共计 18250 个字符，预计需要花费 46 分钟才能阅读完成。
简介
TreeMap 使用红黑树存储元素，可以保证元素按 key 值的大小进行遍历。
继承体系
TreeMap 实现了 Map、SortedMap、NavigableMap、Cloneable、Serializable 等接口。
SortedMap 规定了元素可以按 key 的大小来遍历，它定义了一些返回部分 map 的方法。
public interface SortedMap<K,V> extends Map<K,V> {
// key 的比较器
Comparator<? super K> comparator();
// 返回 fromKey（包含）到 toKey（不包含）之间的元素组成的子 map
SortedMap<K,V> subMap(K fromKey, K toKey);
// 返回小于 toKey（不包含）的子 map
SortedMap<K,V> headMap(K toKey);
// 返回大于等于 fromKey（包含）的子 map
SortedMap<K,V> tailMap(K fromKey);
// 返回最小的 key
K firstKey();
// 返回最大的 key
K lastKey();
// 返回 key 集合
Set<K> keySet();
// 返回 value 集合
Collection<V> values();
// 返回节点集合
Set<Map.Entry<K, V>> entrySet();}NavigableMap 是对 SortedMap 的增强，定义了一些返回离目标 key 最近的元素的方法。
public interface NavigableMap<K,V> extends SortedMap<K,V> {
// 小于给定 key 的最大节点
Map.Entry<K,V> lowerEntry(K key);
// 小于给定 key 的最大 key
K lowerKey(K key);
// 小于等于给定 key 的最大节点
Map.Entry<K,V> floorEntry(K key);
// 小于等于给定 key 的最大 key
K floorKey(K key);
// 大于等于给定 key 的最小节点
Map.Entry<K,V> ceilingEntry(K key);
// 大于等于给定 key 的最小 key
K ceilingKey(K key);
// 大于给定 key 的最小节点
Map.Entry<K,V> higherEntry(K key);
// 大于给定 key 的最小 key
K higherKey(K key);
// 最小的节点
Map.Entry<K,V> firstEntry();
// 最大的节点
Map.Entry<K,V> lastEntry();
// 弹出最小的节点
Map.Entry<K,V> pollFirstEntry();
// 弹出最大的节点
Map.Entry<K,V> pollLastEntry();
// 返回倒序的 map
NavigableMap<K,V> descendingMap();
// 返回有序的 key 集合
NavigableSet<K> navigableKeySet();
// 返回倒序的 key 集合
NavigableSet<K> descendingKeySet();
// 返回从 fromKey 到 toKey 的子 map，是否包含起止元素可以自己决定
NavigableMap<K,V> subMap(K fromKey, boolean fromInclusive,
K toKey, boolean toInclusive);
// 返回小于 toKey 的子 map，是否包含 toKey 自己决定
NavigableMap<K,V> headMap(K toKey, boolean inclusive);
// 返回大于 fromKey 的子 map，是否包含 fromKey 自己决定
NavigableMap<K,V> tailMap(K fromKey, boolean inclusive);
// 等价于 subMap(fromKey, true, toKey, false)
SortedMap<K,V> subMap(K fromKey, K toKey);
// 等价于 headMap(toKey, false)
SortedMap<K,V> headMap(K toKey);
// 等价于 tailMap(fromKey, true)
SortedMap<K,V> tailMap(K fromKey);
}存储结构
TreeMap 只使用到了红黑树，所以它的时间复杂度为 O(log n)，我们再来回顾一下红黑树的特性。
（1）每个节点或者是黑色，或者是红色。
（2）根节点是黑色【本篇文章由公众号“彤哥读源码”原创】。
（3）每个叶子节点（NIL）是黑色。（注意：这里叶子节点，是指为空 (NIL 或 NULL) 的叶子节点！）
（4）如果一个节点是红色的，则它的子节点必须是黑色的。
（5）从一个节点到该节点的子孙节点的所有路径上包含相同数目的黑节点。
源码解析
属性
/**
* 比较器，如果没传则 key 要实现 Comparable 接口
*/
private final Comparator<? super K> comparator;
/**
* 根节点
*/
private transient Entry<K,V> root;
/**
* 元素个数
*/
private transient int size = 0;
/**
* 修改次数
*/
private transient int modCount = 0;（1）comparator
按 key 的大小排序有两种方式，一种是 key 实现 Comparable 接口，一种方式通过构造方法传入比较器。
（2）root
根节点，TreeMap 没有桶的概念，所有的元素都存储在一颗树中。
Entry 内部类
存储节点，典型的红黑树结构。
static final class Entry<K,V> implements Map.Entry<K,V> {
K key;
V value;
Entry<K,V> left;
Entry<K,V> right;
Entry<K,V> parent;
boolean color = BLACK;
}构造方法
/**
* 默认构造方法，key 必须实现 Comparable 接口
*/
public TreeMap() {comparator = null;}
/**
* 使用传入的 comparator 比较两个 key 的大小
*/
public TreeMap(Comparator<? super K> comparator) {this.comparator = comparator;}
