红黑树

HashMap 文章目录 HashMap 基本属性 构造函数 无参构造 HashMap(int,float)型构造函数 HashMap(int)型构造函数 `HashMap(Map)型构造函数` HashMap常用方法 put方法 hash方法 putVal方法 寻找key对应的映射关系: treeifyBin方法 treeify方法 get方法 resize方法 hashmap的实现原理：首先有一个每个元素都是链表（可能表述不准确）的数组，当添加一个元素时，就首先计算元素key的hash值，以此确定插入数组中的位置，但是可能存在同一hash值的元素已经被放在数组同一位置了，这时就添加到同一hash值的元素的后面，他们在数组的同一位置，但是形成了链表，同一各链表上的Hash值是相同的，所以说数组存放的是链表。而当链表长度太长时，链表就转换为红黑树，这样大大提高了查找的效率。 当链表数组的容量超过初始容量的0.75时，再散列将链表数组扩大2倍，把原链表数组的搬移到新的数组中 当table中的元素足够多时，发生冲突的概率就会大大增加，冲突的增多会导致每个桶中的元素个数变多，这样的话会使得查找元素效率变得低下，当同一个桶中元素个数达到8时，桶中的元素结构将转换为红黑树。 基本属性 public class HashMap < K , V > extends AbstractMap < K

2-3树 定义：每个节点有两个或三个节点 分类： 2-节点：一个节点有1个元素，且有两个孩子 3-节点：一个节点有2个元素，且有三个孩子 基本性质 满足二分搜索树的基本性质 一个节点可以存放一个或两个元素 2-3树是一颗绝对平衡的树（左右子树的高度相等） 2-3树元素的添加 添加元素的规则 新添加的元素不会添加到空节点上，而是添加到最后搜索到的叶子结点，再与之融合在一起 如果新加入的元素与2-节点融合，直接融合，形成3-节点 如果新加入的元素与3-节点融合，先融合形成4-节点，再进行拆分成每个节点有两个孩子的三个节点。 不能超过3-节点，即一个节点不能有超过三个孩子 添加的元素依次为 42，37，12，18，6，11，5 总结： 12为根节点不需要再向上与父节点融合，本次的添加操作结束 每一步的操作都体现了2-3树的绝对平衡性 一般流程：插入-融合-拆分 红黑树与2-3树的等价性 红黑树的基本性质 每个节点要么是红色要么是黑色 根节点是黑色 每一个叶子节点(最后的空节点)是黑色的 如果一个节点为红色，其孩子为黑色 从任意一个节点到叶子节点，经过的黑色节点的数量是一样的 红黑树的红色节点对应就是2-3树中3-节点的左结点 红黑树是“黑平衡”的二叉树，左右子树的黑色节点的高度差保持绝对的平衡。但不是平衡二叉树。最大高度h=2*log^n 经过log^n级别的黑色节点

哈希表 1.介绍 哈希表就是一种以 键-值(key-indexed) 存储数据的结构，我们只要输入待查找的值即key，即可查找到其对应的值。 哈希的思路很简单，如果所有的键都是整数，那么就可以使用一个简单的无序数组来实现：将键作为索引，值即为其对应的值，这样就可以快速访问任意键的值。这是对于简单的键的情况，我们将其扩展到可以处理更加复杂的类型的键。 2.链式哈希表 链式哈希表从根本上说是由一组链表构成。每个链表都可以看做是一个“桶”，我们将所有的元素通过散列的方式放到具体的不同的桶中。插入元素时，首先将其键传入一个哈希函数（该过程称为哈希键），函数通过散列的方式告知元素属于哪个“桶”，然后在相应的链表头插入元素。查找或删除元素时，用同们的方式先找到元素的“桶”，然后遍历相应的链表，直到发现我们想要的元素。因为每个“桶”都是一个链表，所以链式哈希表并不限制包含元素的个数。然而，如果表变得太大，它的性能将会降低。 3.应用场景 我们熟知的缓存技术（比如redis、memcached）的核心其实就是在内存中维护一张巨大的哈希表，还有大家熟知的HashMap、CurrentHashMap等的应用。 ConcurrentHashMap与HashMap等的区别 1.HashMap 我们知道HashMap是线程不安全的，在多线程环境下，使用Hashmap进行put操作会引起死循环

