2024年最全【高阶数据结构】AVL树（动图详解）_avl tree(5)，大数据开发零基础开发

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

		}
		else
		{
			//插入的节点key值等于当前位置的key值，插入失败
			return false;
		}
	}
	//开始插入
	cur = new Node(kv);
	if (parent->_kv.first < kv.first)
	{
		parent->_right = cur;
	}
	else if (parent->_kv.first < kv.first)
	{
		parent->_left = cur;
	}

	//连接parent
	cur->_parent = parent;

	//控制平衡
	//1、更新平衡因子

	while (parent)
	{
		if (cur == parent->right)
		{
			parent->_bf++;
		}
		else
		{
			parent->_bf--;
		}

		if (parent->_bf == -1 || parent->_bf == 1)//也可以用abs
		{
			cur = parent;
			parent = parent->_parent;
		}
		else if (parent->_bf == 0)
		{
			break;
		}
		else if (parent->_bf == -2 || parent->_bf == 2)
		{
			//说明parent所在的子树已经不平衡了，需要旋转
			if (parent->_bf == 2 && cur->_bf == 1)
			{
				RotateL(parent);//左单旋
			}
			else if (parent->_bf == -2 && cur->_bf == -1)
			{
				RotateR(parent);//右单旋
			}
			else if (parent->_bf == -2 && cur->_bf == 1)
			{
				RotateLR(parent);//左右双旋
			}

			break;
		}
		else
		{
			assert(false);//在插入前树的平衡因子就有问题
		}
	}
	return true;
}

### 四. AVL树的旋转


#### 🥑左单旋


新节点插入**较高右子树的右侧**—右右：左单旋


**⚡动图展示：**


![请添加图片描述](https://img-blog.csdnimg.cn/f09faf584324495ebdeb4381ac5cd5aa.gif)


**抽象图过程解析：**


![在这里插入图片描述](https://img-blog.csdnimg.cn/743926ee76914427a748853353380c46.png)  
 其中h可以等于0、1、2等等，不过都可以归纳到这种大情况，处理情况都一样，都是引发parent 等于2，cur等于1


**左单旋旋转步骤：**


1. subRL变成parent的右子树（`subL和parent`的关系，要注意**🔥subL可能为空**）
2. parent成为subR的左子树（`parent和subLR`的关系）
3. subR成为根节点（`ppNode 和 subL`关系，也要注意**🔥parent是子树的根还是整棵树的根**）
4. 最后更新平衡因子


![在这里插入图片描述](https://img-blog.csdnimg.cn/91edc096487e4555baa7cbbabc736afd.png)


为什么要这样旋转？**要符合二叉搜索树规则**


* subR的左子树的值本身就比parent的值要大，所以可以作为parent的右子树
* parent及其左子树当中结点的值本身就比subR的值小，所以可以作为subR的左子树


平衡因子更新：


![在这里插入图片描述](https://img-blog.csdnimg.cn/3c70c6e52e23445385fcfc2ee129c00d.png)


可以看见，左单旋后树的高度就平衡了，也就无需继续向上更新平衡因子了


代码实现如下：（详细注释）

void RotateL(Node\* parent)
{
    //三叉链
	Node\* subR = parent->_right;
	Node\* subLR = subR->_left;
	Node\* ppNode = parent->_parent;

	//subR 和 parent之间的关系
	subR->_left = parent;
	parent->_parent = subR;

	//subRL 和 parent之间的关系
	subRL = parent->_right;
	if (subRL)
		subRL->parent = parent;

	//ppNode 和 subR的关系
	if (ppNode == nullptr)
	{
		_root = subR;
		subR->_parent = nullptr;//没有父节点，所以为空
	}
	else
	{
		if (ppNode->_left == parent)
		{
			ppNode->_left = subR;
		}
		else
		{
			ppNode->_right = subR;
		}
		subR->_parent = ppNode;
	}
	
	//更新平衡因子
	subR->_bf = parent->_bf = 0;
}

#### 🥑右单旋（和左单旋高度相似）


新节点**插入较高左子树的左侧**—左左：右单旋


**动图演示：**


![请添加图片描述](https://img-blog.csdnimg.cn/52b22cfc05b04656a4e6ee326f1cf976.gif)**抽象图过程解析：**


![在这里插入图片描述](https://img-blog.csdnimg.cn/87daa1e4a0b6478a9f7c89bc49d831fe.png)


