红黑树（Red-Black Tree）解析

这一篇我们来聊聊红黑树，写这篇文章的起因是在阅读HashMap源码时，发现JDK1.8对于HashMap的实现引入了红黑树来处理哈希冲突以提高性能（戳这里，有详述），而红黑树的数据结构和操作都是较为复杂的，自己看得过程中有些地方也反复了多次。。。俗话说得好，好记性不如烂笔头，因此决定写下这篇笔记供自己和需要的人日后参考。在开始之前，首先要感谢张拭心同学的这两篇关于红黑树和二叉查找树的文章：

http://blog.csdn.net/u011240877/article/details/53242179

http://blog.csdn.net/u011240877/article/details/53329023

这两篇文章讲得十分详细，使我受益匪浅，在这里也强烈推荐大家阅读一下。由于拭心同学的文章在分析二叉查找树的查找，插入和删除时引用的是递归的实现，为了不重复，本文分析时将采用循环的实现，为大家提供另一种思路。

OK，正式开始，何为红黑树？红黑树（Red-Black Tree） 是一种自平衡二叉查找树，其每个节点都带有黑或红的颜色属性。由于它的本质也是一种二叉查找树，因此它的查找，插入和删除操作均以二叉查找树的对应操作作为基础；但由于红黑树自身要保证平衡（也即要始终满足其五条特性，这个下文会有详述），每次插入和删除之后它都要进行额外的调整，以恢复自身的平衡，这是它与普通二叉查找树不同的地方，也正因为如此，红黑树的查找，插入和删除操作在最坏情况下的时间复杂度也能保证为O(logN)，其中N为树中元素个数。

既然红黑树本质是二叉查找树，那么就有必要先来看一下二叉查找树的相关知识。

• 二叉查找树

  二叉查找树（Binary Search Tree），又名二叉排序树，二叉搜索树，B树。顾名思义，它的节点是可比较的并且具有以下性质：

  a. 若左子树不为空，则根节点的值大于其所有左子树中节点的值；
  b. 若右子树不为空，则根节点的值小于或等于其所有右子树中节点的值；
  c. 左右子树也分别为二叉查找树；
  d. 没有键值相等的节点。

  由于以上性质，中序遍历二叉查找树可得到一个关键字的有序序列，一个无序序列可以通过构造一棵二叉查找树变成一个有序序列，构造树的过程即为对无序序列进行查找的过程。每次插入的新的结点都是二叉查找树上新的叶子结点，在进行插入操作时，不必移动其它结点，只需改动某个结点的指针，由空变为非空即可。搜索、插入、删除的复杂度等于树高，期望 O(logN)，最坏 O(N)（数列有序，树退化成线性表）。

  这里先给出一个二叉查找树节点的结构，下文代码中就用它作为树节点的类：

  class BSTNode{
      int value;  //节点的值
      BSTNode left;  //节点的左子树
      BSTNode right;  //节点的右子树
      BSTNode parent;  //节点的父节点
  
      BSTNode(int value, BSTNode parent) {
          this.value = value;
          this.parent = parent;
      }
  
      @Override
      public boolean equals(Object obj)
      {
            //两个节点的value相等，则认为两个节点相等
          return (obj instanceof BSTNode) && (((BSTNode) obj).value == this.value);
      }
  }

  下面就分别看一下二叉查找树的查找，插入和删除操作的实现，此处采用循环来实现。

  • 查找

    在二叉搜索树T中查找key的过程为：

    a. 若T是空树，则搜索失败，否则：
    b. 若key等于T的根节点的数据域之值，则查找成功；否则：
    c. 若key小于T的根节点的数据域之值，则搜索左子树；否则：
    d. 查找右子树。

    下面是这个过程的Java代码实现：

    /**
    * @param key 目标节点的键值
    * @return 与key匹配的节点，若未能成功匹配则返回null
    */
    BSTNode searchBST(int key) {
        //若根节点为空，或根节点与key匹配成功，则直接返回
        if (mRoot == null || mRoot.value == key) {
            return mRoot;
        }
    
        BSTNode t = mRoot;
    
        //从根节点开始循环查找
        do {
            if (key < t.value) {
                t = t.left; //若key比节点小，则在左子树中继续查找
            }
            else if (key > t.value) {
                t = t.right; //若key比节点大，则在右子树中继续查找
            }
            else {
                return t; //匹配成功，返回匹配节点
            }
        }
        while (t != null);
    
        return null; //匹配失败，返回null
    }  

  • 插入

    插入可以理解为先查找，找到了就说明已经存在该节点不用再进行插入了（也有可能找到后做覆盖操作，比如HashMap的put方法），找不到就将指针最后停留的叶子节点当做待插入节点的父节点，根据两个节点值的大小关系确定该作为左子树还是右子树插入。下面是相关代码：

    /**
    * @param key 待插入节点的键值
    */
    void insertBST(int key) {
        if (mRoot == null) {
            //若根节点为空，则使用key创建根节点，插入完成
            mRoot = new BSTNode(key, null);
            return;
        }
    
        BSTNode t = mRoot;
        BSTNode parent; //指向当前遍历到的节点的指针
    
        //从根节点开始循环查找
        do {
            parent = t;
    
            if (key < t.value) {
                t = t.left; //若key比节点小，则在左子树中继续查找
            }
            else if (key > t.value) {
                t = t.right; //若key比节点大，则在右子树中继续查找
            }
            else {
                return; //若key与节点的值相等，则说明节点已存在，不需要插入，直接返回（若需要覆盖节点，在这里完成）
            }
        }
        while (t != null);
    
        //执行到这一步说明值为key的节点不存在，新创建一个节点，将parent指针指向的节点作为父节点
        BSTNode nodeToInsert = new BSTNode(key, parent);
    
        if (key < parent.value) {
            parent.left = nodeToInsert; //若key比parent的值小，则作为parent的左子树插入
        }
        else {
            parent.right = nodeToInsert; //若key比parent的值大，则作为parent的右子树插入
        }
    }

  • 删除

    删除操作第一步也是查找，找到待删除节点后分下列几种情况：

    a. 若节点为子节点，直接删除即可；

    b. 若节点只有左子树或右子树，则删除该节点后，将其唯一的子树与父节点相连；

    c. 若节点有两个子树，则需要选择一个子树，并从中选出合适的节点K与待删除节点的父节点相连。这时树的结构会发生变化，节点K将接替待删除节点作为这一棵子树的根，那么显然，K需要大于其左子树的所有节点且小于右子树的所有节点。这里对于K有两种选择，要么选择待删除节点的左子树中最大的节点，要么选择其右子树中最小的节点，二者皆可，我们选择前者来实现。下面是删除操作相关代码：

    /**
    * @param key 待删除节点的键值
    */
    void deleteBST(int key) {
        if (mRoot == null) {
            return; //若树为空，则无法删除，返回
        }
    
        BSTNode t = mRoot;
        BSTNode nodeToDelete = null; //需要删除的节点
    
        //循环查找待删除节点
        do {
            if (key < t.value) {
                t = t.left; //在左子树中继续
            }
            else if (key > t.value) {
                t = t.right; //在右子树中继续
            }
            else {
                nodeToDelete = t; //匹配成功，找到待删除节点，退出循环