红黑树

1.hashmap结构(jdk1.8) 结构:hashmap采用数组+链表+红黑树的结构, 数组用查询快的特点,但是插入数据慢,链表有插入快的特点,但是查询慢,所以hashmap结合两者,而红黑树是为了链表过长影响查询速度,将链表转化为红黑树. 源码: //hashmap默认初始化容量 static final int DEFAULT_INITIAL_CAPACITY = 1 << 4 ; // aka 16 //最大容量 static final int MAXIMUM_CAPACITY = 1 << 30 ; //默认填充因子 static final float DEFAULT_LOAD_FACTOR = 0.75f ; //当大于时将链表转化为红黑树 static final int TREEIFY_THRESHOLD = 8 ; //当小于时,将树转化为链表 static final int UNTREEIFY_THRESHOLD = 6 ; //当table个数大于等于时才能转化为红黑树 static final int MIN_TREEIFY_CAPACITY = 64 ; //包含key-value个数 transient int size ; //hashmap被修改次数 transient int modCount ; //要调整大小的下一个大小值(容量

HashMap 可以说是使用频率最高的处理键值映射的数据结构，它不保证插入顺序，允许插入 null 的键和值。本文采用 JDK8 中的源码，深入分析 HashMap 的原理、实现和优化。首发于微信公众号 顿悟源码 . 1. 基本结构 HashMap 基于散列表实现，使用 拉链法 处理碰撞，在 JDK8 中，当链表长度大于 8 时转为 红黑树 存储，基本结构如下： HashMap 有一个 Node<K,V>[] table 字段，即哈希桶数组，数组元素是 Node 对象，结构定义如下： static class Node<K,V> implements Map.Entry<K,V> { final int hash; // 用于计算数组索引 final K key; V value; Node<K,V> next; // 后继节点，下一个 Node Node(int hash, K key, V value, Node<K,V> next) { ... } ... } 哈希桶数组会在首次使用时初始化，默认大小是 16，并根据需要调整大小，且长度总是 2 的次幂。如果构造函数设置的初始容量不是 2 的次幂，那么使用以下方法返回一个 大于且最靠近 它的 2 的次幂的值： static final int tableSizeFor(int cap) { int n = cap - 1; n

一、概述 什么是跳表 跳表怎么实现 二、跳表 1. 跳表的定义和实现意义 我们知道二分查找法的前提是有序数组，那么有没有类似的让链表也证婚词类似"二分"查找的算法，那就是 跳表 了：它支持快速的插入、删除、查找操作，实现方式没有红黑树那么复杂，甚至可以代替它。Redis的有序集合就是使用跳表实现的， 链表的随机访问数据的时间复杂度是O(n)，我们在链表的基础上，每两个结点提取一个结点到上一级，我们把抽出来的那一级叫作 索引 或 索引层 。图中的 down 表示 down 指针，指向下一级结点。 假如我们要差早16这个元素，我们通过第一级索引进行遍历，当到达13是，发现下一索引元素的值为17，那么16就应该在13和17之间，然后从索引层的13利用down指针，查找到原始链表的13，开始往后遍历得到需要查找的元素，原来需要对遍历10个，现在只需要6个节点；效率提高了；**如果在第一级索引上，在提取一层索引，会怎样呢？ 这里直接查找1-64个元素，体验下效率： 查找效率从62次到了11次，这就是跳表。 2. 跳表的时间复杂度 普通链表的时间复杂度是O(N)，怎么计算跳表的时间复杂度呢？ 每两个结点会抽出一个结点作为上一级索引的结点，那第一级索引的结点个数大约就是 n/2，第二级索引的结点个数大约就是 n/4，第三级索引的结点个数大约就是 n/8，依次类推，也就是说，第 k

集合笔记 集合架构 Collection（接口）： API: 遍历方式： Set（接口）： HashSet： HashSet研究的两个问题： LinkedHashSet： TreeSet： TreeSet的排序： List（接口）： ArrayList： 遍历方式 LinkedList： 遍历方式：同ArrayList（略） LinkedList和ArrayList的区别 Vector：（淘汰） 遍历方式：同ArrayList（略） 总结： map（接口）： HashMap： LinkedHashMap： HashTable： TreeMap： IdentityHashMap： ConcurrentHashMap： Properties： 集合工具类 Collections工具类： 集合架构 Collection（接口）： 所有单例集合的父类Collection集合的功能所有单例集合都可以直接使用； API: public boolean add(E e)： 把给定的对象添加到当前集合中 。 public void clear() :清空集合中所有的元素。 public boolean remove(E e): 把给定的对象在当前集合中删除。 public boolean contains(Object obj): 判断当前集合中是否包含给定的对象。 public boolean

