一.HashMap的由來：
1.array是數(shù)組的數(shù)據(jù)結(jié)構(gòu)，對于隨機(jī)訪問get和set是優(yōu)勢，對于新增和刪除是劣勢，因?yàn)樾略龊蛣h除要移動數(shù)據(jù)。
- LinkedList鏈表的數(shù)據(jù)結(jié)構(gòu)，新增和刪除頭或尾節(jié)點(diǎn)操作是優(yōu)勢，因?yàn)椴挥靡苿訑?shù)據(jù)。對于隨機(jī)訪問get和set是劣勢，因?yàn)長inkedList要移動指針。
3.hashmap是上面兩者的結(jié)合，鏈表數(shù)組，從jdk8開始hashmap是array+鏈表+紅黑樹（加快遍歷速度）。
二.類關(guān)系圖：
Java為數(shù)據(jù)結(jié)構(gòu)中的映射定義了一個接口java.util.Map，此接口主要有四個常用的實(shí)現(xiàn)類，分別是HashMap、Hashtable、LinkedHashMap和TreeMap，類繼承關(guān)系如下圖所示：
下面針對各個實(shí)現(xiàn)類的特點(diǎn)做一些說明：
(1) HashMap：它根據(jù)鍵的hashCode值存儲數(shù)據(jù)，大多數(shù)情況下可以直接定位到它的值，因而具有很快的訪問速度，但遍歷順序卻是不確定的。 HashMap最多只允許一條記錄的鍵為null，允許多條記錄的值為null。HashMap非線程安全，即任一時刻可以有多個線程同時寫HashMap，可能會導(dǎo)致數(shù)據(jù)的不一致。如果需要滿足線程安全，可以用 Collections的synchronizedMap方法使HashMap具有線程安全的能力，或者使用ConcurrentHashMap。
(2) Hashtable：Hashtable是遺留類，很多映射的常用功能與HashMap類似，不同的是它承自Dictionary類，并且是線程安全的，任一時間只有一個線程能寫Hashtable，并發(fā)性不如ConcurrentHashMap，因?yàn)镃oncurrentHashMap引入了分段鎖。Hashtable不建議在新代碼中使用，不需要線程安全的場合可以用HashMap替換，需要線程安全的場合可以用ConcurrentHashMap替換。
(3) LinkedHashMap：LinkedHashMap是HashMap的一個子類，保存了記錄的插入順序，在用Iterator遍歷LinkedHashMap時，先得到的記錄肯定是先插入的，也可以在構(gòu)造時帶參數(shù)，按照訪問次序排序。
(4) TreeMap：TreeMap實(shí)現(xiàn)SortedMap接口，能夠把它保存的記錄根據(jù)鍵排序，默認(rèn)是按鍵值的升序排序，也可以指定排序的比較器，當(dāng)用Iterator遍歷TreeMap時，得到的記錄是排過序的。如果使用排序的映射，建議使用TreeMap。在使用TreeMap時，key必須實(shí)現(xiàn)Comparable接口或者在構(gòu)造TreeMap傳入自定義的Comparator，否則會在運(yùn)行時拋出java.lang.ClassCastException類型的異常。
對于上述四種Map類型的類，要求映射中的key是不可變對象。不可變對象是該對象在創(chuàng)建后它的哈希值不會被改變。如果對象的哈希值發(fā)生變化，Map對象很可能就定位不到映射的位置了。
通過上面的比較，我們知道了HashMap是Java的Map家族中一個普通成員，鑒于它可以滿足大多數(shù)場景的使用條件，所以是使用頻度最高的一個。下文我們主要結(jié)合源碼，從存儲結(jié)構(gòu)、常用方法分析、擴(kuò)容以及安全性等方面深入講解HashMap的工作原理。
三.內(nèi)部實(shí)現(xiàn)
搞清楚HashMap，首先需要知道HashMap是什么，即它的存儲結(jié)構(gòu)-字段；其次弄明白它能干什么，即它的功能實(shí)現(xiàn)-方法。下面我們針對這兩個方面詳細(xì)展開講解。
存儲結(jié)構(gòu)-字段
從結(jié)構(gòu)實(shí)現(xiàn)來講，HashMap是數(shù)組+鏈表+紅黑樹（JDK1.8增加了紅黑樹部分）實(shí)現(xiàn)的，如下如所示。
這里需要講明白兩個問題：數(shù)據(jù)底層具體存儲的是什么？?這樣的存儲方式有什么?優(yōu)點(diǎn)呢？
(1) 從源碼可知，HashMap類中有一個非常重要的字段，就是 Node[] table，即哈希桶數(shù)組，明顯它是一個Node的數(shù)組。我們來看Node[JDK1.8]是何物。
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; //用來定位數(shù)組索引位置
final K key; V value;
Node<K,V> next; //鏈表的下一個node
Node(int hash, K key, V value, Node<K,V> next) { ... }
public final K getKey(){ ... }
public final V getValue() { ... }
public final String toString() { ... }
public final int hashCode() { ... }
public final V setValue(V newValue) { ... }
public final boolean equals(Object o) { ... }