/**
* key 必须实现 Comparable 接口，把传入 map 中的所有元素保存到新的 TreeMap 中
*/
public TreeMap(Map<? extends K, ? extends V> m) {
comparator = null;
putAll(m);
}
/**
* 使用传入 map 的比较器，并把传入 map 中的所有元素保存到新的 TreeMap 中
*/
public TreeMap(SortedMap<K, ? extends V> m) {comparator = m.comparator();
try {buildFromSorted(m.size(), m.entrySet().iterator(), null, null);
} catch (java.io.IOException cannotHappen) {} catch (ClassNotFoundException cannotHappen) {}}构造方法主要分成两类，一类是使用 comparator 比较器，一类是 key 必须实现 Comparable 接口。
其实，笔者认为这两种比较方式可以合并成一种，当没有传 comparator 的时候，可以用以下方式来给 comparator 赋值，这样后续所有的比较操作都可以使用一样的逻辑处理了，而不用每次都检查 comparator 为空的时候又用 Comparable 来实现一遍逻辑。
// 如果 comparator 为空，则 key 必须实现 Comparable 接口，所以这里肯定可以强转
// 这样在构造方法中统一替换掉，后续的逻辑就都一致了
comparator = (k1, k2) -> ((Comparable<? super K>)k1).compareTo(k2);get(Object key)方法
获取元素，典型的二叉查找树的查找方法。
public V get(Object key) {
// 根据 key 查找元素
Entry<K,V> p = getEntry(key);
// 找到了返回 value 值，没找到返回 null
return (p==null ? null : p.value);
}
final Entry<K,V> getEntry(Object key) {
// 如果 comparator 不为空，使用 comparator 的版本获取元素
if (comparator != null)
return getEntryUsingComparator(key);
// 如果 key 为空返回空指针异常
if (key == null)
throw new NullPointerException();
// 将 key 强转为 Comparable
@SuppressWarnings("unchecked")
Comparable<? super K> k = (Comparable<? super K>) key;
// 从根元素开始遍历
Entry<K,V> p = root;
while (p != null) {int cmp = k.compareTo(p.key);
if (cmp < 0)
// 如果小于 0 从左子树查找
p = p.left;
else if (cmp > 0)
// 如果大于 0 从右子树查找
p = p.right;
else
// 如果相等说明找到了直接返回
return p;
}
// 没找到返回 null
return null;
}
final Entry<K,V> getEntryUsingComparator(Object key) {@SuppressWarnings("unchecked")
K k = (K) key;
Comparator<? super K> cpr = comparator;
if (cpr != null) {
// 从根元素开始遍历
Entry<K,V> p = root;
while (p != null) {int cmp = cpr.compare(k, p.key);
if (cmp < 0)
// 如果小于 0 从左子树查找
p = p.left;
else if (cmp > 0)
// 如果大于 0 从右子树查找
p = p.right;
else
// 如果相等说明找到了直接返回
return p;
}
}
// 没找到返回 null
return null;
}（1）从 root 遍历整个树；
（2）如果待查找的 key 比当前遍历的 key 小，则在其左子树中查找；
（3）如果待查找的 key 比当前遍历的 key 大，则在其右子树中查找；
（4）如果待查找的 key 与当前遍历的 key 相等，则找到了该元素，直接返回；
（5）从这里可以看出是否有 comparator 分化成了两个方法，但是内部逻辑一模一样，因此可见笔者 comparator = (k1, k2) -> ((Comparable<? super K>)k1).compareTo(k2); 这种改造的必要性。
我是一条美丽的分割线，前方高能，请做好准备。
特性再回顾
（1）每个节点或者是黑色，或者是红色。
（2）根节点是黑色。
（3）每个叶子节点（NIL）是黑色。（注意：这里叶子节点，是指为空 (NIL 或 NULL) 的叶子节点！）
（4）如果一个节点是红色的，则它的子节点必须是黑色的。
（5）从一个节点到该节点的子孙节点的所有路径上包含相同数目的黑节点。
左旋
左旋，就是以某个节点为支点向左旋转。
整个左旋过程如下：
（1）将 y 的左节点 设为 x 的右节点，即将 β 设为 x 的右节点；
（2）将 x 设为 y 的左节点的父节点，即将 β 的父节点 设为 x；
（3）将 x 的父节点 设为 y 的父节点；
（4）如果 x 的父节点 为空节点，则将 y 设置为根节点；如果 x 是它父节点的左（右）节点，则将 y 设置为 x 父节点的左（右）节点；
（5）将 x 设为 y 的左节点；
（6）将 x 的父节点 设为 y；
让我们来看看 TreeMap 中的实现：
/**
* 以 p 为支点进行左旋
* 假设 p 为图中的 x
*/
private void rotateLeft(Entry<K,V> p) {if (p != null) {
// p 的右节点，即 y【本篇文章由公众号“彤哥读源码”原创】Entry<K,V> r = p.right;
//（1）将 y 的左节点 设为 x 的右节点
p.right = r.left;
//（2）将 x 设为 y 的左节点的父节点（如果 y 的左节点存在的话）if (r.left != null)
r.left.parent = p;
//（3）将 x 的父节点 设为 y 的父节点
r.parent = p.parent;
//（4）...
