当前位置：首页 > wzjs >正文

网站为什么做版心限制超级外链发布

wzjs 2025/8/2 23:52:48

网站为什么做版心限制,超级外链发布,wordpress 文章标题调用,攻击网站常用方法一、哈希表 1、引入 hash 表在无序数组中按照内容查找，效率底下，时间复杂度是 O(n) 在有序数组中按照内容查找，可以使用折半查找，时间复杂度 O（log2n） 哈希表可以不进行比较，通过计算得到地…

一、哈希表

1、引入 hash 表

在无序数组中按照内容查找，效率底下，时间复杂度是 O(n)
在这里插入图片描述
在有序数组中按照内容查找，可以使用折半查找，时间复杂度 O（log2n）

哈希表可以不进行比较，通过计算得到地址，实现类似数组按照索引查询的高效率O(1)

2、哈希表的结构和特点

hash 表也叫散列表
在这里插入图片描述

3、哈希表是如何添加数据

计算哈希码（调用 hashCode()，结果是一个 int 值，整数的哈希码取自身即可）
计算在哈希表中的存储位置 y = k(x) = x%11
存入哈希表

情况一：一次添加成功
情况二：多次添加成功（出现了冲突，调用equals（）和对应链表的元素进行比较，比较到最后，结果都是 false，创建新结点，存储数据，并加入链表末尾）
情况三：不添加（出现了冲突，调用equals() 和对应链表的元素进行比较，经过一次或者多次比较后，结果为 true，表明重复，不添加）

结论1：哈希表添加数据快（3步即可，不考虑冲突）
结论2：唯一、无序
在这里插入图片描述

4、哈希表更多

4.1 如何查询数据

添加数据过程是相同的
情况1：一次找到 23
情况2：多次找到67

4.2 hashCode 和 equals 有什么作用

hashCode()：计算哈希码，是一个整数，根据哈希码可以计算出数据在哈希表中的存储位置
equals()：添加时出现了冲突，需要通过 equals 进行比较，判断是否相同；查询时有需要使用 equals 进行比较，判断是否相同

4.3 各种类型数据的哈希码应该如何获取 hashCode()

Integer 中源码

public static int hashCode(int value) {return value;
}

Arrays中源码

如果对象为 null，hash 码为 0
使用 31 作为 hash 因子，减少 hash 碰撞

在这里插入代码片public static int hashCode(Object a[]) {if (a == null)return 0;int result = 1;for (Object element : a)result = 31 * result + (element == null ? 0 : element.hashCode());return result;
}

String 中源码
给定一个内容，对内容进行 hash 计算，得到一个 hash值。只要内容不变，得到的结果一定是不变的。
但是不能通过得到的值反向得到原内容，所以 hash 算法是单向不可逆算法
可能出现的问题：原内容不一样，经过 hash 计算后得到的结果一样的，这种情况称为 hash 碰撞。
String 类型中的 hashCode() 方法，算法中数字 31 称为 hash 因子。定义 hash 因子时尽量选择一个靠近2的 n 次方的一个质数。可以在一定程度上减少 hash 碰撞。

public static int hashCode(byte[] value) {int h = 0;for (byte v : value) {h = 31 * h + (v & 0xff);}return h;
}

5、解决哈希碰撞的方法

5.1 链地址法（hashmap 就是真阳处理的）

把 Hash 表的每个单元作为链表的头结点，当发生冲突时放入到同一个hash值对应的链表。
在这里插入图片描述

5.2 开放定址法

发生冲突后寻找下一个 hash 地址。

5.3 再次哈希法

对 hash 值再次进行 hash计算

5.4 建立公共溢出区

把 hash表分为基本表和溢出表。当溢出时放入到溢出表中。

6、装填因子/加载因子/负载因子

哈希表的长度和表中的记录数的比例–装填因子
如果 Hash 表的空间远远大于最后实际存储额记录个数，则造成了很大的空间浪费，如果选取小了的话，则容易造成冲突。在实际情况中，一般需要根据最终记录存储个数和关键字的分布特点来确定Hash 表的大小。还有一种情况时可能事先不知道最终需要记录的个数，则需要动态维护 Hash 表的容量，此时可能需要重新计算 Hash 地址。
负载因子 = 表中记录数/哈希表长度，4/16 = 0.25 8/16=0.5
如果装填因子越小，表明表中还有很多的空单元，则发生冲突的可能性越小；而装填因子越大，则发生冲突的可能性就越大，在查找时所耗费的时间就越多。有相关文献证明当装填因子在0.5左右的时候，Hash 性能能够达到最优。
因此，一般情况下，装填因子取经验值0.5

