树结构

---

1. 二叉树的度？

度概念：每个节点的子节点数即为度（故二叉树度 <= 2）
重要性质

• 满二叉树：一棵深度为k，有2^k-1个节点的二叉树

• 完全二叉树：除最后1层外，都是满的。最后一层可以缺，但只能缺右边
  

• 二叉树中，第 m 层最多有 2^(m-1) 个结点（根结点为第一层）

• 高度为k的二叉树至多有2^k - 1个结点

• 二叉树 T 叶子结点总数为n0，度为2的结点个数为n2，则n0=n2+1

• 如果完全二叉树有n个结点，那么树最高为log2(n)+1

• 对于完全二叉树，从上至下，从左至右对每个结点从1-n编号，那么对于结点n有：

  如果i=1，那么此结点为根结点，如果i>1那么该结点的父结点为不大于i/2的最大整数；
  如果2i>n，那么i结点没有左子树，如果2i<=n那么该结点的左子树编号为2i；
  如果2i+1>n，那么结点i没有右子树，如果2i+1<=n那么该结点的右子树编号为2i+1。

2. AVL 树——（平衡二叉查找树）

AVL 树是平衡二叉查找树，增加和删除节点后通过树形旋转重新达到平衡。

• 右旋：是以某个节点为中心，将它沉入当前右子节点的位置，而让当前的左子节点作为新树的根节点，也称为顺时针旋转。

• 左旋：是以某个节点为中心，将它沉入当前左子节点的位置，而让当前的右子节点作为新树的根节点，也称为逆时针旋转。

---

3. 红黑树——（对称二叉B树 ，O(logn)）

主要特征是在每个节点上增加一个属性表示节点颜色，可以红色或黑色。红黑树和 AVL 树类似，都是在进行插入和删除时通过旋转保持自身平衡，从而获得较高的查找性能。与 AVL 树相比**，红黑树不追求所有递归子树的高度差不超过 1，保证从根节点到叶尾的最长路径不超过最短路径的 2 倍**，所以最差时间复杂度是 O(logn)。红黑树通过重新着色和左右旋转，更加高效地完成了插入和删除之后的自平衡调整。

红黑树在本质上还是二叉查找树，它额外引入了 5 个约束条件：

• ① 节点只能是红色或黑色。
• ② 根节点必须是黑色。
• ③ 所有 NIL 节点都是黑色的。
• ④ 一条路径上不能出现相邻的两个红色节点。
• ⑤ 在任何递归子树中，根节点到叶子节点的所有路径上包含相同数目的黑色节点。

这五个约束条件保证了**红黑树的新增、删除、查找的最坏时间复杂度均为 O(logn)。如果一个树的左子节点或右子节点不存在，则均认定为黑色。红黑树的任何旋转在 3 次之内均可完成**。

---

4. AVL 树、红黑树区别

• ① 自身性质的不同（平衡度、查找速度）：红黑树的平衡性不如 AVL 树，它维持的只是一种大致的平衡，不严格保证左右子树的高度差不超过 1。这导致节点数相同的情况下，红黑树的高度可能更高，也就是说平均查找次数会高于相同情况的 AVL 树。

• ② 插入操作：红黑树和 AVL 树都能在至多两次旋转内恢复平衡

• ③ 删除操作：由于红黑树只追求大致平衡，因此红黑树至多三次旋转可以恢复平衡，而 AVL 树最多需要 O(logn) 次。

• ④ 操作复杂度：AVL 树在插入和删除时，将向上回溯确定是否需要旋转，这个回溯的时间成本最差为 O(logn)，而红黑树每次向上回溯的步长为 2，回溯成本低。因此面对频繁地插入与删除红黑树更加合适。

---

5. B 树、B+ 树区别

B 树中每个节点同时存储 key 和 data，而 B+ 树中只有叶子节点才存储 data，非叶子节点只存储 key。

InnoDB 对 B+ 树：进行了优化，在每个叶子节点上增加了一个指向相邻叶子节点的链表指针，形成了带有顺序指针的 B+ 树，提高区间访问的性能。

B+ 树的优点在于：

• ① 由于 B+ 树在非叶子节点上不含数据信息，因此在内存页中能够存放更多的 key，数据存放得更加紧密，具有更好的空间利用率，访问叶子节点上关联的数据也具有更好的缓存命中率。

• ② B+树的叶子结点都是相连的，因此对整棵树的遍历只需要一次线性遍历叶子节点即可。而 B 树则需要进行每一层的递归遍历，相邻的元素可能在内存中不相邻，所以缓存命中性没有 B+树好。

但是 B 树也有优点：由于每个节点都包含 key 和 value，因此经常访问的元素可能离根节点更近，访问也更迅速。

---