数据结构学习——二叉树

Vector和List的特点：

类型	底层结构	随机访问	插入和删除	空间利用率	使用场景
Vector	vector的底层结构是动态顺序表，在内存中是一段连续的空间	O(1)	查询数据位置最坏需要O(N)，且数据迁移最坏也需要O(N)	内存中是一段连续的空间，所以不容易造成内存碎片，利用率高	vector适合需要高效率存储，需要随机访问，并且不管行插入和删除效率的场景
List	list的底层结构是带头节点的双向循环链表，在内存中不是一段连续的空间	O(N)	查询数据位置最坏需要O(N)，插入和删除仅改变前后指针指向需要O(1)	动态开辟空间，容易造成内存碎片，空间利用率低	list适合有大量的插入和删除操作，并且不关心随机访问的场景

二叉树的概念引入，是为了兼顾Vector和List的优点：高效地查找、插入和删除。以平衡二叉搜索树（已经有序）为例，静态查找和动态修改操作都可以在O(logn)以内。

 

二叉搜索树的search、insert和remove操作的运行时间正比于树高，当最坏情况下，二叉树会退化成列表，查找时间复杂度降为O(N).为了解决这个问题引入AVL树（平衡二叉搜索树）的概念，即兄弟子树高级尽可能接近，维持一定的平衡状态（通过旋转操作实现）。

AVL树：将树的高度控制在O(logn)以内，以保证每次查找、插入或删除均可在O(logn)的时间内完成。（适度平衡：任一节点左右子树的高度，相差不超过1）

伸展树：逐层伸展，节点V一旦被访问，随即转移到树根。（一步一步往上爬；自下而上，逐层单旋；直到v最终被推送至根。）

B-树：越来越小的内存,系统存储容量的增长速度<<应用问题规模的增长速度。现在典型问题的数据集都以TB为单位。从磁盘读写1B和1KB几乎一样快。B树是一种平衡多路搜索树。

AVL树，查询n=1G个记录：每次查找需要log(2,10^9)=30次I/O，每次只读出一个关键码；

B-树，充分利用外存比批量访问的高效支持，将此特点转化为优点。每下降一层，都以超级节点为单位，读入一组关键码，目前多数数据库系统采用m=200~300,当m=256时，每次查找只需log(256,10^9)=4次I/O.

红黑树：针对AVL树，删除操作之后的重平衡可能需要做O(logn)次旋转，从而频繁地导致全树整体拓扑结构的大幅度变化。红黑树的引入就是为了解决这个不足，可保证每次插入或删除操作之后的重平衡过程中，全树拓扑结构的更新仅涉及常数个节点，最坏情况仍是O(logn)，就分摊意义而言仅为O(1)。（适度平衡放宽：任一节点左右子树的高度，相差不超过两倍）