二、HashMap 底层源码分析（JDK1.7及以前）（常见面试题）

1、结构简介

JDK1.7及其之前，HashMap 底层是一个 table数组 + 链表实现的哈希表存储结构，使用头插
在这里插入图片描述
链表的每一个节点就是一个 Entry，其中包括：键key、值value、键的哈希码hash、执行下一个节点的引用next四部分

static class Entry<K, V> implements Map.Entry<K, V> {final K key; //keyV value;//valueEntry<K, V> next; //指向下一个节点的指针int hash;//哈希码
}

2、内部成员变量含义

JDK1.7 中 HashMap 的主要成员变量及其含义

public class HashMap<K, V> implements Map<K, V> {
//哈希表主数组的默认长度static final int DEFAULT_INITIAL_CAPACITY = 16; 
//默认的装填因子static final float DEFAULT_LOAD_FACTOR = 0.75f; 
//主数组的引用！！！！transient Entry<K, V>[] table; int threshold;//界限值  阈值final float loadFactor;//装填因子public HashMap() {this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);}
}

3、put() 方法

调用 put 方法添加键值对。哈希表三步添加数据原理的具体实现；是计算key 的哈希码，和 value无关。特别注意：

第一步计算哈希码时，不仅调用了 key 的hashCode()，还进行了更复杂处理，目的是尽量保证不同的key 尽量得到不同的哈希码
第二部根据哈希码计算存储位置时，使用了位运算提高效率。同时也要求主数组长度必须是2的幂
第三步添加 Entry 时添加到链表的第一个为止，而不是链表末尾
第三步添加 Entry 是发现了相同的key 已经存在，就使用新的 value 替代旧的 value，并且返回就得 value

public class HashMap {public V put(K key, V value) {//如果key是null，特殊处理if (key == null) return putForNullKey(value);//1.计算key的哈希码hash int hash = hash(key);//2.将哈希码代入函数，计算出存储位置  y= x%16；int i = indexFor(hash, table.length);//如果已经存在链表，判断是否存在该key，需要用到equals()for (Entry<K,V> e = table[i]; e != null; e = e.next) {Object k;//如找到了,使用新value覆盖旧的value，返回旧valueif (e.hash == hash && ((k = e.key) == key || key.equals(k))) { V oldValue = e.value;// the United Statese.value = value;//Americae.recordAccess(this);return oldValue;}}//添加一个结点addEntry(hash, key, value, i);return null;}
final int hash(Object k) {int h = 0;h ^= k.hashCode();h ^= (h >>> 20) ^ (h >>> 12);return h ^ (h >>> 7) ^ (h >>> 4);
}
static int indexFor(int h, int length) {
//作用就相当于y = x%16,采用了位运算，效率更高return h & (length-1);}
}

4、addEntry() 方法

添加元素时如达到了阈值，需扩容，每次扩容为原来主数组容量的2倍

void addEntry(int hash, K key, V value, int bucketIndex) {//如果达到了门槛值，就扩容，容量为原来容量的2倍 16---32if ((size >= threshold) && (null != table[bucketIndex])) {resize(2 * table.length);hash = (null != key) ? hash(key) : 0;bucketIndex = indexFor(hash, table.length);}//添加节点createEntry(hash, key, value, bucketIndex);
}

5、get() 方法

调用get 方法根据 key 获取 value
哈希表三步查询数据原理的具体实现
其实是根据key 找 Entry，在从 Entry 中获取 value即可

public V get(Object key) {//根据key找到Entry（Entry中有key和value）Entry<K,V> entry = getEntry(key);//如果entry== null,返回null，否则返回valuereturn null == entry ? null : entry.getValue();
}