}
Node是HashMap的一個內(nèi)部類，實(shí)現(xiàn)了Map.Entry接口，本質(zhì)是就是一個映射(鍵值對)。上圖中的每個黑色圓點(diǎn)就是一個Node對象。
(2) HashMap就是使用哈希表來存儲的。哈希表為解決沖突，可以采用開放地址法和鏈地址法等來解決問題，Java中HashMap采用了鏈地址法。鏈地址法，簡單來說，就是數(shù)組加鏈表的結(jié)合。在每個數(shù)組元素上都一個鏈表結(jié)構(gòu)，當(dāng)數(shù)據(jù)被Hash后，得到數(shù)組下標(biāo)，把數(shù)據(jù)放在對應(yīng)下標(biāo)元素的鏈表上。例如程序執(zhí)行下面代碼：
map.put("aa",11);
系統(tǒng)將調(diào)用”美團(tuán)”這個key的hashCode()方法得到其hashCode 值（該方法適用于每個Java對象），然后再通過Hash算法的后兩步運(yùn)算（高位運(yùn)算和取模運(yùn)算，下文有介紹）來定位該鍵值對的存儲位置，有時兩個key會定位到相同的位置，表示發(fā)生了Hash碰撞。當(dāng)然Hash算法計算結(jié)果越分散均勻，Hash碰撞的概率就越小，map的存取效率就會越高。
如果哈希桶數(shù)組很大，即使較差的Hash算法也會比較分散，如果哈希桶數(shù)組數(shù)組很小，即使好的Hash算法也會出現(xiàn)較多碰撞，所以就需要在空間成本和時間成本之間權(quán)衡，其實(shí)就是在根據(jù)實(shí)際情況確定哈希桶數(shù)組的大小，并在此基礎(chǔ)上設(shè)計好的hash算法減少Hash碰撞。那么通過什么方式來控制map使得Hash碰撞的概率又小，哈希桶數(shù)組（Node[] table）占用空間又少呢？答案就是好的Hash算法和擴(kuò)容機(jī)制。
在理解Hash和擴(kuò)容流程之前，我們得先了解下HashMap的幾個字段。從HashMap的默認(rèn)構(gòu)造函數(shù)源碼可知，構(gòu)造函數(shù)就是對下面幾個字段進(jìn)行初始化，源碼如下：
int threshold; // 所能容納的key-value對極限
final float loadFactor; // 負(fù)載因子
int modCount;
int size;
首先，Node[] table的初始化長度length(默認(rèn)值是16)，Load factor為負(fù)載因子(默認(rèn)值是0.75)，threshold是HashMap所能容納的最大數(shù)據(jù)量的Node(鍵值對)個數(shù)。threshold = length * Load factor。也就是說，在數(shù)組定義好長度之后，負(fù)載因子越大，所能容納的鍵值對個數(shù)越多。
結(jié)合負(fù)載因子的定義公式可知，threshold就是在此Load factor和length(數(shù)組長度)對應(yīng)下允許的最大元素數(shù)目，超過這個數(shù)目就重新resize(擴(kuò)容)，擴(kuò)容后的HashMap容量是之前容量的兩倍。默認(rèn)的負(fù)載因子0.75是對空間和時間效率的一個平衡選擇，建議大家不要修改，除非在時間和空間比較特殊的情況下，如果內(nèi)存空間很多而又對時間效率要求很高，可以降低負(fù)載因子Load factor的值；相反，如果內(nèi)存空間緊張而對時間效率要求不高，可以增加負(fù)載因子loadFactor的值，這個值可以大于1。
size這個字段其實(shí)很好理解，就是HashMap中實(shí)際存在的鍵值對數(shù)量。注意和table的長度length、容納最大鍵值對數(shù)量threshold的區(qū)別。而modCount字段主要用來記錄HashMap內(nèi)部結(jié)構(gòu)發(fā)生變化的次數(shù)，主要用于迭代的快速失敗。強(qiáng)調(diào)一點(diǎn)，內(nèi)部結(jié)構(gòu)發(fā)生變化指的是結(jié)構(gòu)發(fā)生變化，例如put新鍵值對，但是某個key對應(yīng)的value值被覆蓋不屬于結(jié)構(gòu)變化。
在HashMap中，哈希桶數(shù)組table的長度length大小必須為2的n次方(一定是合數(shù))，這是一種非常規(guī)的設(shè)計，常規(guī)的設(shè)計是把桶的大小設(shè)計為素數(shù)。相對來說素數(shù)導(dǎo)致沖突的概率要小于合數(shù)，具體證明可以參考，Hashtable初始化桶大小為11，就是桶大小設(shè)計為素數(shù)的應(yīng)用（Hashtable擴(kuò)容后不能保證還是素數(shù)）。HashMap采用這種非常規(guī)設(shè)計，主要是為了在取模和擴(kuò)容時做優(yōu)化，同時為了減少沖突，HashMap定位哈希桶索引位置時，也加入了高位參與運(yùn)算的過程。
這里存在一個問題，即使負(fù)載因子和Hash算法設(shè)計的再合理，也免不了會出現(xiàn)拉鏈過長的情況，一旦出現(xiàn)拉鏈過長，則會嚴(yán)重影響HashMap的性能。于是，在JDK1.8版本中，對數(shù)據(jù)結(jié)構(gòu)做了進(jìn)一步的優(yōu)化，引入了紅黑樹。而當(dāng)鏈表長度太長（默認(rèn)超過8）時，鏈表就轉(zhuǎn)換為紅黑樹，利用紅黑樹快速增刪改查的特點(diǎn)提高HashMap的性能，其中會用到紅黑樹的插入、刪除、查找等算法。本文不再對紅黑樹展開討論。