if (p.parent == null)
// 如果 x 的父节点 为空，则将 y 设置为根节点
root = r;
else if (p.parent.left == p)
// 如果 x 是它父节点的左节点，则将 y 设置为 x 父节点的左节点
p.parent.left = r;
else
// 如果 x 是它父节点的右节点，则将 y 设置为 x 父节点的右节点
p.parent.right = r;
//（5）将 x 设为 y 的左节点
r.left = p;
//（6）将 x 的父节点 设为 y
p.parent = r;
}
}右旋
右旋，就是以某个节点为支点向右旋转。
整个右旋过程如下：
（1）将 x 的右节点 设为 y 的左节点，即 将 β 设为 y 的左节点；
（2）将 y 设为 x 的右节点的父节点，即 将 β 的父节点 设为 y；
（3）将 y 的父节点 设为 x 的父节点；
（4）如果 y 的父节点 是 空节点，则将 x 设为根节点；如果 y 是它父节点的左（右）节点，则将 x 设为 y 的父节点的左（右）节点；
（5）将 y 设为 x 的右节点；
（6）将 y 的父节点 设为 x；
让我们来看看 TreeMap 中的实现：
/**
* 以 p 为支点进行右旋
* 假设 p 为图中的 y
*/
private void rotateRight(Entry<K,V> p) {if (p != null) {
// p 的左节点，即 x
Entry<K,V> l = p.left;
//（1）将 x 的右节点 设为 y 的左节点
p.left = l.right;
//（2）将 y 设为 x 的右节点的父节点（如果 x 有右节点的话）if (l.right != null) l.right.parent = p;
//（3）将 y 的父节点 设为 x 的父节点
l.parent = p.parent;
//（4）...
if (p.parent == null)
// 如果 y 的父节点 是 空节点，则将 x 设为根节点
root = l;
else if (p.parent.right == p)
// 如果 y 是它父节点的右节点，则将 x 设为 y 的父节点的右节点
p.parent.right = l;
else
// 如果 y 是它父节点的左节点，则将 x 设为 y 的父节点的左节点
p.parent.left = l;
//（5）将 y 设为 x 的右节点
l.right = p;
//（6）将 y 的父节点 设为 x
p.parent = l;
}
}插入元素
插入元素，如果元素在树中存在，则替换 value；如果元素不存在，则插入到对应的位置，再平衡树。
public V put(K key, V value) {
Entry<K,V> t = root;
if (t == null) {
// 如果没有根节点，直接插入到根节点
compare(key, key); // type (and possibly null) check
root = new Entry<>(key, value, null);
size = 1;
modCount++;
return null;
}
// key 比较的结果
int cmp;
// 用来寻找待插入节点的父节点
Entry<K,V> parent;
// 根据是否有 comparator 使用不同的分支
Comparator<? super K> cpr = comparator;
if (cpr != null) {// 如果使用的是 comparator 方式，key 值可以为 null，只要在 comparator.compare()中允许即可
// 从根节点开始遍历寻找
do {
parent = t;
cmp = cpr.compare(key, t.key);
if (cmp < 0)
// 如果小于 0 从左子树寻找
t = t.left;
else if (cmp > 0)
// 如果大于 0 从右子树寻找
t = t.right;
else
// 如果等于 0，说明插入的节点已经存在了，直接更换其 value 值并返回旧值
return t.setValue(value);
} while (t != null);
}
else {
// 如果使用的是 Comparable 方式，key 不能为 null
if (key == null)
throw new NullPointerException();
@SuppressWarnings("unchecked")
Comparable<? super K> k = (Comparable<? super K>) key;
// 从根节点开始遍历寻找
do {
parent = t;
cmp = k.compareTo(t.key);
if (cmp < 0)
// 如果小于 0 从左子树寻找
t = t.left;
else if (cmp > 0)
// 如果大于 0 从右子树寻找
t = t.right;
else
// 如果等于 0，说明插入的节点已经存在了，直接更换其 value 值并返回旧值
return t.setValue(value);
} while (t != null);
}
// 如果没找到，那么新建一个节点，并插入到树中
Entry<K,V> e = new Entry<>(key, value, parent);
if (cmp < 0)
// 如果小于 0 插入到左子节点
parent.left = e;
else
// 如果大于 0 插入到右子节点
parent.right = e;
// 插入之后的平衡
fixAfterInsertion(e);
// 元素个数加 1（不需要扩容）size++;
// 修改次数加 1
