面试被问到线段树，已经这么卷了吗？

在这篇文章里，我将介绍一种高效的区间查询数据结构 —— 线段树（Segment Tree）。如果能帮上忙，请务必点赞加关注，这真的对我非常重要。

---

目录

前置知识

这篇文章的内容会涉及以下前置 / 相关知识，贴心的我都帮你准备好了，请享用~

=

---

1. 前缀和数组的缺点

上一篇文章，我们使用了「前缀和 + 差分」技巧解决了 303. 区域和检索 - 数组不可变 【题解】 。简单来说，我们开辟了一个前缀和数组，存储「元素所有前驱节点的和」。利用这个前缀和数组，可以很快计算出区间 [i, j] 的和： nums[i,j]=preSum[j+1]−preSum[i]nums[i, j] = preSum[j + 1] - preSum[i]nums[i,j]=preSum[j+1]−preSum[i]

参考代码：

class NumArray(nums: IntArray) {
    private val sum = IntArray(nums.size + 1) { 0 }

    init {
        for (index in nums.indices) {
            sum[index + 1] = sum[index] + nums[index]
        }
    }

    fun sumRange(i: Int, j: Int): Int {
        return sum[j + 1] - sum[i] // 注意加一
    }
}
复制代码

此时，区间查询的时间复杂度是O(1)O(1)O(1)，空间复杂度是O(n)O(n)O(n)，总体不错。但是，正如前言提到的，目前我们只考虑了静态数据的场景，如果数据是可修改的会怎么样？

我们需要修正前缀和数组了，例如：将num[2]num[2]num[2]更新为 10，那么preSum[3,...,7]preSum[3,...,7]preSum[3,...,7] 都需要更新，这个更新操作的时间复杂度为O(n)O(n)O(n)。要是一次更新操作影响倒是不大，但如果更新操作很频繁，算法的均摊时间复杂度就劣化了。为了解决动态数据的场景，就出现了 “线段树” 这种数据结构，它和其他数据结构的复杂度对比如下表：

数据结构	构建结构	区间更新	区间查询	空间复杂度
遍历，不使用数据结构	O(1)	O(1)	O(n)	O(1)
前缀和数组	O(n)	O(n)	O(1)	O(n)
线段树	O(n)	O(lgn)	O(lgn)	O(4*n)或O(2*n)
树状数组	O(n)	O(lgn)	O(lgn)	O(n)

可以看到「前缀和数组」的优势是O(1)O(1)O(1)查询，但不适合动态数据的场景，而线段树似乎学会了中庸之道，线段树平衡了「区间查询」和「单点更新」两种操作的时间复杂度。它是怎么做到的呢？

---

2. 什么是线段树？

这是因为前缀和数组是线性逻辑结构，修改操作一定需要花费线性时间。为了使得修改操作优于线性时间，那么一定需要构建非线性逻辑结构。

2.1 线段树的逻辑定义

一般的二叉树节点上存储的是一个值，而线段树上的节点存储的是一个区间[L,R][L, R][L,R] 上的聚合信息（例如最大值 / 最小值 / 和），并且子节点的区间合并后正好等同于父节点的区间。例如，对于父节点的区间是 [L,R][L, R][L,R]，那么左子节点的区间是 [L,(L+R)/2][L, (L+R)/2][L,(L+R)/2]，右子节点的区间是 [(L+R)/2,R][(L+R)/2, R][(L+R)/2,R]。叶子节点也是一个区间，不过区间端点 L==RL == RL==R，是一个单点区间。

—— 图片引用自 www.jianshu.com/p/4d9da6745… —— yo1ooo 著

从线段树的逻辑定义可以看出：线段树（Segment Tree）本质上是一棵平衡二叉搜索树，也就是说它同时具备二叉搜索树和平衡二叉树的性质：

• 二叉搜索树：任意节点的左子树上的节点值都小于根节点的值，右子树上的节点值都大于根节点的值；

• 平衡二叉树（Balance Tree）：任意节点的左右子树高度差不大于 1。

2.2 线段树的物理实现

通常，一个二叉树的物理实现可以基于数组，也可以基于链表。不过，因为线段树本身也