prev和next连接成新的TreeNode链表（双向链表）
if (tl == null) {
hd = p;
} else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
/** 32-2：如果头节点hd不为null，则TreeNode链表进行树型化操作 */
if ((tab[index] = hd) != null)
// treeify解析见：2.8
hd.treeify(tab);
}
}
2.8 treeify方法
将TreeNode双向连边转换成树
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
// 1. 遍历双向链表中的每一个TreeNode
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
// 2. 如果根节点为空，就将第一个TreeNode作为root节点
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
for (TreeNode<K,V> p = root;;) {
// 3. 通过dir的值确定插入的大致位置，是当前节点的左侧还是右侧
int dir, ph;
K pk = p.key;
// 父节点大于当前节点
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);
// 4. 通过上面dir的值插入节点
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
// 红黑树平衡调整，解析见：2.9
root = balanceInsertion(root, x);
break;
}
}
}
}
moveRootToFront(tab, root);
}
�2.9 balanceInsertion方法
红黑树平衡调整
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root, TreeNode<K,V> x) {
x.red = true;
// xp:x的父节点，xpp：x父节点的父节点......
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) {
// 没有根节点，将自己变为根节点
if ((xp = x.parent) == null) {
x.red = false;
return x;
}
// x父节点为黑色，或者没有祖父节点
else if (!xp.red || (xpp = xp.parent) == null)
return root;
// x的父节点在x祖父节点的左侧
if (xp == (xppl = xpp.left)) {
// 祖父节点的右子节点是红色节点，则将祖父节点的左右两个节点都变为黑色，祖父节点变为红色
// 图解见图2.9.1场景一
if ((xppr = xpp.right) != null && xppr.red) {
xppr.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
// 旋转+变色，如果xpp不存在右子节点，或者该节点是黑色
else {
if (x == xp.right) {
// 【左旋+变色】，图解见：图2.9.2，步骤一
root = rotateLeft(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
// 右旋+变色，图解见：图2.9.2，步骤二
root = rotateRight(root, xpp);
}
}
}
}
// x的父节点在x祖父节点的右侧
else {
// 祖父节点的左子节点是红色节点，则将祖父节点的左右两个节点都变为黑色，祖父节点变为红色
// 图解见图2.9.1场景二
if (xppl != null && xppl.red) {
xppl.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
// 【旋转+变色】操作：如果xpp不存在左子节点 或者 该节点是黑色的
else {
// 【右旋+变色】，如果x的父节点，图解见：图2.9.3，步骤一
if (x == xp.left) {
root = rotateRight(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
// 左旋+变色，图解见：图2.9.3，步骤二
root = rotateLeft(root, xpp);
}
}
}
}
}
}
图2.9.1 变色操作
图2.9.2 变色+旋转
图2.9.3 变色+旋转
3 红黑树插入节点转换过程
1218
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