modCount++;
// 如果插入了新节点返回空
return null;
}插入再平衡
插入的元素默认都是红色，因为插入红色元素只违背了第 4 条特性，那么我们只要根据这个特性来平衡就容易多了。
根据不同的情况有以下几种处理方式：
- 插入的元素如果是根节点，则直接涂成黑色即可，不用平衡；
- 插入的元素的父节点如果为黑色，不需要平衡；
- 插入的元素的父节点如果为红色，则违背了特性 4，需要平衡，平衡时又分成下面三种情况：
（如果父节点是祖父节点的左节点）
| 情况 | 策略 |
|---|---|
| 1）父节点为红色，叔叔节点也为红色 | （1）将父节点设为黑色； （2）将叔叔节点设为黑色； （3）将祖父节点设为红色； （4）将祖父节点设为新的当前节点，进入下一次循环判断； |
| 2）父节点为红色，叔叔节点为黑色，且当前节点是其父节点的右节点 | （1）将父节点作为新的当前节点； （2）以新当节点为支点进行左旋，进入情况 3）； |
| 3）父节点为红色，叔叔节点为黑色，且当前节点是其父节点的左节点 | （1）将父节点设为黑色； （2）将祖父节点设为红色； （3）以祖父节点为支点进行右旋，进入下一次循环判断； |
（如果父节点是祖父节点的右节点，则正好与上面反过来）
| 情况 | 策略 |
|---|---|
| 1）父节点为红色，叔叔节点也为红色 | （1）将父节点设为黑色； （2）将叔叔节点设为黑色； （3）将祖父节点设为红色； （4）将祖父节点设为新的当前节点，进入下一次循环判断； |
| 2）父节点为红色，叔叔节点为黑色，且当前节点是其父节点的左节点 | （1）将父节点作为新的当前节点； （2）以新当节点为支点进行右旋； |
| 3）父节点为红色，叔叔节点为黑色，且当前节点是其父节点的右节点 | （1）将父节点设为黑色； （2）将祖父节点设为红色； （3）以祖父节点为支点进行左旋，进入下一次循环判断； |
让我们来看看 TreeMap 中的实现：
/**
* 插入再平衡
*（1）每个节点或者是黑色，或者是红色。*（2）根节点是黑色。*（3）每个叶子节点（NIL）是黑色。（注意：这里叶子节点，是指为空 (NIL 或 NULL) 的叶子节点！）*（4）如果一个节点是红色的，则它的子节点必须是黑色的。*（5）从一个节点到该节点的子孙节点的所有路径上包含相同数目的黑节点。*/
private void fixAfterInsertion(Entry<K,V> x) {
// 插入的节点为红节点，x 为当前节点
x.color = RED;
// 只有当插入节点不是根节点且其父节点为红色时才需要平衡（违背了特性 4）while (x != null && x != root && x.parent.color == RED) {if (parentOf(x) == leftOf(parentOf(parentOf(x)))) {
// a）如果父节点是祖父节点的左节点
// y 为叔叔节点【本篇文章由公众号“彤哥读源码”原创】Entry<K,V> y = rightOf(parentOf(parentOf(x)));
if (colorOf(y) == RED) {
// 情况 1）如果叔叔节点为红色
//（1）将父节点设为黑色
setColor(parentOf(x), BLACK);
//（2）将叔叔节点设为黑色
setColor(y, BLACK);
//（3）将祖父节点设为红色
setColor(parentOf(parentOf(x)), RED);
//（4）将祖父节点设为新的当前节点
x = parentOf(parentOf(x));
} else {
// 如果叔叔节点为黑色
// 情况 2）如果当前节点为其父节点的右节点
if (x == rightOf(parentOf(x))) {
//（1）将父节点设为当前节点
x = parentOf(x);
//（2）以新当前节点左旋
rotateLeft(x);
}
// 情况 3）如果当前节点为其父节点的左节点（如果是情况 2）则左旋之后新当前节点正好为其父节点的左节点了）//（1）将父节点设为黑色
setColor(parentOf(x), BLACK);
//（2）将祖父节点设为红色
setColor(parentOf(parentOf(x)), RED);
//（3）以祖父节点为支点进行右旋
rotateRight(parentOf(parentOf(x)));
}
} else {
// b）如果父节点是祖父节点的右节点
// y 是叔叔节点
Entry<K,V> y = leftOf(parentOf(parentOf(x)));
if (colorOf(y) == RED) {
// 情况 1）如果叔叔节点为红色
//（1）将父节点设为黑色
setColor(parentOf(x), BLACK);
//（2）将叔叔节点设为黑色
setColor(y, BLACK);
//（3）将祖父节点设为红色
setColor(parentOf(parentOf(x)), RED);
//（4）将祖父节点设为新的当前节点
x = parentOf(parentOf(x));
} else {
// 如果叔叔节点为黑色
// 情况 2）如果当前节点为其父节点的左节点
if (x == leftOf(parentOf(x))) {
//（1）将父节点设为当前节点
x = parentOf(x);
//（2）以新当前节点右旋
rotateRight(x);
}
// 情况 3）如果当前节点为其父节点的右节点（如果是情况 2）则右旋之后新当前节点正好为其父节点的右节点了）//（1）将父节点设为黑色
setColor(parentOf(x), BLACK);
//（2）将祖父节点设为红色
setColor(parentOf(parentOf(x)), RED);