1.底层结构发生变化 jdk 1.7底层结构是：数组（Segment）+ 链表（HashEntry节点）组成 使用分段锁技术，将整个数据结构分段（默认为16段）进行存储，将数据分成一段一段的存储，然后给每一段数据配一把锁，当一个线程占用锁访问其中一个段数据的时候，其他段的数据也能被其他线程访问，能够实现真正的并发访问。如下图是ConcurrentHashMap的内部结构图： 从上面的结构我们可以了解到，ConcurrentHashMap定位一个元素的过程需要进行两次Hash操作。 第一次Hash定位到Segment，第二次Hash定位到元素所在的链表的头部。 jdk1.8底层结构是：Node数组+链表 / 红黑树 其实就是JDK 1.8中的hashMap结构 Node数组使用来存放树或者链表的头结点，当一个链表中的数量到达一个数目时，会使查询速率降低，所以到达一定阈值时，会将一个链表转换为一个红黑二叉树，通告查询的速率。 相互转化跟JDK1.8版本的hashMap保持一致 2、代码层实现 （1）、put方法 步骤： 1、检查Key或者Value是否为null，如果是null抛出空指针异常 2、得到Kye的hash值 3、如果Node数组是空的，此时才初始化 initTable()， 4、如果找的对应的下标的位置为空，直接new一个Node节点并放入， break； 5

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 树： 树是 n个结点 的有限集合，有且仅有一个 根结点， 其余结点可分为m个根结点的 子树。 度： 指的是一个节点拥有子节点的个数。如二叉树的节点的最大度为2。 高度/深度： 数的层数，根节点为第一层，依次类推。 叶子节点： 度为0的节点，即没有子节点的节点。 二叉树： 在二叉树中每个节点最多有两个子节点，一般称为左子节点和右子节点（或左孩子和右孩子） 前序遍历（前根遍历）： 根 ——>左——>右 中序遍历（中根遍历）：左——> 根 ——>右 后序遍历（后根遍历）：左——>右——> 根 满二叉树： 在一棵二叉树中，如果所有分支结点都有左孩子和右孩子结点，并且叶子结点都集中在二叉树的最下层，这样的树叫做满二叉树 高度为h，由2^h-1个节点构成的二叉树。 完全二叉树： 二叉树的深度为h，除第 h 层外，其它各层 (1～h-1) 的结点数都达到最大个数(即1~h-1层为一个满二叉树)，第 h 层所有的结点都连续集中在最左边。 二叉查找树(BST)： 又称二叉排序树，亦称二叉搜索树(Binary Search Tree)。 定义： 一棵空树，或者是具有下列性质的二叉树： 1）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； 2）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； 3）左

一：常用的数据结构 众所周知， ArrayList 是基于数组的数据结构实现的，LinkedList 是基于链表的数据结构实现的，而 HashMap 是基于哈希表的数据结构实现的。我们不妨一起来温习下常用的数据结构。 数组： 采用一段连续的存储单元来存储数据。对于指定下标的查找，时间复杂度为 O(1)，但在数组中间以及头部插入数据时，需要复制移动后面的元素。 链表： 一种在物理存储单元上非连续、非顺序的存储结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。链表由一系列结点（链表中每一个元素）组成，结点可以在运行时动态生成。每个结点都包含“存储数据单元的数据域”和“存储下一个结点地址的指针域”这两个部分。由于链表不用必须按顺序存储，所以链表在插入的时候可以达到 O(1) 的复杂度，但查找一个结点或者访问特定编号的结点需要 O(n) 的时间。 哈希表： 根据关键码值（Key value）直接进行访问的数据结构。通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做哈希函数，存放记录的数组就叫做哈希表。 树： 由 n（n≥1）个有限结点组成的一个具有层次关系的集合，就像是一棵倒挂的树。 二：HashMap 的实现结构 了解完数据结构后，我们再来看下 HashMap 的实现结构。作为最常用的 Map 类，它是基于哈希表实现的，继承了 AbstractMap

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 哈希表 1.介绍 哈希表就是一种以 键-值(key-indexed) 存储数据的结构，我们只要输入待查找的值即key，即可查找到其对应的值。 哈希的思路很简单，如果所有的键都是整数，那么就可以使用一个简单的无序数组来实现：将键作为索引，值即为其对应的值，这样就可以快速访问任意键的值。这是对于简单的键的情况，我们将其扩展到可以处理更加复杂的类型的键。 2.链式哈希表 链式哈希表从根本上说是由一组链表构成。每个链表都可以看做是一个“桶”，我们将所有的元素通过散列的方式放到具体的不同的桶中。插入元素时，首先将其键传入一个哈希函数（该过程称为哈希键），函数通过散列的方式告知元素属于哪个“桶”，然后在相应的链表头插入元素。查找或删除元素时，用同们的方式先找到元素的“桶”，然后遍历相应的链表，直到发现我们想要的元素。因为每个“桶”都是一个链表，所以链式哈希表并不限制包含元素的个数。然而，如果表变得太大，它的性能将会降低。 3.应用场景 我们熟知的缓存技术（比如redis、memcached）的核心其实就是在内存中维护一张巨大的哈希表，还有大家熟知的HashMap、CurrentHashMap等的应用。 ConcurrentHashMap与HashMap等的区别 1.HashMap 我们知道HashMap是线程不安全的