功能實(shí)現(xiàn)-方法
HashMap的內(nèi)部功能實(shí)現(xiàn)很多，本文主要從根據(jù)key獲取哈希桶數(shù)組索引位置、put方法的詳細(xì)執(zhí)行、擴(kuò)容過程三個具有代表性的點(diǎn)深入展開講解。
1. 確定哈希桶數(shù)組索引位置
不管增加、刪除、查找鍵值對，定位到哈希桶數(shù)組的位置都是很關(guān)鍵的第一步。前面說過HashMap的數(shù)據(jù)結(jié)構(gòu)是數(shù)組和鏈表的結(jié)合，所以我們當(dāng)然希望這個HashMap里面的元素位置盡量分布均勻些，盡量使得每個位置上的元素數(shù)量只有一個，那么當(dāng)我們用hash算法求得這個位置的時候，馬上就可以知道對應(yīng)位置的元素就是我們要的，不用遍歷鏈表，大大優(yōu)化了查詢的效率。HashMap定位數(shù)組索引位置，直接決定了hash方法的離散性能。先看看源碼的實(shí)現(xiàn)(方法一+方法二):
方法一：
static final int hash(Object key) { //jdk1.8 & jdk1.7
int h;
// h = key.hashCode() 為第一步 取hashCode值
// h ^ (h >>> 16) 為第二步 高位參與運(yùn)算
return(key ==null) ?0: (h = key.hashCode()) ^ (h >>>16);
}
這里的Hash算法本質(zhì)上就是三步：取key的hashCode值、高位運(yùn)算、取模運(yùn)算。
對于任意給定的對象，只要它的hashCode()返回值相同，那么程序調(diào)用方法一所計算得到的Hash碼值總是相同的。我們首先想到的就是把hash值對數(shù)組長度取模運(yùn)算，這樣一來，元素的分布相對來說是比較均勻的。但是，模運(yùn)算的消耗還是比較大的，在HashMap中是這樣做的：調(diào)用方法二來計算該對象應(yīng)該保存在table數(shù)組的哪個索引處。
這個方法非常巧妙，它通過h & (table.length -1)來得到該對象的保存位，而HashMap底層數(shù)組的長度總是2的n次方，這是HashMap在速度上的優(yōu)化。當(dāng)length總是2的n次方時，h& (length-1)運(yùn)算等價于對length取模，也就是h%length，但是&比%具有更高的效率。
在JDK1.8的實(shí)現(xiàn)中，優(yōu)化了高位運(yùn)算的算法，通過hashCode()的高16位異或低16位實(shí)現(xiàn)的：(h = k.hashCode()) ^ (h >>> 16)，主要是從速度、功效、質(zhì)量來考慮的，這么做可以在?數(shù)組table的length比較小的時候，也能保證考慮到高低Bit都參與到Hash的計算中，同時不會有太大的開銷。
下面舉例說明下，n為table的長度。
2. 分析HashMap的put方法
HashMap的put方法執(zhí)行過程可以通過下圖來理解，自己有興趣?可以去對比源碼更清楚地研究學(xué)習(xí)。
①.判斷鍵值對數(shù)組table[i]是否為空或?yàn)閚ull，否則執(zhí)行resize()進(jìn)行擴(kuò)容；
②.根據(jù)鍵值key計算hash值得到插入的數(shù)組索引i，如果table[i]==null，直接新建節(jié)點(diǎn)添加，轉(zhuǎn)向⑥，如果table[i]不為空，?轉(zhuǎn)向③；
③.判斷?table[i]的首個元素是否和key一樣，如果相同直接覆蓋value，否則轉(zhuǎn)向④，這里的相同指的是hashCode以及equals；
④.判斷table[i] 是否為treeNode，即table[i] 是否是紅黑樹，如果是紅黑樹，則直接在樹中插入鍵值對，否則轉(zhuǎn)向⑤；
⑤.遍歷table[i]，判斷鏈表長度是否大于8，大于8的話把鏈表轉(zhuǎn)換為紅黑樹，在紅黑樹中執(zhí)行插入操作，否則進(jìn)行鏈表的插入操作；?遍歷過程中若發(fā)現(xiàn)key已經(jīng)存在直接覆蓋value即可；
⑥.插入成功后，判斷實(shí)際存在的鍵值對數(shù)量size是否超多了最大容量threshold，如果超過，進(jìn)行擴(kuò)容。
JDK1.8HashMap的put方法源碼如下:
/**
* Associates the specified value with the specified key in this map.
* If the map previously contained a mapping for the key, the old
* value is replaced.
*
* @param key key with which the specified value is to be associated
* @param value value to be associated with the specified key
* @return the previous value associated with <tt>key</tt>, or
* <tt>null</tt> if there was no mapping for <tt>key</tt>.
* (A <tt>null</tt> return can also indicate that the map
