数据结构：AVL树、哈夫曼树、哈希表

树

树的定义

树是一种重要的数据结构，广泛应用于计算机科学中。根据不同的需求和应用场景，树可以分为多种类型：

• 普通树：每个节点包含数据域、第一个孩子和下一个兄弟。
• 二叉树：每个节点包含数据域、左子树和右子树。
  • 满二叉树：一个满二叉树的节点数为 (2^n - 1)。
  • 完全二叉树：所有层都完全填满，除了最后一层，节点从左到右依次排列（如堆、优先级队列）。
  • 二叉搜索树：左子树的所有节点值小于根节点值，右子树的所有节点值大于根节点值。

平衡二叉搜索树

平衡二叉搜索树是一种特殊的二叉搜索树，其特点是任意两个叶子节点的深度差不大于1。常见的平衡二叉搜索树有：

• AVL 树
• 红黑树（通常用于实现二叉搜索树）
• 树堆

AVL树

AVL树是一种严格平衡的二叉搜索树，通过旋转操作来保持平衡。常见的不平衡情况及其解决方法如下：

• 左左（LL）：右旋（顺时针旋转）
• 左右（LR）：先左旋再右旋
• 右右（RR）：左旋（逆时针旋转）
• 右左（RL）：先右旋再左旋
  

红黑树

红黑树是一种平衡二叉搜索树，具有以下五个属性：

1. 对所有节点着色，红或黑。
2. 根节点为黑色。
3. 叶子节点为黑色的空节点。
4. 红色节点的左右孩子节点为黑色（不能出现连续的红色）。
5. 任意一条路径中黑色节点数量相同。

哈夫曼树

哈夫曼树是一种用于文本数据编码和压缩的算法。其编码方式如下：

• 定长编码：

• ANSI：1 byte（8 bit）

• GB2312：2 byte（16 bit）

• 变长编码：

• UTF-8：

• 字母数字：1 byte

• 中文汉字：3 byte

例子

例子

B 树和 B+ 树

MySQL表查询基于 B+ 树实现。

B 树

B 树是一种平衡多路查找树，一个节点可以存储多个键值（索引值），若是n个键，则子树为 n + 1 个分支。

• 优点：可以大幅降低树的深度，在进行各种操作时在磁盘访问节点的次数降低。
• 缺点：在每个节点的比较次数增加了。

在磁盘上进行各种操作，推荐使用B（B+）树而非二叉搜索树。

构建过程比较：

• 二叉搜索树：自上而下
• B 树：自下而上

B+ 树

B+ 树是B树的增强版，与B树不同的是同层节点间有指针连接。

• MySQL InnoDB 引擎：使用B+树。
• MyISAM、Memory：使用B树。

	B	B+
数据	所有节点	叶子节点
叶子节点		双向链表
访问	随机	按照范围访问

哈希表

哈希表是一种基于数组定义的散列表。哈希表不允许放满，装载因子一般为70%左右，存入数据达到容量的装载因子数后，需要扩容。

哈希函数

• md5
• sha1
• sha256

数据的键 -> 整数

整数 % 数组大小 = 0 ~ len - 1

哈希冲突

哈希函数值相同会导致哈希冲突。

冲突解决方法

• 线性探测：n + 1
• 平方探测：2^n, 1, 2, 4, 8…
• 二次哈希
• 分离链表（*）：链表大于8，转成二叉搜索树

哈希表实现

参考此文章：哈希表的定义和核心功能实现

Redis数据库

Redis数据库的本质就是一个哈希表，使用键值对，时间复杂度为常数级O(1)。