在具体说集合框架之前，要先补充一下关于数据结构的知识点。
##栈##
一种先入后出的线性表，存入元素为入栈，从底部开始存储，取出元素为出栈，从顶部开始取出。
##队列##
一种先入先出的线性表，从一侧入队，从另一侧出队，就像火车过山洞。
##数组##
固定长度的有序结构，在内存中开辟一段连续的空间，存储同一种类型的元素，每个元素空间大小一致并赋值索引，增删改查都是通过索引进行。
查询时性能较好，增加元素时直接在尾部添加，但是对于底层为数组的集合，在指定索引处新增或删除时，为了保证索引的连续性与其原顺序，会将指定索引之后的所有元素进行复制，等指定索引位置元素处理完毕后，再将之前复制的元素们对接上去，维护其有序特性。但是这样就造成了较大的内存开销，性能较慢。
##链表##
链表（linked list）的组成元素是节点（node），其主要结构有两部分，一部分是数据域，一部分是指针域。
如下图是单链表的结构，只有一个指针域，初始化数据的插入方式有两种，头插法和尾插法，head指针指向头节点，tail指针指向尾节点。
头插法是将第一个节点作为头节点，头节点的指针域指向后续新节点，从头节点向后增加，最后面的节点是尾节点，尾节点指针域置空。
尾插法是将第一个节点作为尾节点，指针与置空，后加的元素令其指针域指向尾节点，从后向前添加，最新的节点为头节点，其指针域指向次新的节点。
-查询慢：只能通过指针域，从头到尾逐个遍历，因此查询操作的性能低。
-增删元素快：
- 增加元素：增加元素的本质就是修改插空位置相邻的指针域，具体怎么修改要看情况而定。
如果是在起始位置增加元素，只需要将新加元素的指针域指向原头节点，在将head指向新节点。
如果是在中间位置加元素，则要把原有的链接打断，先将新节点指针域指向后一个节点，再将前一个节点的指针域指向新的节点。
如果是在尾部位置加元素，先将原尾部节点指针域指向新元素，再将tail指向新节点同时置空新节点指针域。
- 删除元素：删除元素与新增元素操作性质相同，都是修改调整指针域的指向，将指定节点从链表中去除。
如果是在起始位置删除元素，只需要将head指针指向下一个节点。
如果是在中间位置删除元素，修改前一个节点的指针域指向下一个节点。
如果是在结尾位置删除元素，将尾节点前一个节点指针域置空，并将tail指向新的尾节点。
【注意：删除只是将节点从链表里除去了，就是从head指针逐个遍历到tail指针，期间找不到被删除节点了，但是节点本身是存在的，这个应该是由jvm的垃圾处理机制处理的，后续再讨论。】
##红黑树##
树(tree)是一种非常重要的数据结构，其中规定每个节点不超过2的有序树称为 二叉树（binary tree）。
- 二叉查找树（binary search tree,BST）的特性
1）左子树上所有节点的值均小于或等于它的根节点的值；
2）右子树上所有节点的值均大于或等于它的根节点的值；
3）左/右字数也分别为二叉查找树。
这中二叉查找树的优点是，在查找时，利用二分法思想减少查找次数，其最大的查找次数为输的高度。比如上图的二叉查找树，要查找10这个值，首先判断根节点9<10，应在右子树，节点为13>10，应在13左子树，节点为11>10，应在11左子树，节点为10符合。总共的查找次数为4。
插入节点的时候，依旧按照这个规则，找到适合的插入位置。
但是二叉查找树的规则还是有漏洞的，当插入新元素时，当连续插入新节点时，容易出现不平衡的情况。
当在原有二叉树的基础上连续插入7，6，5，4，3，就会出现不平衡，如下图。为了解决这个问题，就有了红黑树。
- 红黑树
除了具备二叉查找树的特性外，新加了以下规则：
1.节点是红色或黑色。
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。
看起来挺复杂的规则，但这样保证了红黑树的自平衡，且从根到叶子的最长路径，不会超过最短路径的2倍。
红黑树的查询效率很高，插入效率按理说也高，但是由于其规则的限制，当插入新节点时，可能会出现破坏规则的情况，这时候有两种办法，一种是变色，就是为了符合规则， 变换原来部分节点的颜色，一般从下往上走，但当遇到根节点颜色冲突时，就要用另一种方法----旋转，来解决问题了。具体两种方法的执行过程比较复杂，尽量理解吧。
我们以插入节点21的情况为例：
当21为红色时，相邻的22也是红色，违规，这时候可以先变色处理，将22与27变黑，将25变红
但是25与17又冲突，如果让17黑，13变红，就违规了，所以这里要用旋转，让17作为根节点，进行左旋转，且进行变色调整：
还没完，这里每条路的黑色节点个数不是相同的，违规，要对8与13进行右旋转并变色。
总结下来，整个过程为：变色 -> 左旋转 -> 变色 -> 右旋转 -> 变色
这里旋转的操作其实就是父节点与其子节点其中之一换位置，父节点换到左子树就是左旋转，反之是右旋转。当位置互换后，各自原有的左右子树要以其本身为基点再次进行大小判断，分配到左右两侧。
这里只是一种情况，会出现的意外有很多，过程也有些复杂，不多说了。
- 红黑树的应用
红黑树的应用很多，其中jdk的集合类TreeMap和TreeSet底层就是红黑树，java8中，HashMap也用到了红黑树。