* previously associated <tt>null</tt> with <tt>key</tt>.)
*/
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/**
* Implements Map.put and related methods
*
* @param hash hash for key
* @param key the key
* @param value the value to put
* @param onlyIfAbsent if true, don't change existing value
* @param evict if false, the table is in creation mode.
* @return previous value, or null if none
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
3. 擴(kuò)容機(jī)制
擴(kuò)容(resize)就是重新計算容量，向HashMap對象里不停的添加元素，而HashMap對象內(nèi)部的數(shù)組無法裝載更多的元素時，對象就需要擴(kuò)大數(shù)組的長度，以便能裝入更多的元素。當(dāng)然Java里的數(shù)組是無法自動擴(kuò)容的，方法是使用一個新的數(shù)組代替已有的容量小的數(shù)組，就像我們用一個小桶裝水，如果想裝更多的水，就得換大水桶。
結(jié)構(gòu)：
這就是java8的HashMap的數(shù)據(jù)結(jié)構(gòu)，跟之前版本不一樣的是當(dāng)table達(dá)到一定的閥值時，bucket就會由鏈表轉(zhuǎn)換為紅黑樹的方式進(jìn)行存儲，下面會做具體的源碼分析。
HashMap的put方法實(shí)現(xiàn)原理
下面我們來看下關(guān)于put的方法，hashMap的Capacity的默認(rèn)值為16，負(fù)載因子的默認(rèn)值為0.75
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//table為空就創(chuàng)建
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//確定插入table的位置，算法是(n - 1) & hash
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
//在table的i位置發(fā)生碰撞，有兩種情況，1、key值是一樣的，替換value值，
//2、key值不一樣的有兩種處理方式：2.1、存儲在i位置的鏈表；2.2、存儲在紅黑樹中
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//2.2
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//2.1
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//超過了鏈表的設(shè)置長度8就擴(kuò)容
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果e為空就替換舊的oldValue值
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//threshold=newThr:(int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
//默認(rèn)0.75*16，大于threshold值就擴(kuò)容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
treeifyBin
請看putVal代碼27/28行，當(dāng)桶bucket大于TREEIFY_THRESHOLD（8）值時就執(zhí)行treeifyBin，如果是之前java7之前的代碼的話是要進(jìn)行擴(kuò)容的，但是java8可能會把這個bucket的鏈表上的數(shù)據(jù)轉(zhuǎn)化為紅黑樹
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//當(dāng)tab.length<MIN_TREEIFY_CAPACITY(64)是還是進(jìn)行resize
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
//存儲在紅黑樹
hd.treeify(tab);
}
}
resize到底做了什么事情，它是怎么擴(kuò)容的
我們先看下resize這個方法吧，這段代碼后面會講到24行的treeify方法，也是本文的重點(diǎn)紅黑樹的存儲，以為這個方法的實(shí)現(xiàn)方式還是有別與java7的，桶中存在一個鏈表，需要將鏈表重新整理到新表當(dāng)中，因?yàn)閚ewCap是oldCap的兩倍所以原節(jié)點(diǎn)的索引值要么和原來一樣，要么就是原(索引+oldCap)和JDK 1.7中實(shí)現(xiàn)不同這里不存在rehash
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 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; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