//（3）以祖父节点为支点进行左旋
rotateLeft(parentOf(parentOf(x)));
}
}
}
// 平衡完成后将根节点设为黑色
root.color = BLACK;
}插入元素举例
我们依次向红黑树中插入 4、2、3 三个元素，来一起看看整个红黑树平衡的过程。
三个元素都插入完成后，符合父节点是祖父节点的左节点，叔叔节点为黑色，且当前节点是其父节点的右节点，即情况 2）。
情况 2）需要做以下两步处理：
（1）将父节点作为新的当前节点；
（2）以新当节点为支点进行左旋，进入情况 3）；
情况 3）需要做以下三步处理：
（1）将父节点设为黑色；
（2）将祖父节点设为红色；
（3）以祖父节点为支点进行右旋，进入下一次循环判断；
下一次循环不符合父节点为红色了，退出循环，插入再平衡完成。
删除元素
删除元素本身比较简单，就是采用二叉树的删除规则。
（1）如果删除的位置有两个叶子节点，则从其右子树中取最小的元素放到删除的位置，然后把删除位置移到替代元素的位置，进入下一步。
（2）如果删除的位置只有一个叶子节点（有可能是经过第一步转换后的删除位置），则把那个叶子节点作为替代元素，放到删除的位置，然后把这个叶子节点删除。
（3）如果删除的位置没有叶子节点，则直接把这个删除位置的元素删除即可。
（4）针对红黑树，如果删除位置是黑色节点，还需要做再平衡。
（5）如果有替代元素，则以替代元素作为当前节点进入再平衡。
（6）如果没有替代元素，则以删除的位置的元素作为当前节点进入再平衡，平衡之后再删除这个节点。
public V remove(Object key) {
// 获取节点
Entry<K,V> p = getEntry(key);
if (p == null)
return null;
V oldValue = p.value;
// 删除节点
deleteEntry(p);
// 返回删除的 value
return oldValue;
}
private void deleteEntry(Entry<K,V> p) {
// 修改次数加 1
modCount++;
// 元素个数减 1
size--;
if (p.left != null && p.right != null) {
// 如果当前节点既有左子节点，又有右子节点
// 取其右子树中最小的节点
Entry<K,V> s = successor(p);
// 用右子树中最小节点的值替换当前节点的值
p.key = s.key;
p.value = s.value;
// 把右子树中最小节点设为当前节点
p = s;
// 这种情况实际上并没有删除 p 节点，而是把 p 节点的值改了，实际删除的是 p 的后继节点
}
// 如果原来的当前节点（p）有 2 个子节点，则当前节点已经变成原来 p 的右子树中的最小节点了，也就是说其没有左子节点了
// 到这一步，p 肯定只有一个子节点了
// 如果当前节点有子节点，则用子节点替换当前节点
Entry<K,V> replacement = (p.left != null ? p.left : p.right);
if (replacement != null) {
// 把替换节点直接放到当前节点的位置上（相当于删除了 p，并把替换节点移动过来了）replacement.parent = p.parent;
if (p.parent == null)
root = replacement;
else if (p == p.parent.left)
p.parent.left = replacement;
else
p.parent.right = replacement;
// 将 p 的各项属性都设为空
p.left = p.right = p.parent = null;
// 如果 p 是黑节点，则需要再平衡
if (p.color == BLACK)
fixAfterDeletion(replacement);
} else if (p.parent == null) {
// 如果当前节点就是根节点，则直接将根节点设为空即可
root = null;
} else {
// 如果当前节点没有子节点且其为黑节点，则把自己当作虚拟的替换节点进行再平衡
if (p.color == BLACK)
fixAfterDeletion(p);
// 平衡完成后删除当前节点（与父节点断绝关系）if (p.parent != null) {if (p == p.parent.left)
p.parent.left = null;
else if (p == p.parent.right)
p.parent.right = null;
p.parent = null;
}
}
}删除再平衡
经过上面的处理，真正删除的肯定是黑色节点才会进入到再平衡阶段。
因为删除的是黑色节点，导致整颗树不平衡了，所以这里我们假设把删除的黑色赋予当前节点，这样当前节点除了它自已的颜色还多了一个黑色，那么：
（1）如果当前节点是根节点，则直接涂黑即可，不需要再平衡；
（2）如果当前节点是红 + 黑节点，则直接涂黑即可，不需要平衡；
（3）如果当前节点是黑 + 黑节点，则我们只要通过旋转把这个多出来的黑色不断的向上传递到一个红色节点即可，这又可能会出现以下四种情况：
（假设当前节点为父节点的左子节点）
| 情况 | 策略 |
|---|---|
| 1）x 是黑 + 黑节点，x 的兄弟是红节点 | （1）将兄弟节点设为黑色； （2）将父节点设为红色； （3）以父节点为支点进行左旋； （4）重新设置 x 的兄弟节点，进入下一步； |
| 2）x 是黑 + 黑节点，x 的兄弟是黑节点，且兄弟节点的两个子节点都是黑色 | （1）将兄弟节点设置为红色； （2）将 x 的父节点作为新的当前节点，进入下一次循环； |