三、HashMap 底层源码分析（JDK1.8及以后）

在JDK1.8 中有一些变化，当链表的存储数据个数大于等于8的时候，不在采用链表存储，而采用红黑树存储结构。这么做主要时候查询的时间复杂度上，链表为O(N)，而红黑树一直是o(logn)。如果冲突多，并且超过8长度小于6会自动转换成链表结构，采用红黑树来提高效率
在这里插入图片描述

1、基本属性

public class HashMap<K,V> extends AbstractMap<K,V>implements Map<K,V>, Cloneable, Serializable {//序列化和反序列化时使用相同的idprivate static final long serialVersionUID = 362498820763181265L;//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;//默认负载因子static final float DEFAULT_LOAD_FACTOR = 0.75f;//树形阈值static final int TREEIFY_THRESHOLD = 8;//取消阈值static final int UNTREEIFY_THRESHOLD = 6;//最小树形容量static final int MIN_TREEIFY_CAPACITY = 64;//节点transient Node<K,V>[] table;//存储键值对的个数transient int size;//散列表被修改的次数transient int modCount; //扩容临界值int threshold;//负载因子final float loadFactor;
}

2、构造方法

//和1.7区别不大
//无参构造器，加载因子默认为0.75
public HashMap() {this.loadFactor = DEFAULT_LOAD_FACTOR;
}
//指定容量大小的构造器，但调用了双参的构造器，加载因子0.75
public HashMap(int initialCapacity) {this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
//全参构造器
public HashMap(int initialCapacity, float loadFactor) {if (initialCapacity < 0)throw new IllegalArgumentException("Illegal initial capacity: " +initialCapacity);//HashMap 的最大容量只能是 MAXIMUM_CAPACITY，哪怕传入的数值大于最大容量，也按照最大容量赋值if (initialCapacity > MAXIMUM_CAPACITY)initialCapacity = MAXIMUM_CAPACITY;//加载因子必须大于0if (loadFactor <= 0 || Float.isNaN(loadFactor))throw new IllegalArgumentException("Illegal load factor: " +loadFactor);this.loadFactor = loadFactor;//设置扩容阈值和1.7类似，目前该阈值不是正真的阈值this.threshold = tableSizeFor(initialCapacity);
}
//将传入的子Map中的全部元素逐个添加到HashMap中
public HashMap(Map<? extends K, ? extends V> m) {this.loadFactor = DEFAULT_LOAD_FACTOR;putMapEntries(m, false);
}

3、Node 结点

前 1.7 是 Entry 结点，1.8 则是 Node 结点，其实相差不大，因为都是实现了 Map.Entry （Map 接口中的 Entry 接口）接口，即，实现了 getKey() ， getValue() ， equals(Object o )和 hashCode() 等方法；

static class Node<K,V> implements Map.Entry<K,V> {//hash 值final int hash;//键final K key;//值V value;//后继，链表下一个结点Node<K,V> next;//全参构造器Node(int hash, K key, V value, Node<K,V> next) {this.hash = hash;this.key = key;this.value = value;this.next = next;}//返回与此项对应的键public final K getKey()        { return key; }//返回与此项对应的值public final V getValue()      { return value; }public final String toString() { return key + "=" + value; }//hash 值public final int hashCode() {return Objects.hashCode(key) ^ Objects.hashCode(value);}public final V setValue(V newValue) {V oldValue = value;value = newValue;return oldValue;}//判断2个Entry是否相等，必须key和value都相等，才返回true  public final boolean equals(Object o) {if (o == this)return true;if (o instanceof Map.Entry) {Map.Entry<?,?> e = (Map.Entry<?,?>)o;if (Objects.equals(key, e.getKey()) &&Objects.equals(value, e.getValue()))return true;}return false;}
}

4、添加键值对

4.1 put() 方法

//添加键值对
public V put(K key, V value) {/**参数一: 调用hash()方法*参数二: 键*参数三: 值**/return putVal(hash(key), key, value, false, true);
}

