189 8069 5689

红黑树java代码源码 红黑树c语言实现

有关红黑树的java程序,编译成功但运行不出结果。

java8不是用红黑树来管理hashmap,而是在hash值相同的情况下(且重复数量大于8),用红黑树来管理数据。 红黑树相当于排序数据。可以自动的使用二分法进行定位。性能较高。

惠州网站建设公司成都创新互联公司,惠州网站设计制作,有大型网站制作公司丰富经验。已为惠州成百上千家提供企业网站建设服务。企业网站搭建\外贸网站制作要多少钱,请找那个售后服务好的惠州做网站的公司定做!

一般情况下,hash值做的比较好的话基本上用不到红黑树。

定时器实现 & 红黑树,跳表

跳表:是为一个有序的链表建立多级索引的数据结构叫做跳表。redis中zset数据量大时底层数据结构使用跳表。

redis中定时器使用的是无序的双向链表。时间复杂度为O(N),redis作者在定时器备注了可以适当优化的措施:

1 尽可能让数据有序,2 可以使用跳表完成

回归正题,跳表:

其他地方借图一张如下:

跳表是基于有序链表所实现的,为了实现快速的查找,在做节点比较的时候跳过一些节点以达到快速查找的目的,是一种空间换时间的思想。

如上图,此跳表总共三层(level = 3),redis中zset在数据量比较大时,采用的即是跳表实现 其最大层数是32,再插入节点的时候随机生成层数,最大不超过32;

如上图为例,头节点不保存数据,按照上图分析插入操作:

插入之前要先从上层到下层临时保存每一层的当前节点,然后随即生成新的newlevel,如果newlevel大于level,则对于(level-newlevel)层进行初始化头结点 。

插入14前,没有数据只有头结点 ,当前level默认是1,用temp[0]临时保存节点,

while循环是找到下一个节点,比如插入34时,while之后level1 层 x节点就是23;插入50时,while循环之后 level1层temp[0] = 43,level2层 temp[1]=34,level3层 temp[2]=14;

保存完临时节点后,随机生成新的层数,

14插入时随机层数是3,大于之前默认的level =1;对于level2 和level3就要进行头结点赋值,temp[1]=header;temp[2]=header;

然后进行新节点的插入,之前遍历都是从高层向底层扩展,插入操作要从底层向高层扩展。

插入操作之后,形成了temp[0]-next = 节点14,temp[1]-next = 节点14,temp[2]-next = 节点14即header[0]-next = 节点14,header[1]-next = 节点14,header[2]-next = 节点14;

14节点插入之后,链表长度+1(单指最底层的链表);

接着插入节点23,临时变量temp值为temp[0]= 节点14,temp[1] = 节点14,temp[2] = 节点14; 随机新的newlevel =1,说明23 只出现在level1层,进行插入后temp[0]-next = 节点23,其他两个节点不变。

插入节点34后,各层链表为

header[2]-14

header[1]-14-34

header[0]-14-23-34

以上就是插入的大致逻辑分析。

删除操作类似,先从上层开始向后遍历然后向下,删除时从下层开始向上操作。

跳表实现定时器demo源码地址: 跳表实现定时器demo

红黑树:一颗节点非红即黑的平衡二叉树。epoll底层使用红黑树。

红黑树插入 查询,删除等基本操作时间复杂度为O(lgn),跳表搜索插入删除操作时间复杂度接近O(lgn),最坏情况下变成O(n)。

做范围查找的时候 ,平衡树比跳表操作要复杂,平衡树上,找到指定范围的小值之后,还需要以中序遍历的顺序继续寻找其他不超过大值的节点,相对而言,跳表的范围查询就比较简单,只要找到小值,在第一层链表进行若干层遍历就行。

从算法实现难度讲,跳表比红黑树要简单的多。

红黑树也是实现定时器的数据结构之一,具体实现不再详叙。

什么是红黑树?

最近研究JDK源码的时候,发现TreeMap和TreeSet底层数据结构是红黑树,当然,TreeSet其实本质上就是Value为一个固定值的TreeMap。在JDK1.8以后,HashMap也用到了红黑树。

那红黑树到底是怎样的一种数据结构呢?相信大家都不是非常了解,我也去翻了好多的相关文章,发现一篇很有趣的漫画,可以帮助大家很快了解红黑树大概是怎样的一种数据结构,有哪些特点。 只是大概的介绍一下红黑树,详细的实现大家还是请参考相关的算法书籍。

以下内容转自: 漫画算法:什么是红黑树?

