成员变量：
private final Comparator<? super K> comparator;
private transient Entry<K,V> root;
private transient int size = 0;
private transient int modCount = 0;
private transient EntrySet entrySet;
private transient KeySet<K> navigableKeySet;
private transient NavigableMap<K,V> descendingMap;
private static final Object UNBOUNDED = new Object();
private static final boolean RED = false;
private static final boolean BLACK = true;
可以看出有一个排序器变量comparator，可以知道TreeMap是可以排序的(默认自然排序，或者自定义排序)。
节点类TreeMap.Entry：
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;
Entry(K key, V value, Entry<K,V> parent) {
this.key = key;
this.value = value;
this.parent = parent;
}
public boolean equals(Object o) {
if (!(o instanceof Map.Entry))
return false;
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
return valEquals(key,e.getKey()) && valEquals(value,e.getValue());
}
public int hashCode() {
int keyHash = (key==null ? 0 : key.hashCode());
int valueHash = (value==null ? 0 : value.hashCode());
return keyHash ^ valueHash;
}
}
从节点类我们可以看出TreeMap的数据结构是基于红黑树的，关于红黑树可以看下我的这篇文章红黑树。
TreeMap提供四个构造器：
public TreeMap() {
comparator = null;
}
public TreeMap(Comparator<? super K> comparator) {
this.comparator = comparator;
}
public TreeMap(Map<? extends K, ? extends V> m) {
comparator = null;
putAll(m);
}
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) {
}
}
第三个构造器调用putAll，第四个构造器调用buildFromSorted，看下putAll源码先 ：
public void putAll(Map<? extends K, ? extends V> map) {
int mapSize = map.size();
if (size==0 && mapSize!=0 && map instanceof SortedMap) {
Comparator<?> c = ((SortedMap<?,?>)map).comparator();
if (c == comparator || (c != null && c.equals(comparator))) {
++modCount;
try {
buildFromSorted(mapSize, map.entrySet().iterator(),
null, null);
} catch (java.io.IOException cannotHappen) {
} catch (ClassNotFoundException cannotHappen) {
}
return;
}
}
super.putAll(map);
}
可以看出，putAll里的两个if条件也是试图调用buildFromSorted方法然后直接return，不满足这两个if就调用super.putAll(map)，那么buildFromSorted究竟干啥的？别慌，先把这两个if条件搞明白先。这两个if条件表示：
- 当前红黑树是空的
- 要插入的集合必须是有排序的即实现SortedMap接口
- 红黑树的排序器comparator和要插入的集合的排序器是相同的
解释了这两个if条件，你应该能明白buildFromSorted是干啥了的吧？没错，就是用来初始化红黑树的。调用super.putAll(map)会循环调用put方法，put方法里判断红黑树根节点root是nil的话也会初始化红黑树，为啥直接调用buildFromSorted而跳过了super.putAll(map)呢？我之前分析红黑树的文章里有提过，红黑树的put操作时间复杂度是，再加上外层的循环，那么super.putAll(map)时间复杂度就是
，那么我们来分析下buildFromSorted的时间复杂度吧，看下buildFromSorted的源码：(JDK的作者真是性能优化到牙齿)
private void buildFromSorted(int size, Iterator<?> it,
java.io.ObjectInputStream str,
V defaultVal)
throws java.io.IOException, ClassNotFoundException {
this.size = size;
root = buildFromSorted(0, 0, size-1, computeRedLevel(size),
it, str, defaultVal);
}
private final Entry<K,V> buildFromSorted(int level, int lo, int hi,
int redLevel,
Iterator<?> it,
java.io.ObjectInputStream str,
V defaultVal)
throws java.io.IOException, ClassNotFoundException {
if (hi < lo) return null;
int mid = (lo + hi) >>> 1;
Entry<K,V> left = null;
if (lo < mid)
left = buildFromSorted(level+1, lo, mid - 1, redLevel, it, str, defaultVal);
// extract key and/or value from iterator or stream
K key;
V value;
if (it != null) {
if (defaultVal==null) {
Map.Entry<?,?> entry = (Map.Entry<?,?>)it.next();
key = (K)entry.getKey();
value = (V)entry.getValue();
} else {
key = (K)it.next();
value = defaultVal;
}
} else { // use stream
key = (K) str.readObject();
value = (defaultVal != null ? defaultVal : (V) str.readObject());