4.2 hash() 方法

static final int hash(Object key) {int h;//hashCode和h移位右移16位进行按位异或运算return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

4.3 putVal() 方法

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {//申明tab 和 p 用于操作原数组和结点Node<K,V>[] tab; Node<K,V> p;int n, i;//如果原数组是空或者原数组的长度等于0，那么通过resize()方法进行创建初始化if ((tab = table) == null || (n = tab.length) == 0)//获取到创建后数组的长度nn = (tab = resize()).length;//通过key的hash值和 数组长度-1 计算出存储元素结点的数组中位置（和1.7一样）//并且，如果该位置为空时，则直接创建元素结点赋值给该位置，后继元素结点为nullif ((p = tab[i = (n - 1) & hash]) == null)tab[i] = newNode(hash, key, value, null);else {//否则，说明该位置存在元素Node<K,V> e; K k;//判断table[i]的元素的key是否与添加的key相同，若相同则直接用新value覆盖旧valueif (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))e = p;//判断是否是红黑树的结点，如果是，那么就直接在树中添加或者更新键值对else if (p instanceof TreeNode)e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);//否则，就是链表，则在链表中添加或替换else {//遍历table[i]，并判断添加的key是否已经存在，和之前判断一样，hash和equals//遍历完毕后仍无发现上述情况，则直接在链表尾部插入数据for (int binCount = 0; ; ++binCount) {//如果遍历的下一个结点为空，那么直接插入//该方法是尾插法（与1.7不同）//将p的next赋值给e进行以下判断if ((e = p.next) == null) {//直接创建新结点连接在上一个结点的后继上p.next = newNode(hash, key, value, null);//如果插入结点后，链表的结点数大于等7（8-1，即大于8）时，则进行红黑树的转换//注意:不仅仅是链表大于8，并且会在treeifyBin方法中判断数组是否为空或数组长度是否小于64//如果小于64则进行扩容，并且不是直接转换为红黑树if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1sttreeifyBin(tab, hash);//完成后直接退出循环break;}//不退出循环时，则判断两个元素的key是否相同//若相同，则直接退出循环，进行下面替换的操作if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))break;//否则，让p指向下一个元素结点p = e;}}//接着上面的第二个break，如果e不为空，直接用新value覆盖旧value并且返回旧valueif (e != null) { // existing mapping for keyV oldValue = e.value;if (!onlyIfAbsent || oldValue == null)e.value = value;afterNodeAccess(e);return oldValue;}}++modCount;//添加成功后，判断实际存在的键值对数量size是否大于扩容阈值threshold（第一次时为12）if (++size > threshold)//若大于，扩容resize();//添加成功时会调用的方法（默认实现为空）afterNodeInsertion(evict);return null;
}

4.4 resize() 方法

//该函数有两种使用情况：初始化哈希表或前数组容量过小，需要扩容
final Node<K,V>[] resize() {//获取原数组Node<K,V>[] oldTab = table;//获取到原数组的容量oldCapint oldCap = (oldTab == null) ? 0 : oldTab.length;//获取原扩容阈值int oldThr = threshold;//新的容量和阈值目前都为0int newCap, newThr = 0;if (oldCap > 0) {//如果原数组容量大于等于最大容量，那么不再扩容if (oldCap >= MAXIMUM_CAPACITY) {threshold = Integer.MAX_VALUE;return oldTab;}//而没有超过最大容量，那么扩容为原来的2倍else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&oldCap >= DEFAULT_INITIAL_CAPACITY)//扩容为原2倍newThr = oldThr << 1; // double threshold}//经过上面的if，那么这步为初始化容量（使用有参构造器的初始化）else if (oldThr > 0) // initial capacity was placed in thresholdnewCap = oldThr;else {               // zero initial threshold signifies using defaults//否则，使用的无参构造器//那么，容量为16，阈值为12（0.75*16）newCap = DEFAULT_INITIAL_CAPACITY;newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);}//计算新的resize的上限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"})//使用新的容量床架一个新的数组Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];//将新的数组引用赋值给tabletable = newTab;//如果原数组不为空，那么就进行元素的移动if (oldTab != null) {//遍历原数组中的每个位置的元素for (int j = 0; j < oldCap; ++j) {Node<K,V> e;if ((e = oldTab[j]) != null) {//如果该位置元素不为空，那么上一步获取元素接着置为空oldTab[j] = null;//判断该元素上是否有链表if (e.next == null)//如果无链表，确定元素存放位置，//扩容前的元素位置为 (oldCap - 1) & e.hash ,所以这里的新的位置只有两种可能：1.位置不变，//2.变为 原来的位置+oldCap，下面会详细介绍newTab[e.hash & (newCap - 1)] = e;//判断是否是树结点，如果是则执行树的操作else if (e instanceof TreeNode)((TreeNode<K,V>)e).split(this, newTab, j, oldCap);else { // preserve order//否则，说明该元素上存在链表，那么进行元素的移动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;elseloTail.next = e;loTail = e;}else {if (hiTail == null)hiHead = e;elsehiTail.next = e;hiTail = e;}} while ((e = next) != null);//通过loHead和hiHead来保存链表的头结点，然后将两个头结点放到newTab[j]与newTab[j+oldCap]上面去if (loTail != null) {loTail.next = null;newTab[j] = loHead;}if (hiTail != null) {hiTail.next = null;newTab[j + oldCap] = hiHead;}}}}}return newTab;
}