//分別記錄頭和尾的節(jié)點(diǎn)
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
//把節(jié)點(diǎn)移動新的位置j+oldCap,這種情況不適用與鏈表的節(jié)點(diǎn)數(shù)大于8的情況
//鏈表節(jié)點(diǎn)大于8的情況會轉(zhuǎn)換為紅黑樹存儲
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
HashMap節(jié)點(diǎn)紅黑樹存儲
好了終于到treeify了，大部分內(nèi)容都在注解中
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
//遍歷root，把節(jié)點(diǎn)x插入到紅黑樹中，執(zhí)行先插入，然后進(jìn)行紅黑樹修正
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
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);//比較k和pk的值，用于判斷是遍歷左子樹還是右子樹
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;
//修正紅黑樹
root = balanceInsertion(root, x);
//退出循環(huán)
break;
}
}
}
}
moveRootToFront(tab, root);
}
上面主要做的是紅黑樹的insert，我們知道紅黑樹insert后是需要修復(fù)的，為了保持紅黑樹的平衡，我們來看下紅黑樹平衡的幾條性質(zhì)：
1.節(jié)點(diǎn)是紅色或黑色。
2.根是黑色。
3.所有葉子都是黑色（葉子是NIL節(jié)點(diǎn)）。
4.每個紅色節(jié)點(diǎn)必須有兩個黑色的子節(jié)點(diǎn)。（從每個葉子到根的所有路徑上不能有兩個連續(xù)的紅色節(jié)點(diǎn)。）
5.從任一節(jié)點(diǎn)到其每個葉子的所有簡單路徑都包含相同數(shù)目的黑色節(jié)點(diǎn)。
balanceInsertion
當(dāng)insert一個節(jié)點(diǎn)之后為了達(dá)到平衡，我們可能需要對節(jié)點(diǎn)進(jìn)行旋轉(zhuǎn)和顏色翻轉(zhuǎn)（上面的balanceInsertion方法）。具體操作這里就不細(xì)講了，對紅黑樹的修復(fù)還不是很清楚的同學(xué)可以去參考下數(shù)據(jù)結(jié)構(gòu)與算法分析這本書，我將在后面寫一篇關(guān)于紅黑樹關(guān)于java實(shí)現(xiàn)的相關(guān)文章。
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root,
TreeNode<K,V> x) {
//插入的節(jié)點(diǎn)必須是紅色的，除非是根節(jié)點(diǎn)
x.red = true;
//遍歷到x節(jié)點(diǎn)為黑色,整個過程是一個上濾的過程
//xp=x.parent;xpp=xp.parent;xppl=xpp.left;xppr=xpp.right;
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) {
if ((xp = x.parent) == null) {
x.red = false;
return x;
}
//如果xp的黑色就直接完成，最簡單的情況
else if (!xp.red || (xpp = xp.parent) == null)
return root;
//如果x的父節(jié)點(diǎn)是x父節(jié)點(diǎn)的左節(jié)點(diǎn)
if (xp == (xppl = xpp.left)) {
//x的父親節(jié)點(diǎn)的兄弟是紅色的（需要顏色翻轉(zhuǎn)）
if ((xppr = xpp.right) != null && xppr.red) {
//x父親節(jié)點(diǎn)的兄弟節(jié)點(diǎn)置成黑色
xppr.red = false;
//父幾點(diǎn)和其兄弟節(jié)點(diǎn)一樣是黑色
xp.red = false;
//祖父節(jié)點(diǎn)置成紅色
xpp.red = true;
//然后上濾（就是不斷的重復(fù)上面的操作）
x = xpp;
}
else {
//如果x是xp的右節(jié)點(diǎn)整個要進(jìn)行兩次旋轉(zhuǎn),先左旋轉(zhuǎn)再右旋轉(zhuǎn)
if (x == xp.right) {
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;
root = rotateRight(root, xpp);
}
}
}
}
//以左節(jié)點(diǎn)鏡像對稱就不做具體分析了
else {
if (xppl != null && xppl.red) {
xppl.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
else {
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;
root = rotateLeft(root, xpp);
}
}
}
}
}
}