1.左子树上所有结点的值均小于或等于它的根结点的值。

2.右子树上所有结点的值均大于或等于它的根结点的值。

3.左、右子树也分别为二叉排序树。

下图中这棵树,就是一颗典型的二叉查找树:

1.查看根节点9:

3.由于10 13,因此查看左孩子11:

假设初始的二叉查找树只有三个节点,根节点值为9,左孩子值为8,右孩子值为12:

2.根节点是黑色。

3.每个叶子节点都是黑色的空节点(NIL节点)。

4 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)

5.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。

下图中这棵树,就是一颗典型的红黑树:

什么情况下会破坏红黑树的规则,什么情况下不会破坏规则呢?我们举两个简单的栗子:

1.向原红黑树插入值为14的新节点:

为了重新符合红黑树的规则,尝试把红色节点变为黑色,或者把黑色节点变为红色。

下图所表示的是红黑树的一部分,需要注意节点25并非根节点。因为节点21和节点22连续出现了红色,不符合规则4,所以把节点22从红色变成黑色:

但这样并不算完,因为凭空多出的黑色节点打破了规则5,所以发生连锁反应,需要继续把节点25从黑色变成红色:

逆时针旋转红黑树的两个节点,使得父节点被自己的右孩子取代,而自己成为自己的左孩子。说起来很怪异,大家看下图:

图中,身为右孩子的Y取代了X的位置,而X变成了自己的左孩子。此为左旋转。

顺时针旋转红黑树的两个节点,使得父节点被自己的左孩子取代,而自己成为自己的右孩子。大家看下图:

图中,身为左孩子的Y取代了X的位置,而X变成了自己的右孩子。此为右旋转。

首先,我们需要做的是变色,把节点25及其下方的节点变色:

这时候我们需要把节点13看做X,节点8看做Y,像刚才的示意图那样进行右旋转:

如果想要详细了解红黑树算法,可以参考这篇文章: Java数据结构和算法(十一)——红黑树

红黑树(Red-black tree)

树 是一种 抽象数据类型 ,或是实作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 。

红黑树 是一种自平衡二叉查找树,典型的用途是实现 关联数组 ,它是复杂的,但它的操作有着良好的最坏情况运行时间,并且在实践中是高效的 O(log n ) 时间内做查找,插入和删除,这里的 n 是树中元素的数目。

一个由n个节点随机构成的二叉查找树的高度为(log n ).证明如下:

而时间复杂度是以某个基础数据操作的重复次数作为量度。红黑树的是二叉搜索树,左子树上所有节点的值均小于他的根节点的值,右子树上所有节点均大于根节点的值,左右子节树相对根节点按大小分布。如果把每次节点值的比较看成基础数据操作,那么最差的查找情况是一直查找到高度最大的根节点,那么查找的时间复杂度即与高度成正比,可表示成 O(log n ) 。

简单了解了红黑树的字面定义,下面动手感受下红黑树的相关操作。当你插入或者删除一个节点时,可能会破坏红黑树的性质,所以需要对树节点进行重新着色或者旋转,来保持红黑树的结构。首先看下二叉树的旋转。

假设pivot节点不为空,其右子树不为空,那么左旋即是:使pivot的右孩子Y为子树的根,pivot节点为子树根节点的左孩子,pivot左孩子、Y节点的右孩子不改变,Y节点左孩子变为pivot节点右孩子。

假设pivot节点不为空,其左子树不为空,那么右旋:使pivot的左孩子Y为子树的根,pivot节点为子树根节点的右孩子,pivot的右孩子、Y节点的左孩子不变,Y节点的右孩子变为pivot节点的左孩子。

实战演练之增加、删除节点时,如何保证红黑树的性质不被破坏。

往一个空的红黑树中,依次插入数据:12 1 9 2 0 11 7 19 4

节点为根节点,所以为黑色,两个null节点为黑色节点。

按照二叉搜索树的逻辑,9小于12、大于1,应该是1节点的右孩子。但,新增的两个NIL节点已经使得12,1,9,NI这条路径的黑色节点至少为两个,而12,NIL这条路径的黑色节点只有两个。所以要对1节点进行左旋,9节点变为12节点的左孩子,发现问题还是存在。继续,对12节点进行右旋,9节点为根节点,1、12分别为9节点的左右孩子。尝试着色,9节点必须为黑色,而1,12节点可以为红色,也可以为黑色。