5、问题

5.1 问题一

存储在 Node 中的 hash 值，是否就是 key 的 hashCode()？

static final int hash(Object key) {int h;//hashCode和右移16进行按位异或运算return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

答案：不是。存储的是对 key 先做 hashCode() 计算，然后再无符号右位移16，再按位异或

5.2 问题二

如何知道一个节点到底存储在Hash表(散列表)的哪个位置？

答案：根据key计算相关的hash值(并不是简单的hashCode()), (数组长度-1) & hash进行计算得出具体的下标, 如果下标只有这一个节点, 直接返回, 非一个节点, 继续在链表或者红黑树中查找

5.3 问题三

什么时候需要把链表转为红黑树？

答案：链表的节点数大于8(从0开始的, 多以判断条件为 >=7), 数组的长度必须大于等于64,这个时候就会转成红黑树要么就会数组的扩容。

5.4 问题四

什么时候扩容？

答案：

情况一：

HashMap的Size达到Hash中数组长度*loadFactor(扩容因子)时扩容。即比threshold大, 进行扩容。每次扩容为原数组长度的一倍(<< 1)

情况二：

Hash表中某个链表长度到达8，且Hash表中数组的长度小于64.

5.5 问题5

Hash表中数组最大长度为多少？

答案：最大长度为 1<<30. 即：2的30次方法。

计算操作时，发现Hash表中数组长度为2的倍数效率最高，需要一直保持长度为2的倍数。数组长度最大取值为2的31次方减一。所以里面最大的2的倍数为2的30次方。

5.6 问题六

Hash表中使用的是单向链表还是双向链表?

答案：单项链表

2. 数组扩容时, 链表使用的是尾加还是头加?

答案：JDK1.8尾插法 JDK1.7及以前采用的是头插法

5.7 问题七

链表转为红黑树时，数组中是所有的链表都转为红黑树，还是什么情况？

答案：只有数组里某个下标中的节点个数>8, 并且数组长度>=64, 该下标中的链表转换为红黑树

5.8 问题八

为什么java8中长度超过8以后将链表变为红黑树？

答案：红黑树的查询效率高于链表

5.9 问题九

为什么选择8作为转换值？

答案：元素个数为8的红黑树中，高度为：4.最多查找4次就能找到需要的的值，长度为8的链表，最多找7次。

例如长度为4就转换。红黑树高度为3，最多找3次。链表最多3次。

例如长度为7就转换。红黑树高度3，最多找3次。链表最多6次。多找3次和转换的性能消耗比较不值得。

在源码上可以看出，在理想状态下，受随机分布的 hashCode 影响，链表中的节点遵循泊松分布，而且根据统计，链表中节点数是 8 的概率已经接近千分之一，而且此时链表的性能已经很差了，所以在这种比较罕见和极端的情况下，才会把链表转变为红黑树
在这里插入图片描述