​ 这里是修真院后端小课堂，每篇分享文从 本篇分享的是：【HashMap 】 （1）背景介绍： 不讲HashMap的使用方法，看一看底层的源码是什么？ 思考：HashMap使用key,·value进行存储，使用的数据结构是什么？ 我们知道数组和链表两种数据结构 数组： 优点：查询速度快 缺点：增加和删除慢 链表： 优点：增加和删除快 缺点：查询速度慢 那我们可不可以将两者的优点结合一下，达到查询、增加、删除效率都非常快呢？ 所以我们猜测一下，HashMap能否源码底层数据结构是采用的链表+数组的形式呢？ （2）知识剖析： 1.HashMap数据底层具体存储的是什么？ Java是一门面向对象开发的语言，可以把所有东西可以看做是对象。 通过查看源码可知：map里面的key和value都保存在了这个Node对象里面。 class Node<K,V>{ private K key; //用来定位数组索引位置 private V value; private Node<K,V> next; //链表的下一个node } 2.数组怎么表示？ transient Node< K,V>[] table; 每个列表被称为桶，即哈希桶数组，是一个Node的数组。 HashMap使用哈希表进行存储。怎样得到表中对象的索引位置？ key.hashCode( )----->hashCode-----

HashMap 简介 HashMap 主要用来存放键值对，它基于哈希表的Map接口实现，是常用的Java集合之一。 JDK1.8 之前 HashMap 由 数组+链表 组成的，数组是 HashMap 的主体，链表则是主要为了解决哈希冲突而存在的（“拉链法”解决冲突）.JDK1.8 以后在解决哈希冲突时有了较大的变化，当链表长度大于阈值（默认为 8）时，将链表转化为红黑树（将链表转换成红黑树前会判断，如果当前数组的长度小于 64，那么会选择先进行数组扩容，而不是转换为红黑树），以减少搜索时间，具体可以参考 treeifyBin 方法。 底层数据结构分析 JDK1.8之前 JDK1.8 之前 HashMap 底层是 数组和链表 结合在一起使用也就是 链表散列 。 HashMap 通过 key 的 hashCode 经过扰动函数处理过后得到 hash 值，然后通过 (n - 1) & hash 判断当前元素存放的位置（这里的 n 指的是数组的长度），如果当前位置存在元素的话，就判断该元素与要存入的元素的 hash 值以及 key 是否相同，如果相同的话，直接覆盖，不相同就通过拉链法解决冲突。 所谓扰动函数指的就是 HashMap 的 hash 方法。使用 hash 方法也就是扰动函数是为了防止一些实现比较差的 hashCode() 方法 换句话说使用扰动函数之后可以减少碰撞 JDK 1

红黑树是一棵二叉搜索树，它在每个节点上增加了一个存储位来表示节点的颜色，可以是Red或Black。通过对任何一条从根到叶子简单路径上的颜色来约束，红黑树保证最长路径不超过最短路径的两倍，因而近似于平衡。 红黑树是满足下面红黑性质的二叉搜索树： 每个节点，不是红色就是黑色的； 根节点是黑色的； 如果一个节点是红色的，则它的两个子节点是黑色的； 对每个节点，从该节点到其所有后代叶节点的简单路径上，均包含相同数目的黑色节点； 每个叶子节点都是黑色的（这里的叶子节点是指的空节点） 思考：为什么满足上面的颜色约束性质，红黑树能保证最长路径不超过最短路径的两倍？ 如图：所能增加的红节点数最多和黑节点数目一样多，故红黑树能保证最长路径不超过最短路径的两倍。 一、判断是否是红黑树： //判断是否是红黑树 bool isRBTree() { int BlackNodeNum = 0; int curBlackNodeNum = 0; Node* cur = _root; while (cur) { if (cur->_col == BLACK) { BlackNodeNum++; } cur = cur->_left; } return _isRBTree(_root, BlackNodeNum, curBlackNodeNum); } bool _isRBTree(Node* root, int