0节点直接作为1节点的左孩子,保持跟2节点相同的颜色即可。左右子树依旧保持平衡。

从二叉查找树的性质看,7节点作为2节点的右孩子即可。这时来分析着色问题,我们先看最短路径的黑色分布,9,12,NIL这条路径,有三个黑色节点,以此为参考,尝试改变9节点左子树的着色。目前最长的路径是9,1,2,7,NIL这条路径。保持三个黑色节点的话,9跟NIL已经为黑色节点,而红色节点又不能挨着,所以只能是1为红色节点,2为黑色节点,7为红色节点。那么9,1,0,NIIL这条路径,0就要为黑色节点。调整完毕。

19节点作为12节点的右孩子,与左孩子保持一样的红色即可。

4节点应该作为7节点的左子树,无论着什么颜色,以1节点为根节点的子树,都要破坏红黑性质。所以应该进行旋转。先以7为根节点进行一次右旋,再以2为根节点进行一次左旋。尝试着色即可。

类似插入节点的分析、总结,删除节点也可以针对每种场景找到固定的着色方法,就像玩一个游戏,有自己的推理跟玩法。我先做个PPT,这块稍后补充。

所有的插入、删除都是有限个情况,基于插入、删除的情况分析,即可编写算法生成红黑树,使其在固定的业务场景中发挥红黑树稳定操作效率的特色了。

在 计算机科学 中, AVL树 是最先发明的 自平衡二叉查找树 。在AVL树中任何节点的两个 子树 的高度最大差别为一,所以它也被称为 高度平衡树 。查找、插入和删除在平均和最坏情况下都是 O (log n )。增加和删除可能需要通过一次或多次 树旋转 来重新平衡这个树。

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、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。

不提问题的码农不是好程序员。自己写完了红黑树的简单剖析,感觉还是只懂皮毛,没有从触碰到算法的核心内容。所以,不妨留几个小问题,担心自己脑子生锈或者没事想玩手机的时候,再提笔研究下红黑树。

教你初步了解红黑树

算法的时间复杂度和空间复杂度-总结

红黑树从头至尾插入和删除

AVL树

红黑树C源码实现与剖析

Echo

8 Nov,2016

请问java中HashMap是怎么实现的,还有treeMap的实现原理是红黑树,请解释一下红黑树

参考资料的网页上有比较的代码,你可以仔细看下~~~

java中HashMap,LinkedHashMap,TreeMap,HashTable的区别

java为数据结构中的映射定义了一个接口java.util.Map;它有四个实现类,分别是HashMap Hashtable LinkedHashMap 和TreeMap

Map主要用于存储健值对,根据键得到值,因此不允许键重复(重复了覆盖了),但允许值重复。

Hashmap 是一个最常用的Map,它根据键的HashCode 值存储数据,根据键可以直接获取它的值,具有很快的访问速度,遍历时,取得数据的顺序是完全随机的。HashMap最多只允许一条记录的键为Null;允许多条记录的值为 Null;HashMap不支持线程的同步,即任一时刻可以有多个线程同时写HashMap;可能会导致数据的不一致。如果需要同步,可以用 Collections的synchronizedMap方法使HashMap具有同步的能力,或者使用ConcurrentHashMap。

Hashtable与 HashMap类似,它继承自Dictionary类,不同的是:它不允许记录的键或者值为空;它支持线程的同步,即任一时刻只有一个线程能写Hashtable,因此也导致了 Hashtable在写入时会比较慢。

LinkedHashMap保存了记录的插入顺序,在用Iterator遍历LinkedHashMap时,先得到的记录肯定是先插入的.也可以在构造时用带参数,按照应用次数排序。在遍历的时候会比HashMap慢,不过有种情况例外,当HashMap容量很大,实际数据较少时,遍历起来可能会比LinkedHashMap慢,因为LinkedHashMap的遍历速度只和实际数据有关,和容量无关,而HashMap的遍历速度和他的容量有关。

TreeMap实现SortMap接口,能够把它保存的记录根据键排序,默认是按键值的升序排序,也可以指定排序的比较器,当用Iterator 遍历TreeMap时,得到的记录是排过序的。

一般情况下,我们用的最多的是HashMap,HashMap里面存入的键值对在取出的时候是随机的,它根据键的HashCode值存储数据,根据键可以直接获取它的值,具有很快的访问速度。在Map 中插入、删除和定位元素,HashMap 是最好的选择。

TreeMap取出来的是排序后的键值对。但如果您要按自然顺序或自定义顺序遍历键,那么TreeMap会更好。

LinkedHashMap 是HashMap的一个子类,如果需要输出的顺序和输入的相同,那么用LinkedHashMap可以实现,它还可以按读取顺序来排列,像连接池中可以应用。


标题名称:红黑树java代码源码 红黑树c语言实现
本文地址:http://jkwzsj.com/article/dooijep.html

其他资讯