百度一面: 电话面试，问的东西比较广，时长34分59秒 1、自我介绍 2、介绍一下项目 3、知识点的连环攻击，问到你不会为止 GC回收算法 主要有计数器算法和可达性算法 计数器算法：即对象被引用 为其加一 ，未被引用，为其减一 ，如果计数器数字为0，即可将对象GC回收 可达性算法（root）：可达性算法是根据有向图的方式进行对象间关系的连接的，如果一个对象并没有被root进行有向图走向连接到的话，这个就可以进行GC回收 如果相对一个对象进行回收，也可以手动调用System.gc()的方法 标记清除、标记整理、复制、分代 标记清除：就是将要被回收的对象标记出来，然后进行清除，但是这样会造成很多的，内存碎片 标记整理：就是同样将要被回收的对象标记出来，但是进行清除时，会将 后面的对象进行移动，减少了内存碎片的产生，但是会造成资源的浪费 复制：将内存区域分为了左右两个区域，将不需要回收的对象复制到另一边，但是这种情况会让我们实际能够进行应用的内存区域缩短了一半 分代：主要是将内存区域分为新生代和老年代，新生代包括eden和from suvior和to suvior区 比例时8：1：1，主要使用的是复制算法 老年代中存放的是在每一次换区都会为他们进行＋1，好像+到6就可以被存放到老年代，然后老年代使用的就是标记整理算法了，可能也是在老年代的元素不会轻易的就被删除

基础知识就像是一座大楼的地基，它决定了我们技术的高度 在面试中，关于树的问题是很多的，例如简单点的会问你关于树的前中后序的遍历顺序是怎样的？难点会让你手写关于树的算法题，又或是在Java后端面试中也会涉及到一些树的知识，例如在 HashMap 中产生哈希冲突生成的链表到一定条件下为什么要转成红黑树？，为什么要用红黑树而不用B+树呢？在Mysql中索引的存储为什么用B+树而不用其他树等等。其实这些东西我们在日常开发过程中都会用到，其实每个程序员都不甘心每天工作只是 CRUD ，那么这些数据结构其实就是内功，我们学会了它在日常工作分析问题，选用什么集合，排序怎么排，这些问题中我们会多一些选择。 什么是树 树（英语：tree）是一种抽象数据类型（ADT）或是实现这种抽象数据类型的数据结构，用来模拟具有树状结构性质的数据集合。它是由n（n>0）个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。 再完备的定义也没有图直观，我们先来看一下图（这里借用数据结构与算法作者王争老师的图，下面看到类似风格的图都是如此）。 我们可以看到这里的树和我们现实生活的树是十分相像的，其中每个元素我们称之为节点，而用直线相连的关系我们称之为父子关系。那么什么才能称之为树呢？ 每个节点都只有有限个子节点或无子节点 没有父节点的节点称为根节点

数据结构 树（下） 一、概述 　　 AVL树、伸展树、红黑树搜索树算法保证最坏情况或者一系列操作情况下，搜索、插入和删除的操作的时间复杂度是 O(logn) 。本文 主要内容包含：平衡搜索树中的AVL树、伸展树、（2,4）树、红黑树 和（a，b）树、B树等实际运用的树数据结构。 二叉搜索树的删除 二、AVL树 1、基本知识 1、AVL树是维持对数 O(logn) 的高度的特殊二叉搜索树。“高度”指根节点到叶子节点最长路径上的节点的数量。“None”的孩子的高度是0，叶子节点的高度是1，父节点是叶子节点的高度加1 2、AVL树具有 高度平衡属性：对于树T的每个位置P，P的孩子的高度最多相差 1。AVL树子树也是一颗AVL树！ 3、一个高度为h（h≥3）的拥有最少节点的AVL树，必须有两颗子树：一颗高度 h-1，另一颗高度为 h-2：n(h)=1+n(h-1)+n(h-2) h≥3 (n(1)=1、n(2)=2) 4、AVL树的高度h和节点总数n的关系： h < 2log n +2 5、AVL树平衡因子是指位置p的两颗子树高度差 （左树减右树/右树减左树） ，平衡因子 的绝对值 不大于1。 2、更新操作 1、插入，AVL树在叶子节点产生一个新的节点插入新节点p，导致p的祖先节点不满足高度平衡属性，通过trinode重组，两次“旋转”重建树T，使其满足AVL树的高度平衡属性 2、删除