6. 总结HashMap底层原理（特别常见面试问题）

从Java8开始HashMap底层由数组+链表+红黑树。

使用HashMap时，当使用无参构造方法实例化时，设置扩容因子为默认扩容因子0.75。

当向HashMap添加内容时，会对Key做Hash计算，把得到的Hash值和数组长度-1按位与，计算出存储的位置。

如果数组中该没有内容, 直接存入数组中(Node节点对象), 该下标中有Node对象了, 把内容添加到对应的链表或红黑树中。

如果添加后链表长度大于等于8，会判断数组的长度是否大于等于64，如果小于64对数组扩容，扩容长度为原长度的2倍，扩容后把原Hash表内容重新放入到新的Hash表中。如果Hash长度大于等于64会把链表转换红黑树。

最终判断HashMap中元素个数是否已经达到扩容值(threshold)，如果达到扩容值，需要进行扩容，扩容一倍。

反之，如果删除元素后，红黑树的元素个数小于等于6，由红黑树转换为链表。

四、TreeMap底层原理

1. 介绍

TreeMap是数据结构中红黑树的具体实现。
在这里插入图片描述

2. 基本属性

public class TreeMap<K,V>extends AbstractMap<K,V>implements NavigableMap<K,V>, Cloneable, java.io.Serializable
{//比较器，是自然排序，还是定制排序 ，使用final修饰，表明一旦赋值便不允许改变private final Comparator<? super K> comparator;//红黑树的根节点private transient Entry<K,V> root;//TreeMap中存放的键值对的数量private transient int size = 0;//修改的次数private transient int modCount = 0;
}

3. 节点

在这里插入图片描述

static final class Entry<K,V> implements Map.Entry<K,V> {K key; //键V value; //值Entry<K, V> left = null; //左孩子节点Entry<K, V> right = null;//右孩子节点Entry<K, V> parent; //父节点boolean color = BLACK; //节点的颜色，在红黑树中，只有两种颜色，红色和黑色//省略 有参构造 无参构造 equals()和hashCode() getter和setter
}

4. 构造方法

//构造方法，comparator比较器
public TreeMap() {comparator = null;
}
//构造方法，提供比较器，用指定比较器排序
public TreeMap(Comparator<? super K> comparator) {this.comparator = comparator;
}

5. 添加键值

5.1 put()方法

public V put(K key, V value) {//红黑树的根节点Entry<K,V> t = root; //红黑树是否为空if (t == null) {//检查比较器compare(key, key); // type (and possibly null) check//创建根节点，因为根节点没有父节点，传入null值。 root = new Entry<>(key, value, null);//size值=1size = 1;//改变修改的次数modCount++;//返回null return null;}int cmp;//声明节点Entry<K,V> parent;// split comparator and comparable paths//获取比较器Comparator<? super K> cpr = comparator;//如果定义了比较器，采用自定义比较器进行比较if (cpr != null) {do {//将红黑树根节点赋值给parentparent = t;//添加的key与根节点的值比较大小cmp = cpr.compare(key, t.key);//如果key < t.key , 指向左子树if (cmp < 0)t = t.left;//如果key > t.key , 指向右子树else if (cmp > 0)t = t.right;//如果它们相等else//新值替换旧值return t.setValue(value);} while (t != null);}//自然排序方式，没有指定比较器else {//key不能为nullif (key == null)throw new NullPointerException();@SuppressWarnings("unchecked")//类型转换Comparable<? super K> k = (Comparable<? super K>) key;do {parent = t;//添加的key与根节点的值比较大小cmp = k.compareTo(t.key);// key < t.keyif (cmp < 0)t = t.left;//左孩子// key > t.key else if (cmp > 0)t = t.right;//右孩子else//如果它们相等//新值替换旧值return t.setValue(value);} while (t != null);}//创建新节点，并指定父节点Entry<K,V> e = new Entry<>(key, value, parent);//根据比较结果，决定新节点作为父节点的左孩子或右孩子if (cmp < 0)parent.left = e;elseparent.right = e;//新插入节点后重新调整红黑树 fixAfterInsertion(e);size++;modCount++;return null;
}