**右单旋旋转步骤：**


与左单旋雷同，看上面就行


同样**也要满足二叉搜索树的性质**：也是和左单旋雷同，看上面就行


平衡因子更新如下：


![在这里插入图片描述](https://img-blog.csdnimg.cn/5b2e723e7bef494cb48562a89de56f95.png)同样右单旋后，parent的平衡因子为0，左右子树高度相等，也就无需继续往上更新平衡因子了


话不多说上代码：

//右单旋
void RotateR(Node* parent)
{
Node* subL = parent->_left;
Node* subLR = subL->_right;
Node* ppNode = parent->_parent;

//subL 和 parent的关系
subL->_right = parent;
parent->_parent = subL;

//subLR 和 parent之间的关系
parent->_left = subLR;
if (subLR)
	subLR->_parent = parent;

//ppNode 和 subL的关系
if (ppNode == nullptr)
{
	_root = subL;
	subL->_parent = nullptr;
}
else
{
	if (ppNode->_left == parent)
	{
		ppNode->_left == subL;
	}
	else
	{
		ppNode->_right == subL;
	}
	subL->_parent = ppNode;
}
	
//更新平衡因子
subL->_bf = parent->_bf = 0;

}

#### 🔥左右单旋


新节点**插入较高左子树的右侧**—左右：**先左单旋再右单旋**、


**动图演示：**  
 ![请添加图片描述](https://img-blog.csdnimg.cn/2224678a2b9f4e04a66a4f8a787515d4.gif)


在b树或者c树中新增节点，均会引发左右双旋


**旋转示意图如下：**


1、插入新节点  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/745e255748264247b9e949aa5b29f217.png)


2、以30为旋转点进行**左单旋**


![在这里插入图片描述](https://img-blog.csdnimg.cn/18e6a3de2e234adf83005217d6eabc59.png)


3、以90为旋转点进行**右单旋**


![在这里插入图片描述](https://img-blog.csdnimg.cn/fc27fa454a3f49af9ea3302505fac256.png)


**左右单旋的步骤如下：**


1. 以subL为节点左单旋
2. 以parent为节点右单旋
3. **更新平衡因子**（这才是重点）


**左右双旋后满足二叉搜索树的性质：**


实际上就是把subLR的左子树和右子树，分别作为subL和parent的右子树和左子树，再让subL和parent分别作为subLR的左右子树，最后让subLR作为整个子树的根（看图理解）


* subLR左子树的节点值比subL的值大，所以可以作为subL的右子树
* subLR右子树的节点值比parent的值小，因此可以作为parent的左子树
* 前两个步骤之后，subL以及子树的值，和parent的值均符合，所以可以当subLR的左右子树


重点来了：（**以subLR为突破口**）  
 左右双旋后，平衡因子的更新随着**subLR原始平衡因子**的不同分为以下三种情况：


1. 当subLR原始平衡因子是-1时，左右双旋后parent、subL、subLR的平衡因子分别更新为1、0、0


![在这里插入图片描述](https://img-blog.csdnimg.cn/4dad546fb0c3414aae0c123918006885.png)


2. 当subLR原始平衡因子是1时，左右双旋后parent、subL、subLR的平衡因子分别更新为0、-1、0


![在这里插入图片描述](https://img-blog.csdnimg.cn/b37311abc905492e8d38cd2c542eb7bd.png)


3. 当subLR原始平衡因子是0时，左右双旋后parent、subL、subLR的平衡因子分别更新为0、0、0


![在这里插入图片描述](https://img-blog.csdnimg.cn/0f66691730604d1e9a67250dd0c4fbe7.png)  
 经过左右双旋后，即树的高度没有发生变化，所以无需继续往上更新平衡因子


话不多说，代码实现一下吧：

void RotateLR(Node\* parent)
{
	Node\* subL = parent->_left;
	Node\* subLR = subL->_right;
	int bf = subLR->_bf;

	//subL节点左单旋
	RotateL(subL);

	//parent节点进行右单旋
	RotateR(parent);

	//更新平衡因子
	if (bf == 1)
	{
		subLR->_bf = 0;
		subL->_bf = -1;
		parent->_bf = 0;
	}
	else if (bf == -1)
	{
		subLR->_bf = 0;
		subL->_bf = 0;
		parent->_bf = 1;
	}
	else if(bf == 0)
	{
		subLR->_bf = 0;
		subL->_bf = 0;
		parent->_bf = 0;
	}
	else
	{
		assert(false);//旋转前的平衡因子就出错了
	}
}