笔者博客地址： https://charpty.com 我记得面试的时候，经常问问别人 hashmap 实现，说着说着就免不了讲讲红黑树，平常都是用现成的，考察别人红黑树也只是看下是否喜欢专研、有学习劲。 有一次有个同学告诉我他讲不清楚但是可以写一下，很惭愧，全忘了，一下子让我写一个，伪代码都够呛了，跑起来更不行。 我给自己想了个简单的记法，父红叔红就变色，父红叔黑靠旋转，删黑两孩很麻烦，叔黑孩最很简单。 – 红黑树 红黑树是AVL树的进一步加强，正是二叉平衡查找树有问题才引出了红黑树，和典型数据结构一样，在适当的场景使用红黑树可以很大程度的提高性能。 红黑树首先是一棵二叉查找树，节点的左孩子都比节点小，节点的右孩子都比节点大，与AVL平衡树期望带到的效果一样，都想左右子树的深度相差不要太大，尽量平衡，以便提供平均查找效率。 先记住一下红黑树的以下几个特性，不用急着回忆，后面代码写着写着自然就想起来了。 节点要么是黑色要么是红色，根节点固定为黑色，叶子节点也固定为黑色（不关键特性3合一） 子节点和父节点不能同时为红色，子父不连红。 从一个节点到其通向到所有叶子节点路径中，所包含的黑色节点数目相同。保证树平衡的关键。 前面两点都很好理解，第2点是用来修改树时判断树是否还是红黑树的主要条件。 第3点不直观，但是可以这样想，插入或删除一个节点，影响的只是它周边那几个节点

一、HashMap基本源码实现 1、HashMap基本结构 HashMap继承AbstractMap抽象类，AbstractMap实现Map接口。 public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable { private static final long serialVersionUID = 362498820763181265L; .... } public abstract class AbstractMap<K,V> implements Map<K,V> { protected AbstractMap() { } ... } 二、HashMap的基本数据结构 jdk1.8之前，HashMap是由“数组+链表”的结构组成，jdk1.8之后，HashMap得到很大的改善；数据结构也发生了改变：“数组+链表+红黑树”；当链表节点大于8时，会转换为红黑树；否则仍然以链表结构。 头节点指的是table表上索引位置的节点，也就是链表的头节点 根节点（root节点）指的是红黑树最上面的那个节点，也就是没有父节点的节点 红黑树的根节点不一定是索引位置的头节点 转为红黑树节点后，链表的结构还存在，通过next属性维持

一、摘要 在集合系列的第一章，咱们了解到，Map的实现类有HashMap、LinkedHashMap、TreeMap、IdentityHashMap、WeakHashMap、Hashtable、Properties等等。 关于HashMap，一直都是一个非常热门的话题，只要你出去面试，我保证一定少不了它！ 本文主要结合JDK1.7和JDK1.8的区别，就HashMap的数据结构和实现功能，进行深入探讨，废话也不多说了，直奔主题！ 二、简介 在程序编程的时候，HashMap是一个使用非常频繁的容器类，它允许键值都放入null元素。除该类方法未实现同步外，其余跟Hashtable大致相同，但跟TreeMap不同，该容器不保证元素顺序，根据需要该容器可能会对元素重新哈希，元素的顺序也会被重新打散，因此不同时间迭代同一个HashMap的顺序可能会不同。 HashMap容器，实质还是一个哈希数组结构，但是在元素插入的时候，存在发生hash冲突的可能性； 对于发生Hash冲突的情况，冲突有两种实现方式， 一种开放地址方式（当发生hash冲突时，就继续以此继续寻找，直到找到没有冲突的hash值），另一种是拉链方式（将冲突的元素放入链表） 。 Java HashMap采用的就是第二种方式，拉链法。 在jdk1.7中，HashMap主要是由数组+链表组成，当发生hash冲突的时候