【Algorithms公开课学习笔记9】 符号表part2——平衡搜索树

Balanced Search Tree 平衡搜索树

0. 前言

上一篇文章，我们分析了二叉搜索树（BST传送门）。在二叉搜索树中，查找、插入、删除、ceiling和floor等操作的平均时间性能取决于树高。在极端情况下（如插入有序序列后），如果树高h过大，其时间性能将会变得很差。根据树的特点，通过平衡树操作可以有效地降低树的高度，从而达到理想的时间性能。这就是本篇文章的重点——平衡搜索树（BSTs）。

1. 2-3搜索树

基本概念

2-3树的是由若干个2-节点(2-node)和3-节点(3-node)构成的树。其基本特征是有序对称(symmetric order)和绝对平衡(perfect balance)。
2-节点：2-节点具有一个key和两个子链接
3-节点：3-节点具有两个key和三个子链接
有序对称：通过中序遍历将得到递增的序列（升序序列）
绝对平衡：从根节点到空链接的路径都是相同长度的

基本操作

查找操作：对比节点key值，如果大于key，查右子树；如果小于key，查左子树；直到等于key或查到空链接。特别地，对于3-节点，如果小于左key，查左子树；如果大于左key小于右key，查中子树；如果大于右key，查右子树；直到等于key或查到为空链接。
插入操作：查找到该节点key值的合适位置，插入节点。如果该节点变成3-节点，无需操作；如果该节点变成4-节点，则要将中间key值的节点上浮到父节点，以此类推。在上浮过程中，如果root节点成为4-节点，则中间key值节点成为新root节点，左右key值节点分离成为新root节点的子节点。

下图示意了三种上浮的情况：

性能分析

操作、插入、删除操作均~clgN，其中系数c取决于实现方法（0< c <1）
分析所得，最坏的情况下是lgN，做好的情况下是log3N（约为0.631 lgN）。

存在问题

现实中，直接实现2-3树是非常复杂的，主要有以下原因：

• 维持多种类型的节点是冗余的（至少需要维持2-节点、3-节点和4-节点）
• 需要多种比较才能降低树高
• 需要增加树高以分离4-节点
• 分离节点时的情况太多

2. （左倾）红黑树

基本概念

上一节分析了2-3树存在的问题就是实现起来非常复杂，因此引入了（左倾）红黑树来表示2-3树。（这样的话，实现红黑树就相当于实现了2-3树）

在红黑树中，存在以下特征：（结合下图）

• 没有节点连接两条红链接
• 每一条从根到空链接的路径中黑链接的数量的相等的
• 红链接都是左倾的

当理解红黑树的特征之后，接着看看用红黑树来表示2-3树的方法：将红黑树中左倾的红链接水平放置，那么红链接所连接的两节点就构成了2-3树的3-节点，其他的构成2-节点。（结合下图）

基本操作

节点表示Node

由于每一个节点仅有一个链接指向父节点，因此对此链接标色，以区别红黑链接

private static final boolean RED = true;
private static final boolean BLACK = false;

private class Node{
    Key key;
    Value val;
    Node left, right;
    boolean color; // 父链接的标色
}

private boolean isRed(Node x){
    if (x == null) return false;
    return x.color == RED;
}

左旋left rotation

private Node rotateLeft(Node h){
    assert isRed(h.right);//判断右链接是否红，即是否右倾的情况
    Node x = h.right;
    h.right = x.left;
    x.left = h;
    x.color = h.color;
    h.color = RED;
    return x;
}

右旋right rotation

private Node rotateRight(Node h){
    assert isRed(h.left);//判断左链接是否红，即是否左倾的情况
    Node x = h.left;
    h.left = x.right;
    x.right = h;
    x.color = h.color;
    h.color = RED;
    return x;
}

跳色color flip

private void flipColors(Node h){
    assert !isRed(h);//判断
    assert isRed(h.left);
    assert isRed(h.right);
    h.color = RED;
    h.left.color = BLACK;
    h.right.color = BLACK;
}

通过左旋、右旋、跳色等操作，可以保持红黑树的对称有序和绝对平衡的特点。

查找

基于红黑树实现的BSTs的查找操作与基本的BST的查找操作是一致的。

public Val get(Key key){
    Node x = root;
    while (x != null){
        int cmp = key.compareTo(x.key);
        if (cmp < 0) x = x.left;
        else if (cmp > 0) x = x.right;
        else return x.val;
    }
    return null;
}

插入

当插入一个节点（节点C）到一棵红黑树中，为了保持绝对平衡和对称有序的特点，存在以下情况：

插入的节本操作可以描述成：（结合下图）

• 基本的BST插入操作，同时新插入的节点的附链接标成红色
• 如果需要的话，左右旋转去平衡4-节点（一个节点同时连接两个红链接）
• 通过跳色操作将红链接往上一层传递
• 如果需要的话，旋转以保持所有的红链接左倾
• 循环操作直到满足红黑树的所有特征

总结起来，在递归的场景下，就是以下三种情况：

• 右链接红，左链接黑：左旋
• 左链接红，左子节点的左链接红：右旋
• 左右链接红：跳色

private Node put(Node h, Key key, Value val){

    if (h == null) return new Node(key, val, RED);//插入节点（递归出口）
    int cmp = key.compareTo(h.key);
    if (cmp < 0) h.left = put(h.left, key, val);
    else if (cmp > 0) h.right = put(h.right, key, val);
    else  h.val = val;

    if (isRed(h.right) && !isRed(h.left)) h = rotateLeft(h);
    if (isRed(h.left) && isRed(h.left.left)) h = rotateRight(h);
    if (isRed(h.left) && isRed(h.right)) flipColors(h);

    return h;
}

性能分析

通过红黑树实现的BST，其树高在通常情况下 ~lgN，在最坏的情况下不超过 ~2lgN。

应用

JAVA:java.util.TreeMap ,java.util.TreeSet等数据结构
C++ STL：map, mutilmap, mutilset等数据结构
linux内核

3. B树

基本概念

B树是2-3树的泛化：在B树中，每个节点允许有M-1个子节点（子链接）。（M的取值视实际情况而定）
B树的特征如下：（结合下图）

• 跟节点至少有两个子链接
• 其他节点至少有M/2个子链接
• 外部节点包含内部节点的key（叶节点就是外部节点）
• 内部节点包含每个外部节点的首个key（用于索引）

基本操作

查找

• 从根节点开始
• 通过内部节点对比key，确定对应的链接
• 通过链接确定存储key的外部节点

插入

• 先查找新key的位置
• 插入
• 如果溢出，则要分离节点，并将首key存储在上一级的内部节点

应用

B树被广泛地应用在各操作系统的文件系统和数据库中。如windows的NTFS、Mac的HFS和SQL、ORACLE等各种主流数据库。