5.2 Comparator默认比较器

//比较方法，如果comparator==null ,采用comparable.compartTo进行比较(执行添加key的类型重写之后的比较方法)，否则采用指定比较器比较大小
final int compare(Object k1, Object k2) {return comparator==null ? ((Comparable<? super K>)k1).compareTo((K)k2): comparator.compare((K)k1, (K)k2);
}

5.3 fixAfterInsertion()方法

红黑树在新增节点过程中比较复杂，复杂归复杂它同样必须要依据上面提到的五点规范

[1]每个节点都只能是红色或者黑色。

[2]根节点是黑色。

[3]每个叶节点（NIL节点，NULL空节点）是黑色的。

[4]每个红色节点的两个子节点都是黑色 (从每个叶子到根的路径上不会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。

由于规则1、2、3基本都会满足，下面我们主要讨论规则4、5。

假设我们这里有一棵最简单的树，我们规定新增的节点为N、它的父节点为P、P的兄弟节点为U、P的父节点为G。

对于新节点的插入有如下三个关键地方：

1、插入新节点总是红色节点。

2、如果插入节点的父节点是黑色，能维持性质。

3、如果插入节点的父节点是红色，破坏了性质。

故插入算法就是通过重新着色或旋转，来维持性质，可能出现的情况如下：

【情况一】为根节点

若新插入的节点N没有父节点，则直接当做根据节点插入即可，同时将颜色设置为黑色。

【情况二】父结点为黑色

那么插入的红色节点将不会影响红黑树的平衡，直接插入即可。

【情况三】父节点和叔节点都为红色

当叔父结点为红色时，无需进行旋转操作，只要将父和叔结点变为黑色，将祖父结点变为红色即可

但是经过上面的处理，可能G节点的父节点也是红色，这个时候我们需要将G节点当做新增节点递归处理。
在这里插入图片描述
【情况四】父红，叔黑，并且新增节点和父节点都为左子树

对于这种情况先已P节点为中心进行右旋转，在旋转后产生的树中，节点P是节点N、G的父节点。

但是这棵树并不规范，所以我们将P、G节点的颜色进行交换，使之其满足规范。（这个位置的U可能不存在，因为NULL节点也是黑色）
在这里插入图片描述
【情况五】父红，叔黑，并且新增节点和父节点都为右子树

对于这种情况先已P节点为中心进行左旋转，在旋转后产生的树中，节点P是节点G、N的父节点。但是这棵树并不规范，所以我们将P、G节点的颜色进行交换，使之其满足规范。
在这里插入图片描述
【情况六】父红，叔黑，并且新增节点为左子树，父节点为右子树

对于这种情况先以N节点为中心进行右旋转，在旋转后产生的树中，节点N是节点P、X的父节点。然后再以N节点为中心进行左旋转，在旋转后产生的树中，节点N是节点P、G的父节点。但是这棵树并不规范，所以我们将N、G节点的颜色进行交换，使之其满足规范。
在这里插入图片描述
【情况七】父红，叔黑，并且新增节点为右子树，父节点为左子树

对于这种情况先以N节点为中心进行左旋转，在旋转后产生的树中，节点N是节点P、Y的父节点。然后再以N节点为中心进行右旋转，在旋转后产生的树中，节点N是节点P、G的父节点。但是这棵树并不规范，所以我们将N、G节点的颜色进行交换，使之其满足规范。
在这里插入图片描述

