逐行解读HashMap源码之红黑树篇

发布时间：2025-11-04 19:49:41 来源：创站工坊 作者：IT科技类资讯

【.com原创稿件】

写在前面

本文是逐行之前发表的文章《逐行解读HashMap源码》的下一篇，也是解读最后一篇。在《逐行解读HashMap源码》文章中，红黑笔者主要分析了 HashMap 类的树篇成员变量与成员方法，未涉及对 HashMap 中红黑树相关内容的逐行分析。于是解读，笔者经过一段的红黑时间的编写与打磨，写出了本文。树篇本文主要内容包括对上一篇文章的逐行些许补充以及对红黑树源码的详细解读。

如果读者没有阅读过上一篇内容，解读可以微信搜索公众号“代码艺术”搜索并阅读文章。红黑

1. 红黑树概述

从本章节开始，树篇笔者将对 HashMap 内部的逐行 TreeNode 内部类源码开始分析，这部分的解读内容也就是我们所说的红黑树。

红黑树是红黑建立在二叉查找树的基础之上的，二叉查找树又是站群服务器建立在二叉树的基础之上。所以，我们需要从二叉树开始学习红黑树的发展脉络。

2. 二叉树

二叉树(英语：Binary tree)是每个节点最多只有两个分支(即不存在分支度大于2的节点)的树结构。通常分支被称作“左子树”或“右子树”。二叉树的分支具有左右次序，不能随意颠倒。

3. 二叉查找树

二叉查找树(英语：Binary Search Tree)，也称为二叉搜索树、有序二叉树(ordered binary tree)或排序二叉树(sorted binary tree)，是指一棵空树或者具有下列性质的二叉树：

一颗二叉查找树如下图所示：

但是，当我们顺序插入一系列节点后，网站模板二叉查找树就退化为线性表，如下图所示：

虽然二叉查找树退化为线性表之后，最坏效率降为 O(n)。但依旧有很多改进版的二叉查找树可以使树高为O(log n)，从而将最坏效率降至O(log n)，如AVL树、红黑树等。

4. AVL树

AVL 树是最早被发明的自平衡二叉查找树。在AVL树中，任一节点对应的两棵子树的最大高度差为 1 ，因此它也被称为高度平衡树。查找、插入和删除在平均和最坏情况下的时间复杂度都是 O(logn)。增加和删除元素的操作则可能需要借由一次或多次树旋转，以实现树的重新平衡。

在 AVL 树中，节点的**平衡因子**是它的左子树的高度减去它的右子树的高度(有时相反)。带有平衡因子 1、亿华云计算0 或 -1 的节点被认为是平衡的。带有平衡因子 -2 或 2 的节点被认为是不平衡的，并需要重新平衡这个树。平衡因子可以直接存储在每个节点中，或从可能存储在节点中的子树高度计算出来。

AVL 树自平衡的方式是做一次或多次所谓的"AVL旋转"。

5. 红黑树

红黑树(英语：Red–black tree)也是一种自平衡二叉查找树。红黑树在二叉查找树的基础之上，对每个节点都增加了颜色属性，分为红色或黑色。在二叉查找树强制的一般要求以外，对于任何有效的红黑树增加了如下 5 条额外要求：

下面是一个具体的红黑树的图例：

红黑树的这些特性，保证了红黑树**从根到叶子的最长的可能路径不多于最短的可能路径的两倍长**，造成的结果是红黑树大致上是平衡的。如上图所示，"nil叶子"或"空(null)叶子"不包含数据而只充当树在此结束的指示。

对于红黑树的读与写，因为每一个红黑树都是一个(特殊的)二叉查找树，因此红黑树上的只读操作与普通二叉查找树上的只读操作相同。然而，在红黑树上进行插入操作和删除操作会导致不再符合红黑树的性质。恢复红黑树的性质需要少量 O(log n) 的颜色变更(实际是非常快速的)和不超过三次的树旋转(对于插入操作是两次)。虽然插入和删除很复杂，但操作时间仍可以保持为 O(log n) 次。

本章节开始结合 HashMap 源码讲解红黑树的插入、红黑树的删除、红黑树的自平衡、左旋、右旋等内容。

6. 链表转为红黑树的过程

HashMap 的桶类型除了 Node (链表)外，还有 TreeNode (树)。

TreeNode 类包含成员方法 `treeify()` ，该方法的作用是形成以当前 TreeNode 对象为根节点的红黑树。

树化过程不外乎是循环遍历链表，构造一颗二叉查找树，最后使用红黑树的平衡方法进行自平衡。

该方法源码如下： 

7. 红黑树的左旋和右旋

红黑树的左旋和右旋其实很简单，所谓的左旋是把要平衡的节点向左下旋转成一个叶子节点。

如下图所示：

所谓的右旋是把要平衡的节点向右下旋转成一个叶子节点。

如下图所示：

在 HashMap 的源码中，左旋的实现代码如下： 

右旋的实现代码如下： 

 8. 红黑树的插入

红黑树是一棵特殊的二叉查找树，如同二叉查找树的插入一样，红黑树的插入，也需要判断插入节点与当前节点的大小。如果插入节点大于或等于当前节点，则插入当前节点的右子树;否则，插入到左子树。循环此过程，直到找到为空的叶子节点放入即可。 

红黑树的插入与二叉查找树的不同之处，在于最后的平衡部分。

插入节点之后的红黑树平衡方法如下： 

10. 红黑树的删除

红黑树的删除相比插入更加复杂，需要先从链表结构上进行删除，也就是处理当前节点的 next 指针与 prev 指针。如果当前树的节点太少，那么就将树退化为链表。然后，查找被删除节点的后继节点。所谓后继节点，就是当删除节点p后，如果p有子节点，p的子节点上移继承其位置。当找到后继节点，立即删除节点，如果被删除节点是红色，那么不需要平衡，否则平衡红黑树。

红黑树的删除方法代码如下： 

删除红黑树节点之后的平衡代码如下，笔者认为，应当重点关注红黑树的变色、旋转逻辑。 

写在最后

这篇逐行解读 HashMap 源码的文章到此终于结束!笔者从开始写下此文的前半部分到现在，已经过了半年，期间由于功力不足、时间有限一直断断续续。不过所幸，笔者始终没有放弃，坚持要写出一篇高质量的解读 HashMap 源码的文章。但是，笔者虽已完成大部分核心源码的解读，但受限于自身功力浅薄，未能写的尽善尽美，本文仍旧存有许多遗憾之处。如果有读者想对本文进行补充的话，欢迎通过微信公众号“代码艺术”联系我!

学习资源

1. 红黑树在线演示网站：https://www.cs.usfca.edu/~galles/visualization/RedBlack.html 

薛勤，现就职于阿里巴巴，热衷于Java技术栈，对底层原理有独特的追求，个人在Github@ystcode上拥有多个开源项目。

【原创稿件，合作站点转载请注明原文作者和出处为.com】

相关文章