| 3）x 是黑 + 黑节点，x 的兄弟是黑节点，且兄弟节点的右子节点为黑色，左子节点为红色 | （1）将兄弟节点的左子节点设为黑色； （2）将兄弟节点设为红色； （3）以兄弟节点为支点进行右旋； （4）重新设置 x 的兄弟节点，进入下一步； |
| 3）x 是黑 + 黑节点，x 的兄弟是黑节点，且兄弟节点的右子节点为红色，左子节点任意颜色 | （1）将兄弟节点的颜色设为父节点的颜色； （2）将父节点设为黑色； （3）将兄弟节点的右子节点设为黑色； （4）以父节点为支点进行左旋； （5）将 root 作为新的当前节点（退出循环）； |
（假设当前节点为父节点的右子节点，正好反过来）
| 情况 | 策略 |
|---|---|
| 1）x 是黑 + 黑节点，x 的兄弟是红节点 | （1）将兄弟节点设为黑色； （2）将父节点设为红色； （3）以父节点为支点进行右旋； （4）重新设置 x 的兄弟节点，进入下一步； |
| 2）x 是黑 + 黑节点，x 的兄弟是黑节点，且兄弟节点的两个子节点都是黑色 | （1）将兄弟节点设置为红色； （2）将 x 的父节点作为新的当前节点，进入下一次循环； |
| 3）x 是黑 + 黑节点，x 的兄弟是黑节点，且兄弟节点的左子节点为黑色，右子节点为红色 | （1）将兄弟节点的右子节点设为黑色； （2）将兄弟节点设为红色； （3）以兄弟节点为支点进行左旋； （4）重新设置 x 的兄弟节点，进入下一步； |
| 3）x 是黑 + 黑节点，x 的兄弟是黑节点，且兄弟节点的左子节点为红色，右子节点任意颜色 | （1）将兄弟节点的颜色设为父节点的颜色； （2）将父节点设为黑色； （3）将兄弟节点的左子节点设为黑色； （4）以父节点为支点进行右旋； （5）将 root 作为新的当前节点（退出循环）； |
让我们来看看 TreeMap 中的实现：
/**
* 删除再平衡
*（1）每个节点或者是黑色，或者是红色。*（2）根节点是黑色【本篇文章由公众号“彤哥读源码”原创】。*（3）每个叶子节点（NIL）是黑色。（注意：这里叶子节点，是指为空 (NIL 或 NULL) 的叶子节点！）*（4）如果一个节点是红色的，则它的子节点必须是黑色的。*（5）从一个节点到该节点的子孙节点的所有路径上包含相同数目的黑节点。*/
private void fixAfterDeletion(Entry<K,V> x) {
// 只有当前节点不是根节点且当前节点是黑色时才进入循环
while (x != root && colorOf(x) == BLACK) {if (x == leftOf(parentOf(x))) {
// 如果当前节点是其父节点的左子节点
// sib 是当前节点的兄弟节点
Entry<K,V> sib = rightOf(parentOf(x));
// 情况 1）如果兄弟节点是红色
if (colorOf(sib) == RED) {
//（1）将兄弟节点设为黑色
setColor(sib, BLACK);
//（2）将父节点设为红色
setColor(parentOf(x), RED);
//（3）以父节点为支点进行左旋
rotateLeft(parentOf(x));
//（4）重新设置 x 的兄弟节点，进入下一步
sib = rightOf(parentOf(x));
}
if (colorOf(leftOf(sib)) == BLACK &&
colorOf(rightOf(sib)) == BLACK) {
// 情况 2）如果兄弟节点的两个子节点都是黑色
//（1）将兄弟节点设置为红色
setColor(sib, RED);
//（2）将 x 的父节点作为新的当前节点，进入下一次循环
x = parentOf(x);
} else {if (colorOf(rightOf(sib)) == BLACK) {
// 情况 3）如果兄弟节点的右子节点为黑色
//（1）将兄弟节点的左子节点设为黑色
setColor(leftOf(sib), BLACK);
//（2）将兄弟节点设为红色
setColor(sib, RED);
//（3）以兄弟节点为支点进行右旋
rotateRight(sib);
//（4）重新设置 x 的兄弟节点
sib = rightOf(parentOf(x));
}
// 情况 4）//（1）将兄弟节点的颜色设为父节点的颜色
setColor(sib, colorOf(parentOf(x)));
//（2）将父节点设为黑色
setColor(parentOf(x), BLACK);
//（3）将兄弟节点的右子节点设为黑色
setColor(rightOf(sib), BLACK);
//（4）以父节点为支点进行左旋
rotateLeft(parentOf(x));
//（5）将 root 作为新的当前节点（退出循环）x = root;
}
} else { // symmetric
// 如果当前节点是其父节点的右子节点
// sib 是当前节点的兄弟节点
Entry<K,V> sib = leftOf(parentOf(x));
// 情况 1）如果兄弟节点是红色
if (colorOf(sib) == RED) {
//（1）将兄弟节点设为黑色
setColor(sib, BLACK);
//（2）将父节点设为红色
setColor(parentOf(x), RED);
//（3）以父节点为支点进行右旋
rotateRight(parentOf(x));
//（4）重新设置 x 的兄弟节点
sib = leftOf(parentOf(x));
}
if (colorOf(rightOf(sib)) == BLACK &&
colorOf(leftOf(sib)) == BLACK) {
// 情况 2）如果兄弟节点的两个子节点都是黑色
//（1）将兄弟节点设置为红色
