当前位置：首页 > news >正文

Map集合、散列表、红黑树介绍

news 来源：原创 2024/4/23 1:31:13

前言

声明，本文用得是jdk1.8

前面已经讲了Collection的总览和剖析List集合：

Collection总览
List集合就这么简单【源码剖析】

原本我是打算继续将Collection下的Set集合的，结果看了源码发现：Set集合实际上就是HashMap来构建的！

所以，就先介绍Map集合、散列表和红黑树吧！

看这篇文章之前最好是有点数据结构的基础：

Java实现单向链表
栈和队列就是这么简单
二叉树就这么简单

当然了，如果讲得有错的地方还请大家多多包涵并不吝在评论去指正～

一、Map介绍

1.1为什么需要Map

前面我们学习的Collection叫做集合，它可以快速查找现有的元素。

而Map在《Core Java》中称之为-->映射..

映射的模型图是这样的：

那为什么我们需要这种数据存储结构呢？？？举个例子

作为学生来说，我们是根据学号来区分不同的学生。只要我们知道学号，就可以获取对应的学生信息。这就是Map映射的作用！

生活中还有很多这样的例子：只要你掏出身份证(key)，那就可以证明是你自己(value)

1.2Map与Collection的区别

1.3Map的功能

下面我们来看看Map的源码：

简单常用的Map功能有这么一些：

下面用红色框框圈住的就是Map值得关注的子类：

二、散列表介绍

无论是Set还是Map，我们会发现都会有对应的-->HashSet,HashMap

首先我们也先得回顾一下数据和链表：

链表和数组都可以按照人们的意愿来排列元素的次序，他们可以说是有序的(存储的顺序和取出的顺序是一致的)
但同时，这会带来缺点：想要获取某个元素，就要访问所有的元素，直到找到为止。
这会让我们消耗很多的时间在里边，遍历访问元素~

而还有另外的一些存储结构：不在意元素的顺序，能够快速的查找元素的数据

其中就有一种非常常见的：散列表

2.1散列表工作原理

散列表为每个对象计算出一个整数，称为散列码。根据这些计算出来的整数(散列码)保存在对应的位置上！

在Java中，散列表用的是链表数组实现的，每个列表称之为桶。【之前也写过桶排序就这么简单，可以回顾回顾】

一个桶上可能会遇到被占用的情况(hashCode散列码相同，就存储在同一个位置上)，这种情况是无法避免的，这种现象称之为：散列冲突

此时需要用该对象与桶上的对象进行比较，看看该对象是否存在桶子上了~如果存在，就不添加了，如果不存在则添加到桶子上
当然了，如果hashcode函数设计得足够好，桶的数目也足够，这种比较是很少的~
在JDK1.8中，桶满时会从链表变成平衡二叉树

如果散列表太满，是需要对散列表再散列，创建一个桶数更多的散列表，并将原有的元素插入到新表中，丢弃原来的表~

装填因子(load factor)决定了何时对散列表再散列~
装填因子默认为0.75，如果表中超过了75%的位置已经填入了元素，那么这个表就会用双倍的桶数自动进行再散列

当然了，在后面阅读源码的时候会继续说明的，现在简单了解一下即可~

扩展阅读：

https://www.cnblogs.com/s-b-b/p/6208565.html
https://www.cnblogs.com/chinajava/p/5808416.html

三、红黑树介绍

上面散列表中已经提过了：如果桶数满的时候，JDK8是将链表转成红黑树的~。并且，我们的TreeSet、TreeMap底层都是红黑树来实现的。

所以，在这里学习一波红黑树到底是啥玩意。

之前涉及过二叉树的文章：

二叉树就这么简单
堆排序就这么简单

在未学习之前，我们可能是听过红黑树这么一个数据结构类型的，还有其他什么B/B+树等等，反正是比较复杂的数据结构了~~~

各种常见的树的用途：

来源：
https://www.zhihu.com/question/30527705/answer/52527887

3.1回顾二叉查找树

首先我们来回顾一下：利用二叉查找树的特性，我们一般来说可以很快地查找出对应的元素。

二叉树就这么简单

可是二叉查找树也有个例(最坏)的情况(线性)：

上面符合二叉树的特性，但是它是线性的，完全没树的用处~

树是要“均衡”才能将它的优点展示出来的~，比如下面这种：

因此，就有了平衡树这么一个概念~红黑树就是一种平衡树，它可以保证二叉树基本符合矮矮胖胖(均衡)的结构

3.2知新2-3树

讲到了平衡树就不得不说最基础的2-3树，2-3树长的是这个样子：

在二叉查找树上，我们插入节点的过程是这样的：小于节点值往右继续与左子节点比，大于则继续与右子节点比，直到某节点左或右子节点为空，把值插入进去。这样无法避免偏向问题

而2-3树不一样：它插入的时候可以保持树的平衡！

在2-3树插入的时可以简单总结为两个操作：

合并2-节点为3-节点，扩充将3-节点扩充为一个4-节点
分解4-节点为3-节点，节点3-节点为2-节点
........至使得树平衡~

合并分解的操作还是比较复杂的，要分好几种情况，代码量很大~这里我就不介绍了，因为要学起来是一大堆的，很麻烦~

3.3从2-3树到红黑树

由于2-3树为了保持平衡性，在维护的时候是需要大量的节点交换的！这些变换在实际代码中是很复杂的，大佬们在2-3树的理论基础上发明了红黑树(2-3-4树也是同样的道理，只是2-3树是最简单的一种情况，所以我就不说2-3-4树了)。

红黑树是对2-3查找树的改进，它能用一种统一的方式完成所有变换。

红黑树是一种平衡二叉树,因此它没有3-节点。那红黑树是怎么将3-节点来改进成全都是二叉树呢？

红黑树就字面上的意思，有红色的节点，有黑色的节点：

我们可以将红色节点的左链接画平看看：

一颗典型的二叉树：

将红色节点的左链接画平之后：得到2-3平衡树:

3.4红黑树基础知识

前面已经说了，红黑树是在2-3的基础上实现的一种树，它能够用统一的方式完成所有变换。很好理解：红黑树也是平衡树的一种，在插入元素的时候它也得保持树的平衡，那红黑树是以什么的方式来保持树的平衡的呢？

红黑树用的是也是两种方式来替代2-3树不断的节点交换操作：

旋转：顺时针旋转和逆时针旋转
反色：交换红黑的颜色
这个两个实现比2-3树交换的节点(合并，分解)要方便一些

红黑树为了保持平衡，还有制定一些约束，遵守这些约束的才能叫做红黑树：

红黑树是二叉搜索树。
根节点是黑色。
每个叶子节点都是黑色的空节点（NIL节点）。
每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)
从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点(每一条树链上的黑色节点数量（称之为“黑高”）必须相等)。

3.5红黑树总结

红黑树可以说是十分复杂的，我在学习的时候并没有去认真细看当中的处理细节，只是大概的过了一遍，知道了整体~

有了前辈很多优质的资料，相信要等到想要理解其中的细节，花点力气和时间还是可以掌握一二的。

红黑树参考资料：

https://blog.csdn.net/chen_zhang_yu/article/details/52415077
https://riteme.github.io/blog/2016-3-12/2-3-tree-and-red-black-tree.html#fn:red-is-left
http://www.sohu.com/a/201923614_466939
https://www.jianshu.com/p/37c845a5add6
https://www.cnblogs.com/nullzx/p/6111175.html
https://blog.csdn.net/fei33423/article/details/79132930