数据结构与算法回顾-4：平衡查找树

二叉树虽然能解决查找的问题，但是在某些情况下，比如当任意相邻的两个元素之间是按照升序或者降序插入的话，那么得到的树将是一个链表的形状。当然这只是一种极端的情况，只是用来说明，树的形状对二叉查找的效率有很大的影响。

这里的平衡二叉树能够让树保持完美的平衡，不会出现极端的成为链表等，而且我们也会试图去保持树的完美平衡。

它实现这个平衡目的的方式是：对于 3-结点，如果再向其插入数据，就会使其变成 4-结点。4-结点会被分解成一棵子树，并将子树的根节点“进位”父结点。所以，如果进位并导致了根结点变成了 4-结点，那么根结点就会被分解成一棵子树。也就是说，实际上平衡查找树的根结点是会发生变化的，而且这种变化的趋势总是倾向于，将树的左子树中的高度与右子树的高度相差。

平衡查找树的定义：平衡查找树是一种二叉排序树，其中每一个节点的左子树和右子树的高度相差至多等于 1.

我们将树上结点的左子树深度减去右子树深度的值称为平衡因子，那么平衡二叉树上所有结点的平衡因子只可能是 -1, 0, 1.

1、2-3查找树

1. 将一棵标准二叉查找树的结点称为 2-结点（含有一个键和两条链接），3-结点是指含有两个键和三条链接的结点；
2. 一棵 2-3 查找树或为一棵空树，由 2-结点和 3-结点构成，并且左链接执行的键都小于该结点，右链接指向的键都大于该结点

如图所示是一课 2-3查找树，在它的内部插入新的结点的时候比平衡查找树略复杂。这里面包含一种类似“进位”的方式，即如果在某个结点插入了新的结点之后它变成了 4-结点（3 个键 4 个链接），那么需要将其分解并将分解后的中间结点传递到父结点中。如果父结点成了 4-结点，那么就继续讲父结点分解，并向上传递，一直打到最顶层的根结点为止。

上图就是关于 2-3 树插入结点的时候结点的分裂和融合的示意图，实际上我们可以借助上面的思考方式来考虑 2-3 树的一些操作的执行过程。即如果是以上面的 4-结点为例的话，从左到右四个链接分别代表的含义是：小于 A 的结点构成的树，A 和 C 之间的结点构成的树，C 和 E 之间的结点构成的树以及大于 E 的结点构成的树。

2、红黑二叉查找树

2.1 定义

如图所示，红黑二叉查找树只是将 2-3 查找树中的 3-结点转表示成由一条左斜的红色链接相连的两个 2-结点。这种表示方法的优点是我们可以无需修改就使用二叉查找树的 get() 方法。

有些图在表示红黑树的时候，没有使用红连接，而是使用红色的结点，比如这里的 a 就应该被表示成一个红色的结点。虽然表达方式不一样，但是实际意义是一样的—— a 和 b 构成了 2-3 树中的 3 结点。

红黑二叉查找树的等价定义:

1. 红链接均为左链接；
2. 树的根为黑色，叶子节点（即所谓的空节点）为黑色；（根必须为黑色的，但可以是 3-结点）
3. 没有任何一个结点同时和两个红链接相连；
4. 该树是完美黑色平衡，即任意空链接到根结点的路径上的黑链接数量相同。

实际上红黑二叉查找树将红链接画平时，一棵红黑树就是一棵 2-3 树。我们在二叉树的基础之上增加了一个红黑的条件，这使得红黑树的红链接既能够表示 2-3 树中的 3-结点的情形，又能具有二叉树的只具有两个分支的性能。即它既满足了我们对效率的要求，又能够比较方便地实现。

注意下面的关于红黑二叉树的操作中，除了完成基本的功能之外，是如何维护树的平衡的。

2.2 红黑树的表示

与二叉树类似，只是这里需要在二叉树的基础之上增加一个字段 color 用于表示红黑二叉查找树的结点的颜色：

	public class RedBlackBST<Key extends Comparable<Key>, Value> {
   
	    private final static boolean RED = true;
	    private final static boolean BLACK = false;
	    private Node<Key, Value> root;
	
	    private static class Node<Key extends Comparable<Key>, Value> {
   
	        Key key;
	        Value value;
	        Node leftChild, rightChild;
	        int N;
	        boolean color; // 增加了一个颜色字段
	
	        public Node(Node leftChild, Key key, Value value, int n, boolean color, Node rightChild) {
   
	            this.key = key;
	            this.value = value;
	            this.leftChild = leftChild;
	            this.rightChild = rightChild;
	            N = n;
	            this.color = color;
	        }
	    }
	}

2.3 旋转

2.3.1 原理

在实现某些操作的时候（比如插入、删除等），会出现红链接在右侧或者两条连续的红链接的状况，在继续操作之前需要对这些情况进行修复，这就需要对其进行旋转。将右侧的红链接转换为左侧的红链接的过程叫做左旋，相反的操作叫做右旋。

图 左旋的示意图

图 右旋的示意图

其实所谓的左旋和右旋是比较容易理解的，你可以将其想象成旋转就是将 E 和 S 中的那个“低”一些的“拎”起来的过程。比如左旋时，就像将S“拎”起来，拎起来之后，E 和 S 之间的那个结点，自然地从 S 滑落到了 E 上面。

旋转的时候有几个地方需要注意：旋转之前和之后根结点的颜色的变化，两个结点的颜色变化，两个结点的子结点的变化。

2.3.2 代码实现

下面是左旋和右旋的代码实现，以及容易出现错误的一些地方：

    private Node<Key, Value> rotateLeft(Node<Key, Value> node) {
   
        Node<Key, Value> right = node.rightChild;
        // node.color = BLACK; // 错误：结点的颜色应该是链接到结点的链接的颜色，所以旋转之后node的结点的颜色变成红色才对
        node.color = RED;
        // right.color = RED; // 错误：旋转之之后right结点的颜色是node的颜色，本质上旋转只是这棵子树内部的变化，对外不变
        right.color = node.color;
        right.leftChild = node; // right的左结点变成了node
        node.