setColor(sib, RED);
//（2）将 x 的父节点作为新的当前节点，进入下一次循环
x = parentOf(x);
} else {if (colorOf(leftOf(sib)) == BLACK) {
// 情况 3）如果兄弟节点的左子节点为黑色
//（1）将兄弟节点的右子节点设为黑色
setColor(rightOf(sib), BLACK);
//（2）将兄弟节点设为红色
setColor(sib, RED);
//（3）以兄弟节点为支点进行左旋
rotateLeft(sib);
//（4）重新设置 x 的兄弟节点
sib = leftOf(parentOf(x));
}
// 情况 4）//（1）将兄弟节点的颜色设为父节点的颜色
setColor(sib, colorOf(parentOf(x)));
//（2）将父节点设为黑色
setColor(parentOf(x), BLACK);
//（3）将兄弟节点的左子节点设为黑色
setColor(leftOf(sib), BLACK);
//（4）以父节点为支点进行右旋
rotateRight(parentOf(x));
//（5）将 root 作为新的当前节点（退出循环）x = root;
}
}
}
// 退出条件为多出来的黑色向上传递到了根节点或者红节点
// 则将 x 设为黑色即可满足红黑树规则
setColor(x, BLACK);
}删除元素举例
假设我们有下面这样一颗红黑树。
我们删除 6 号元素，则从右子树中找到了最小元素 7，7 又没有子节点了，所以把 7 作为当前节点进行再平衡。
我们看到 7 是黑节点，且其兄弟为黑节点，且其兄弟的两个子节点都是红色，满足情况 4），平衡之后如下图所示。
我们再删除 7 号元素，则从右子树中找到了最小元素 8，8 有子节点且为黑色，所以 8 的子节点 9 是替代节点，以 9 为当前节点进行再平衡。
我们发现 9 是红节点，则直接把它涂成黑色即满足了红黑树的特性，不需要再过多的平衡了。
这次我们来个狠的，把根节点删除，从右子树中找到了最小的元素 5，5 没有子节点，所以把 5 作为当前节点进行再平衡。
我们看到 5 是黑节点，且其兄弟为红色，符合情况 1），平衡之后如下图所示，然后进入情况 2）。
对情况 2）进行再平衡后如下图所示。
然后进入下一次循环，发现不符合循环条件了，直接把 x 涂为黑色即可，退出这个方法之后会把旧 x 删除掉（见 deleteEntry()方法），最后的结果就是下面这样。
二叉树的遍历
我们知道二叉查找树的遍历有前序遍历、中序遍历、后序遍历。
（1）前序遍历，先遍历我，再遍历我的左子节点，最后遍历我的右子节点；
（2）中序遍历，先遍历我的左子节点，再遍历我，最后遍历我的右子节点；
（3）后序遍历，先遍历我的左子节点，再遍历我的右子节点，最后遍历我；
这里的前中后都是以“我”的顺序为准的，我在前就是前序遍历，我在中就是中序遍历，我在后就是后序遍历。
下面让我们看看经典的中序遍历是怎么实现的：
public class TreeMapTest {public static void main(String[] args) {
// 构建一颗 10 个元素的树
TreeNode<Integer> node = new TreeNode<>(1, null).insert(2)
.insert(6).insert(3).insert(5).insert(9)
.insert(7).insert(8).insert(4).insert(10);
// 中序遍历，打印结果为 1 到 10 的顺序
node.root().inOrderTraverse();
}
}
/**
* 树节点，假设不存在重复元素
* @param <T>
*/
class TreeNode<T extends Comparable<T>> {
T value;
TreeNode<T> parent;
TreeNode<T> left, right;
public TreeNode(T value, TreeNode<T> parent) {
this.value = value;
this.parent = parent;
}
/**
* 获取根节点
*/
TreeNode<T> root() {
TreeNode<T> cur = this;
while (cur.parent != null) {cur = cur.parent;}
return cur;
}
/**
* 中序遍历【本篇文章由公众号“彤哥读源码”原创】*/
void inOrderTraverse() {if(this.left != null) this.left.inOrderTraverse();
System.out.println(this.value);
if(this.right != null) this.right.inOrderTraverse();}
/**
* 经典的二叉树插入元素的方法
*/
TreeNode<T> insert(T value) {
// 先找根元素
TreeNode<T> cur = root();
TreeNode<T> p;
int dir;
// 寻找元素应该插入的位置
do {
p = cur;
if ((dir=value.compareTo(p.value)) < 0) {cur = cur.left;} else {cur = cur.right;}
} while (cur != null);
// 把元素放到找到的位置
if (dir < 0) {p.left = new TreeNode<>(value, p);
return p.left;
} else {p.right = new TreeNode<>(value, p);
return p.right;
}
}