  private void fixAfterInsertion(Entry<K, V> entry) {// 循环直到entry不是根节点，并且entry的父节点是红色while (null != entry && entry != root && colorOf(entry.parent) == RED) {// 当entry的父节点属于左侧节点时if (parentOf(entry) == leftOf(parentOf(parentOf(entry)))) {// 获取entry的右侧叔叔节点Entry<K, V> uncle = rightOf(parentOf(parentOf(entry)));// 当叔叔节点为红色时(父红&叔红)if (colorOf(uncle) == RED) { // 【情况三】// 将父节点设置为黑色setColor(parentOf(entry), BLACK);// 将叔节点设置为黑色setColor(uncle, BLACK);// 将父节点的父节点设置为红色setColor(parentOf(uncle), RED);// 更新entry，通过循环继续遍历处理// 因为有可能“父节点的父节点的父节点”还是为红色entry = parentOf(parentOf(entry));}// 当叔叔节点为黑色时(父红&叔黑)else { // 【情况四】和【情况七】// 1.当新增节点为右子树时（父红&叔黑&且新增节点为右子树&父左子树）if (entry == rightOf(parentOf(entry))) { // 【情况七】// 把entry的父节点进行左旋rotateLeft(entry.parent);}// 2.新增节点为左子树时// 父红&叔黑&并且新增节点和父节点都为左子树 【情况四】// 设置entry的父节点为黑色setColor(parentOf(entry), BLACK);// 设置entry的父节点的父节点为红色setColor(parentOf(parentOf(entry)), RED);// 设置entry父节点的父节点右旋rotateRight(parentOf(parentOf(entry)));}}// 当entry的父节点属于右侧节点时else {// 获取entry的左侧叔叔节点Entry<K, V> uncle = leftOf(parentOf(parentOf(entry)));// 当叔叔节点为红色时(父红&叔红)if (colorOf(uncle) == RED) {// 【情况三】// 将父节点设置为黑色setColor(parentOf(entry), BLACK);// 将叔节点设置为黑色setColor(uncle, BLACK);// 将父节点的父节点设置为红色setColor(parentOf(uncle), RED);// 更新entry，通过循环继续遍历处理// 因为有可能“父节点的父节点的父节点”还是为红色entry = parentOf(parentOf(entry));}// 当叔叔节点为黑色时(父红&叔黑)else { // 【情况五】和【情况六】// 1.当新增节点为左子树时（父红&叔黑&且新增节点为左子树&父右子树）if (entry == leftOf(parentOf(entry))) { // 【情况六】// 把entry的父节点进行右旋rotateRight(entry.parent);}// 2.新增节点为右子树时// 父红&叔黑&并且新增节点和父节点都为右子树 【情况五】// 设置entry的父节点为黑色setColor(parentOf(entry), BLACK);// 设置entry的父节点的父节点为红色setColor(parentOf(parentOf(entry)), RED);// 设置entry父节点的父节点左旋rotateLeft(parentOf(parentOf(entry)));}}}// 将根节点强制设置为黑色setColor(root, BLACK);}// 此处省略Entry节点类
}

6. 总结

1. 按照红黑树要求，将节点插入到树中。

2. 新增节点默认为红色，父子节点出现两个红色, 需要进行左旋转或右旋转, 旋转可以理解为父节点向左转动还是向右转动, 必须保证最终根节点为黑色。

五、TreeSet和HashSet

1.源码分析

TreeSet和HashSet底层是TreeMap和HashMap。

把Set的值当做Map的Key，Map中Value存储new Object()

六、三代集合对比

1.第一代(旧的集合类)

Vector

实现原理和ArrayList相同，功能相同，都是长度可变的数组结构，很多情况下可以互用

两者的主要区别如下

Vector是早期JDK接口，ArrayList是替代Vector的新接口
Vector线程安全，效率低下；ArrayList重速度轻安全，线程非安全
长度需增长时，Vector默认增长一倍，ArrayList增长50%

Hashtable类

实现原理和HashMap相同，功能相同，底层都是哈希表结构，查询速度快，很多情况下可互用

两者的主要区别如下

Hashtable是早期JDK提供，HashMap是新版JDK提供
Hashtable继承Dictionary类，HashMap实现Map接口
Hashtable线程安全，HashMap线程非安全
Hashtable不允许key的null值，HashMap允许null值

public class TestVector {public static void main(String[] args) {//泛型是1.5开始的，重新改写了Vector，ArrayListVector<Integer> v = new Vector<Integer>();        v.addElement(123);v.addElement(456);v.addElement(345);v.addElement(100);        Enumeration<Integer> en = v.elements();while(en.hasMoreElements()){Integer elem = en.nextElement();System.out.println(elem);}}
}