#### 🔥右左单旋


**动图演示：**


![请添加图片描述](https://img-blog.csdnimg.cn/ba7ccbe8276047fdb3484204ca55178d.gif)


**旋转图演示过程：**


1、插入新节点


![在这里插入图片描述](https://img-blog.csdnimg.cn/e9215ad6a5164b669ff5a15400a89178.png)


2、以subR的节点进行右单旋


![在这里插入图片描述](https://img-blog.csdnimg.cn/d6bcd434c26a44f3a80ab47f96c565fd.png)


3、以parent的节点进行右单旋


![在这里插入图片描述](https://img-blog.csdnimg.cn/77b7e30aa9e54d319a933960057b63f8.png)


旋转步骤和左右双旋雷同


重点来了：（**以subRL为突破口**）  
 左右双旋后，平衡因子的更新随着**subRL 原始平衡因子**的不同分为三种情况分别对应`subRL` = 0、1、2情况，此处就不多赘述了，详细可以浏览左右双旋的，情况一样


代码实现

void RotateRL(Node* parent)
{
Node* subR = parent->_right;
Node* subRL = subR->_left;
int bf = subRL->_bf;

	//subR右单旋
	RotateR(subR);

	//parent进行左单旋
	RotateL(parent);

	if (bf == 1)
	{
		subRL->_bf = 0;
		subR->_bf = 0;
		parent->_bf = -1;
	}
	else if (bf == -1)
	{
		subRL->_bf = 0;
		subR->_bf = 1;
		parent->_bf = 0;
	}
	else if (bf == 0)
	{
		subRL->_bf = 0;
		subR->_bf = 0;
		parent->_bf = 0;
	}
	else
	{
		assert(false);
	}
}

### 五. 验证AVL树


AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，可以分两步：


1. **验证其为二叉搜索树**  
 如果中序遍历可得到一个有序的序列，就说明为二叉搜索树
2. **验证其为平衡树**
	* 每个节点子树高度差的绝对值不超过1(注意节点中如果没有平衡因子)
	* 节点的平衡因子是否计算正确


先验证是否为二叉搜索树

void \_InOrder(Node\* root)
{
	if (root == nullptr)
	{
		return;


	\_InOrder(root->_left);
	cout << root->_kv.first << ":" << root->_kv.second << endl;
	\_InOrder(root->_right);
}

但中序遍历只能代表是二叉搜索树，不能代表是AVL树，为此还需要验证二叉树的平衡性，查平衡因子有一种监守自盗的感觉，因为平衡因子我们刚修改完，所以我们去查高度俩判断！


* 如果是**空树**，证明平衡，是AVL树
* 根高度差不大于2，并且递归子树的高度差都不大于2，即是AVL树
* 特殊情况，平衡因子和该点的高度差对不上，要判断一下

//是否平衡
bool IsBalance(Node\* root)
{
	if (root == nullptr)
	{
		return true;
	}

	int leftHT = Height(root->_left);
	int rightHT = Height(root->_right);
	int diff = rightHT - leftHT;
	
	if (diff ！ = root->_bf)
	{
		cout << root->_kv.first << "平衡因子异常" << endl;
		return false;
	}

	//小于2就为真 并且递归调用子树判断是否平衡
	return abs(diff) < 2
		&& \_IsBalance(root->_left)
		&& \_IsBalance(root->_right);
}

//后序查找
int Height(Node\* root)
{
	if (root == nullptr)
		return 0;

	int leftHT = Height(root->_left);
	int rightHT = Height(root->_right);

	return max(leftHT, rightHT) + 1;
}

### 六. AVL树的性能


AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度，即 
 
 
 
 
 l 


![img](https://img-blog.csdnimg.cn/img_convert/a95149e53a0dbccaf0662423018a94f7.png)
![img](https://img-blog.csdnimg.cn/img_convert/8fccc4cc0e0719d25a19415ce176f7f7.png)
![img](https://img-blog.csdnimg.cn/img_convert/7cf1bc2b3d923df1d04d8542101050c3.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**

eight(root->_left);
		int rightHT = Height(root->_right);

		return max(leftHT, rightHT) + 1;
	}

六. AVL树的性能

AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度，即

l

[外链图片转存中…(img-83syzqHn-1715638637582)]
[外链图片转存中…(img-7GGUx5N1-1715638637582)]
[外链图片转存中…(img-hDPGCCAt-1715638637582)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取