数据结构的理解和应用——红黑树

心得：看了《数据结构和算法分析》，《算法导论》以及《算法》上关于红黑树的章节，总算把红黑树的实现和操作给理解了一边。虽然插入和删除的情况有些复杂，因为1,2年前看过一次，后来就忘了，感觉还是当时没有真正理解。

因此记住插入和删除的形式是不行的，关键是结合红黑树的5个特点，理解插入和删除中循环不变式的以及终止条件。这样才能知道为什么要弄一个“一重额外的黑色”才能知道为什么红黑树一次更新可以在O(1)中完成调整等等。

之后能够在脑海中演练，画画图，理解和AVL的异同要比把代码背下来有价值多了。

PS：《数据结构和算法分析》着重讲解了递归实现，但迭代应该更好一些，Java集合框架中采用的是parent引用+迭代的实现方式。

背景

2-3树和2-3-4树

B树具有有序性和完美平衡性，但是插入和删除判断的情况太多了，还且需要额外的开销。通过将2-3树转换成左偏红黑树，2-3-4树转换成完全红黑树，可以用一点代价用更简单的方式处理：
以2-3树的转变为例：
2-3树中每个键值变为一个独立节点，一个3节点变为两个节点，中间中红色链接相连；
条件：
（1）红色链接均为左链接；
（2）没有任何节点同时和两个红色链接相连，很显然红色节点是一个3-节点分裂的；
（3）完美黑平衡（性质5）；
相对的2-3-4树红色连接可以左右链接，但是同样不能有上下相邻的两个红色链接。将链接颜色转变为节点的属性，因此可以也就不能有相邻的红色节点（性质4），这条性质很重要，可以保持2-3-4树中4的阶数限制，这是便于操作和O(lgn)操作的保证；

1. 红黑树的基本条件

（1）节点不是黑的就是红的；
（2）根节点是黑色的；
（3）每个叶节点NIL是黑色的；
（4）红色节点的儿子必须是黑色的；
（5）每个节点到后代叶节点的简单路径上，均包含相同数目的黑色节点；

2. 红黑树的性能

一棵有n个内部节点的红黑树的高度至多为2lg(n+1)；

（1）在查找，插入，删除操作的性能都是稳定O(log n)的，插入和删除操作中的上滤会执行O(lgn)次；
（2）任何不平衡都会在O(1)次（插入最多2次，删除最多三次）旋转之内解决；

3. 与AVL树的比较

（1）时间复杂度与AVL树相同，但统计性能比AVL树更高；
（2）如果插入和删除操作比较多，应当选用红黑树，AVL表现较差；
（3）如果数据分布较好可以采用AVL树；
（4）红黑树每次更新操作的旋转次数为O(1)（不超过3次），适合实现持久化的搜索树；

5. 结构和操作

5.1 结构

（1）使用一个共同的NIL叶节点，不过也可以直接直接使用NULL，Java中的实现就没有使用空对象，而是直接的null；
（2）5条特性；
（3）包含：parent引用，red（boolean），left，right，四个核心域；

5.2 旋转操作

基于p节点的左旋或右旋，主要是3组节点之间指针的调整（以左旋为例）：
（1）p节点和其右儿子之间；
（2）p的右儿子的左儿子和p之间；
（3）p的右儿子和p的父节点之间；

5.3 插入操作（关键在于叔父节点的颜色和x的位置，变色+旋转）

插入操作和二叉搜索树一样在叶节点处插入新的节点x，但这个插入节点一开始是红色的，因此可能破坏性质（2）或性质（4）；

被破坏的性质：
破坏性质（2）时，x是根节点，直接变为黑色，到所有路径黑高+1，就ok了；
破坏性质（4）时，x的父节点xp也是红色的，因此要想办法通过旋转“将一个多余的红色节点转过去”，那么x的叔父节点的颜色就很关键：

修复红黑树平衡条件：
从2-3-4树角度分析，叔父节点是黑色，保证上面是一个3节点，情形一正是因为这时一个4节点，因此要继续上滤；
之所以要修复是因为x所在路径上有两个相邻的红色节点（x和xp），那么要想办法通过将一个红色节点（xp）变成黑色。
多出来一个黑色怎么办，这样就破坏性质（5）了，需要一次旋转，将祖父节点变成红色（祖父节点原来肯定是黑色，因为父节点是红色），父节点变为黑色旋转成为新的子树根，这样性质（5）保持，x和xp的颜色也正常了。但有个问题，祖父点变为了红色，因此只有在叔父节点是黑色时这样做才可行（否则又多一组相邻的红色节点）。
因此要分3种情况来处理，以xp为祖父节点的左儿子情形为例（还有一组对称的情形）：
PS：x为“新插入节点”，xp为x的父节点，xpp为祖父节点，xppr为x的叔父节点；