}TreeMap 的遍历
从上面二叉树的遍历我们很明显地看到，它是通过递归的方式实现的，但是递归会占用额外的空间，直接到线程栈整个释放掉才会把方法中申请的变量销毁掉，所以当元素特别多的时候是一件很危险的事。
（上面的例子中，没有申请额外的空间，如果有声明变量，则可以理解为直到方法完成才会销毁变量）
那么，有没有什么方法不用递归呢？
让我们来看看 java 中的实现：
@Override
public void forEach(BiConsumer<? super K, ? super V> action) {Objects.requireNonNull(action);
// 遍历前的修改次数
int expectedModCount = modCount;
// 执行遍历，先获取第一个元素的位置，再循环遍历后继节点
for (Entry<K, V> e = getFirstEntry(); e != null; e = successor(e)) {
// 执行动作
action.accept(e.key, e.value);
// 如果发现修改次数变了，则抛出异常
if (expectedModCount != modCount) {throw new ConcurrentModificationException();
}
}
}是不是很简单？！
（1）寻找第一个节点；
从根节点开始找最左边的节点，即最小的元素。
final Entry<K,V> getFirstEntry() {
Entry<K,V> p = root;
// 从根节点开始找最左边的节点，即最小的元素
if (p != null)
while (p.left != null)
p = p.left;
return p;
}（2）循环遍历后继节点；
寻找后继节点这个方法我们在删除元素的时候也用到过，当时的场景是有右子树，则从其右子树中寻找最小的节点。
static <K,V> TreeMap.Entry<K,V> successor(Entry<K,V> t) {if (t == null)
// 如果当前节点为空，返回空
return null;
else if (t.right != null) {
// 如果当前节点有右子树，取右子树中最小的节点
Entry<K,V> p = t.right;
while (p.left != null)
p = p.left;
return p;
} else {
// 如果当前节点没有右子树
// 如果当前节点是父节点的左子节点，直接返回父节点
// 如果当前节点是父节点的右子节点，一直往上找，直到找到一个祖先节点是其父节点的左子节点为止，返回这个祖先节点的父节点
Entry<K,V> p = t.parent;
Entry<K,V> ch = t;
while (p != null && ch == p.right) {
ch = p;
p = p.parent;
}
return p;
}
}让我们一起来分析下这种方式的时间复杂度吧。
首先，寻找第一个元素，因为红黑树是接近平衡的二叉树，所以找最小的节点，相当于是从顶到底了，时间复杂度为 O(log n)；
其次，寻找后继节点，因为红黑树插入元素的时候会自动平衡，最坏的情况就是寻找右子树中最小的节点，时间复杂度为 O(log k)，k 为右子树元素个数；
最后，需要遍历所有元素，时间复杂度为 O(n)；
所以，总的时间复杂度为 O(log n) + O(n * log k) ≈ O(n)。
虽然遍历红黑树的时间复杂度是 O(n)，但是它实际是要比跳表要慢一点的，啥？跳表是啥？安心，后面会讲到跳表的。
总结
到这里红黑树就整个讲完了，让我们再回顾下红黑树的特性：
（1）每个节点或者是黑色，或者是红色。
（2）根节点是黑色。
（3）每个叶子节点（NIL）是黑色。（注意：这里叶子节点，是指为空 (NIL 或 NULL) 的叶子节点！）
（4）如果一个节点是红色的，则它的子节点必须是黑色的。
（5）从一个节点到该节点的子孙节点的所有路径上包含相同数目的黑节点。
除了上述这些标准的红黑树的特性，你还能讲出来哪些 TreeMap 的特性呢？
（1）TreeMap 的存储结构只有一颗红黑树；
（2）TreeMap 中的元素是有序的，按 key 的顺序排列；
（3）TreeMap 比 HashMap 要慢一些，因为 HashMap 前面还做了一层桶，寻找元素要快很多；
（4）TreeMap 没有扩容的概念；
（5）TreeMap 的遍历不是采用传统的递归式遍历；
（6）TreeMap 可以按范围查找元素，查找最近的元素；
（7）欢迎补充 …
带详细注释的源码地址
微信用户请“阅读原文”，进入仓库查看，其它渠道直接点击此链接即可跳转。
彩蛋
上面我们说到的删除元素的时候，如果当前节点有右子树，则从右子树中寻找最小元素所在的位置，把这个位置的元素放到当前位置，再把删除的位置移到那个位置，再看有没有替代元素，balabala。
那么，除了这种方式，还有没有其它方式呢？
答案当然是肯定的。
上面我们说的红黑树的插入元素、删除元素的过程都是标准的红黑树是那么干的，其实也不一定要完全那么做。
比如说，删除元素，如果当前节点有左子树，那么，我们可以找左子树中最大元素的位置，然后把这个位置的元素放到当前节点，再把删除的位置移到那个位置，再看有没有替代元素，balabala。
举例说明，比如下面这颗红黑树：
我们删除 10 这个元素，从左子树中找最大的，找到了 9 这个元素，那么把 9 放到 10 的位置，然后把删除的位置移到原来 9 的位置，发现不需要作平衡（红 + 黑节点），直接把这个位置删除就可以了。
同样是满足红黑树的特性的。
所以，死读书不如无书，学习的过程也是一个不断重塑知识的过程。
欢迎关注我的公众号“彤哥读源码”，查看更多源码系列文章, 与彤哥一起畅游源码的海洋。