}
Entry<K,V> middle = new Entry<>(key, value, null);
// color nodes in non-full bottommost level red
if (level == redLevel)
middle.color = RED;
if (left != null) {
middle.left = left;
left.parent = middle;
}
if (mid < hi) {
Entry<K,V> right = buildFromSorted(level+1, mid+1, hi, redLevel, it, str, defaultVal);
middle.right = right;
right.parent = middle;
}
return middle;
}
我不知道怎么把简书文章里的代码显示行数，凑合着解释吧。假设有序的map集合是，那么lo=0，hi=8，mid=4，以mid为根节点middle，将原来的集合分成两个子树left和right，分别作为根节点middle的左子树和右子树，
，
，再在两个子树上递归调用buildFromSorted方法，这样就构成了一棵树。
从上面的节点类TreeMap.Entry我们知道，节点的默认颜色是黑色，那么我们这棵树的所有节点颜色都是黑色，这棵树肯定满足红黑树的1、2、3、4性质(不清楚红黑树5条性质的话可以看下我的这篇文章红黑树)，但是不一定满足性质5，当且仅当这棵树是满二叉树的时候才满足性质5，怎么办呢？我们对这棵树进行着色就好了。怎么着色呢？只需要把树的最底层的节点全部变成红色就行了，简单吧？而方法computeRedLevel就是计算树的最底层数，如果一个节点的层数
，表示节点处于最底层，就染成红色，看下
computeRedLevel源码：
private static int computeRedLevel(int sz) {
int level = 0;
for (int m = sz - 1; m >= 0; m = m / 2 - 1)
level++;
return level;
}
刚开始分析这个变量时有点晕，以为是树的高度
，但是
是从0开始计算的，而树的高度
是从1开始计算的。
这样我们就成功构造了一个红黑树，我们很清晰的知道这个步骤的时间复杂度是，而super.putAll(map)时间复杂度是
，这就是优先调用
buildFromSorted的原因。
public V put(K key, V value) {
Entry<K,V> t = root;
if (t == null) {
compare(key, key); // type (and possibly null) check
root = new Entry<>(key, value, null);
size = 1;
modCount++;
return null;
}
int cmp;
Entry<K,V> parent;
// split comparator and comparable paths
Comparator<? super K> cpr = comparator;
if (cpr != null) {
do {
parent = t;
cmp = cpr.compare(key, t.key);
if (cmp < 0)
t = t.left;
else if (cmp > 0)
t = t.right;
else
return t.setValue(value);
} while (t != null);
} else {
if (key == null)
throw new NullPointerException();
@SuppressWarnings("unchecked")
Comparable<? super K> k = (Comparable<? super K>) key;
do {
parent = t;
cmp = k.compareTo(t.key);
if (cmp < 0)
t = t.left;
else if (cmp > 0)
t = t.right;
else
return t.setValue(value);
} while (t != null);
}
Entry<K,V> e = new Entry<>(key, value, parent);
if (cmp < 0)
parent.left = e;
else
parent.right = e;
fixAfterInsertion(e);
size++;
modCount++;
return null;
}
由于红黑树是基于二叉排序树的，所以插入也是基于二叉排序树的，即：从根节点开始，遇键值较大者就向左，遇键值较小者就向右，一直到末端，就是插入点。
- 第一个条件if最简单，但是执行compare(key, key)是什么意思呀？我真搞不懂，求解释；
- 第一个条件if表示root不为nil并且排序器comparator不为nil，这和二叉排序树的算法一模一样，不解释了；
- 第三个条件else表示root不为nil并且排序器comparator为nil，那么就用自然排序，这和二叉排序树的算法一模一样，不解释了；
- 第四个条件if和else是进行插入操作；
- 插入完可能破坏红黑树的性质，进行修正操作fixAfterInsertion。
修正操作(左旋、右旋、变色)是一个很有技术含量的过程，我就不解释了，具体看我的这篇文章：红黑树。
public V remove(Object key) {
Entry<K,V> p = getEntry(key);
if (p == null)
return null;
V oldValue = p.value;
deleteEntry(p);
return oldValue;
}
private void deleteEntry(Entry<K,V> p) {
modCount++;
size--;
// If strictly internal, copy successor's element to p and then make p
// point to successor.
if (p.left != null && p.right != null) {
Entry<K,V> s = successor(p);
p.key = s.key;
p.value = s.value;
p = s;
} // p has 2 children
// Start fixup at replacement node, if it exists.
Entry<K,V> replacement = (p.left != null ? p.left : p.right);
if (replacement != null) {
// Link replacement to parent
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;
// Null out links so they are OK to use by fixAfterDeletion.
p.left = p.right = p.parent = null;
// Fix replacement
if (p.color == BLACK)
fixAfterDeletion(replacement);
} else if (p.parent == null) { // return if we are the only node.
root = null;
} else { // No children. Use self as phantom replacement and unlink.