情形1：叔父节点是红色：
正如前面说的，这里无法解决问题，只好上滤，将xp和叔父节点变化黑色，祖父节点变成新的x；
实际上，可以对应2-3-4树中，xp，xpp，xppr是一个4节点，这时要分裂这个4节点，中键节点（xp节点）上移，xp变为黑色也就是分裂出来和x节点组成一个3节点，xppr变为黑色，变为一个2节点；

情形2：叔父节点是黑色，x是xp的右儿子：
前面说了，解决相邻的两个红色节点在于“变色+旋转”，关键是旋转之后，x变成了xpp的左儿子，x是红色，xpp也被变成了红色，因此x是xp右儿子时，也不能直接旋转。

通过一次左旋，将xp变成x的左儿子，这时x指向xp，那么就转化成了情形3；
对应一个2-3-4树，2和11节点对应一个3节点，7节点上滤要插入这个3节点，但是颜色分布不对，因此要通过一个左旋，变成情形3，再通过一次右旋更改颜色，这样2,7,11就组成了一个4节点；

情形3：叔父节点是黑色，x是xp的左儿子：
xp变为黑色，xpp变为红色，基于xpp一次右旋，这样两个相邻红色节点就隔开了，同时也没破坏别的性质。

因此情形1和情形2都是为了转换为情形3才最终解决问题。

5.4 删除操作

删除逻辑（删除节点p）：
（1）如果p没有儿子节点，为红色，直接删掉，为黑色，需要调整，x就是p节点，调整完再删除p，删除一个红色节点相当于删除3-节点和4-节点中的非中间元素，不会破坏平衡性；
（2）如果p只有一个儿子节点，儿子节点代替p的位置，p不论颜色直接删掉，如果p为黑色，x就是儿子节点，进行调整；
（3）如果p有两个儿子节点，可以查找右子树中最左的节点或者左子树中最右节点（设为s），s的值和p的值交换，这个s就成了要删除的节点，而它最多只可能有一个儿子节点，适用于上面两种情况之一。

5.4.1 删除调整

本质上来说就是2-3-4树，分裂3-节点或4-节点，补充减少的黑高。
循环不变式：
按照算法导论上的设计，x所在路径少一个黑色，我们可以假设给它增加一重额外的黑色，这样在删除中同样保持一个性质就是黑高不变。这是一种概念上的设计。
如果x不是叶节点，以x为根的子树始终满足性质（5）；

终止条件：
（1）x为红色节点，赋值为黑色，黑高将保持；
（2）x指向根节点，x都是根节点了剩下的黑高肯定一样了；
（3）满足情形4的条件，通过变色+旋转，”“补上了”“x所在路径的黑高；

这张图是算法导论中的，算法导论中使用NIL一个共享的单例哨兵，但这里还是使用null而不是哨兵，因此这里图中x不为null。
PS：在算法导论中这个x可以是NIL节点，结合书中的删除算法，x节点不为NIL就是红色节点。实际上如果删除一个没有儿子节点的元素，这里的x就是这个元素（可以为黑色）。

PS：xp为父节点，w为兄弟节点，wr为兄弟的右儿子，wl为兄弟的左儿子，count(x)表示x的黑高。

以x是xp的左儿子为例：
情形四：兄弟节点为黑色，它的右儿子是红色的：
首先分析情形四是因为我觉得另外三种情形只是在向情形四转变。通过一次左旋+变色，x这边路径终于增加了一个黑色节点，而wr从红色变成黑色，因此黑高也没有减少，故而解决了问题，对应B树的操作就是分裂了兄弟节点，兄弟节点的中键节点（D节点），上移，B下移成为独立节点。而图中B和C节点原来的颜色是什么，无关紧要，不影响结果，这大大简化了2-3-4树删除操作。

情形一：兄弟节点是红色：
兄弟节点w是红色，首先它一定会有两个黑色儿子节点。因为红黑树是完美黑平衡，因此有count(w) = count(x) + 1，而w是红色，那它必有两个黑色的儿子。这时通过一次在xp父亲节点上的左旋，x就可以得到一个黑色的兄弟节点。

情形二：兄弟节点为黑色，它的两个儿子是黑色：
如果C和E都是黑色或者为null，那么兄弟节点没有红色可以分裂出来，就继续上滤；兄弟节点w变成红色（黑高减一），x指向xp，因为x添加了额外一重黑色，因此实际路径黑高未减少；

情形三：兄弟节点为黑色，右儿子是黑色，左儿子是红色：
这种情况可以直接转化为情形四，通过一次在w节点上的右旋，C变为黑色，D变为红色，黑高保持不变，此时x的兄弟节点为黑色并且有红色的右儿子了。

6. 应用

（1）在Java中， TreeMap，Java 8中HashMap中TreeNode节点都采用了红黑树实现。
（2）C++中，STL的map和set也应用了红黑树；
（3）Linux进程调度Completely Fair Scheduler；
（4）用红黑树管理进程控制块epoll在内核中的实现，用红黑树管理事件块；
（5）Nginx中，用红黑树管理timer等；