BST,AVL树,红黑树，B树，B+树，B*树(从map的底层实现到mysql索引原理)

本文不会对具体细节过多的探究，力求得到这几种树的联系以及区别，实际运用。

BST(二叉检索树)：

二叉检索树也是我们最熟悉的一个索引方式了，它保证所有节点的左子树都小于该节点，所有节点的右子树都大于该节点。就可以通过大小比较关系来进行快速的检索，在一棵满二叉平衡树的情况下，检索的效率可以达到logn(类似二分检索)，然后插入和删除的效率也是稳定的logn。
还是上一张图吧：

BST可以很多题目相关考察的重点，这里要注意：如何找BST的最低公开节点，BST的中序遍历得到的结果是递增序列。
这里要讲一下BST的一个缺点，由于BST没有相关措施保持平衡，很容易因为插入数据的不对导致树的不平衡，当极度不平衡的时候，BST就会退化成一个链表，搜索的速度自然也就降低到了N，相关维护的代价也高（要想插入和删除，前提是要找到该节点）。

AVL树：

AVL树解决了BST中容易出现不平衡的问题，通过旋转的手段来让BST保持满二叉树的性质，当插入一个新节点之后，从插入结点向上判断是否出现高度差超过2的结点，然后通过旋转来恢复平衡，具体的平衡规则可以看我这篇博客：
https://blog.csdn.net/github_33873969/article/details/79487199

AVL树有一个缺点就是维护的代价过高，相较于BST，AVL树要有一个保持平衡的旋转操作，并且要保持严格平衡，所以维护代码高。

红黑树：
红黑树是我这篇文章要说的一个重点，我们的stl中的map也是低层也是通过红黑树来实现的，先说下红黑树的5个基本原则吧：
红黑树首先是二叉平衡树

1.每个结点或是红色的，或是黑色的。
2.根结点是黑色的。
3.每个叶结点（NIL）是黑色的。
4.如果一个结点是红色的，则它的两个子结点都是黑色的。