if (p.color == BLACK)
fixAfterDeletion(p);
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;
}
}
}
private void fixAfterDeletion(Entry<K,V> x) {
while (x != root && colorOf(x) == BLACK) {
if (x == leftOf(parentOf(x))) {
Entry<K,V> sib = rightOf(parentOf(x));
if (colorOf(sib) == RED) {
setColor(sib, BLACK);
setColor(parentOf(x), RED);
rotateLeft(parentOf(x));
sib = rightOf(parentOf(x));
}
if (colorOf(leftOf(sib)) == BLACK &&
colorOf(rightOf(sib)) == BLACK) {
setColor(sib, RED);
x = parentOf(x);
} else {
if (colorOf(rightOf(sib)) == BLACK) {
setColor(leftOf(sib), BLACK);
setColor(sib, RED);
rotateRight(sib);
sib = rightOf(parentOf(x));
}
setColor(sib, colorOf(parentOf(x)));
setColor(parentOf(x), BLACK);
setColor(rightOf(sib), BLACK);
rotateLeft(parentOf(x));
x = root;
}
} else { // symmetric
Entry<K,V> sib = leftOf(parentOf(x));
if (colorOf(sib) == RED) {
setColor(sib, BLACK);
setColor(parentOf(x), RED);
rotateRight(parentOf(x));
sib = leftOf(parentOf(x));
}
if (colorOf(rightOf(sib)) == BLACK &&
colorOf(leftOf(sib)) == BLACK) {
setColor(sib, RED);
x = parentOf(x);
} else {
if (colorOf(leftOf(sib)) == BLACK) {
setColor(rightOf(sib), BLACK);
setColor(sib, RED);
rotateLeft(sib);
sib = leftOf(parentOf(x));
}
setColor(sib, colorOf(parentOf(x)));
setColor(parentOf(x), BLACK);
setColor(leftOf(sib), BLACK);
rotateRight(parentOf(x));
x = root;
}
}
}
setColor(x, BLACK);
}
这个删除包括两步：删除和修正，这里不解释了，具体流程看我的这篇文章：红黑树。
TreeMap提供了三个迭代器进行遍历KeyIterator、ValueIterator、EntryIterator，这三个迭代器有一个共同的基类：PrivateEntryIterator，所以遍历操作都是PrivateEntryIterator操作的，
看下PrivateEntryIterator的构造器：
PrivateEntryIterator(Entry<K,V> first) {
expectedModCount = modCount;
lastReturned = null;
next = first;
}
注意first这个参数并不是root节点，看下生成first的方法：
final Entry<K,V> getFirstEntry() {
Entry<K,V> p = root;
if (p != null)
while (p.left != null)
p = p.left;
return p;
}
可以看到迭代器保存的第一个节点next是树的最左边的节点而不是root节点，清楚这一点，那么我们分析迭代器的核心方法nextEntry就简单一些了：
final Entry<K,V> nextEntry() {
Entry<K,V> e = next;
if (e == null)
throw new NoSuchElementException();
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
next = successor(e);
lastReturned = e;
return e;
}
static <K,V> TreeMap.Entry<K,V> successor(Entry<K,V> t) {
if (t == null)
return null;
else if (t.right != null) {
Entry<K,V> p = t.right;
while (p.left != null)
p = p.left;
return p;
} else {
Entry<K,V> p = t.parent;
Entry<K,V> ch = t;
while (p != null && ch == p.right) {
ch = p;
p = p.parent;
}
return p;
}
}
一般的红黑树提供了中序遍历、前序遍历、后序遍历三种方法，而且是使用递归实现的，但是上面的代码是使用性能更优的while循环操作，这样避免了递归可能导致的OOM问题。
- 第一个条件if不解释
- 第二个条件elseif表示试图找到当前节点t的右子树最左边的节点，如果找不到就返回右孩子，表示当前节点的下一个节点优先是右子树最左边的节点，其次是右孩子
- 第三个条件else表示从当前节点t开始从右下向左上遍历一条斜线，ch表示斜线的顶点，p表示ch的父节点，这么可以肯定的是这条斜线肯定挂载在p的左子树上，意味着肯定是先遍历完一个节点的左子树再遍历这个节点自己，根据上一步骤的判断，最后遍历右子树。
根据上面三个步骤的分析，我们有理由猜测，successor方法就是二叉排序树中序遍历的while循环版本，而二叉排序树的中序遍历就是从小到大的自然排序，由于TreeMap可能有自己的排序器conparator，那么中序遍历的结果就是排序器的结果。
在分析TreeMap的遍历源码之前，我还不知道怎么使用while循环实现中序遍历，递归虽简单但是可能会栈溢出StackOverflowError，每个方法被执行的时候都会同时创建一个栈帧（Stack Frame）用于存储局部变量表、操作栈、动态链接、方法出口等信息，每一个方法被调用直至执行完成的过程，就对应着一个栈帧在虚拟机栈中从入栈到出栈的过程，如果栈深度大于虚拟机所允许的深度，将抛出StackOverflowError异常；如果虚拟机栈可以动态扩展（当前大部分的Java虚拟机都可动态扩展，只不过Java虚拟机规范中也允许固定长度的虚拟机栈），当扩展时无法申请到足够的内存时会抛出OutOfMemoryError异常。看了源码感觉新的装逼技能get到。
由于TreeMap基于红黑树实现的，时间复杂度平均能达到。我的这篇文章Java集合源码分析-HashMap和IdentityHashMap分析了HashMap的时间复杂度得知平均能达到
，那么集合不需要排序的话首选HashMap这个类，如果需要排序就只能用TreeMap了。
参考文献
JVM（2）：JVM内存结构
