关于什么是红黑树

红黑树

1.概述

红黑树解决了二叉查找树多次插入新节点可能导致的不平衡问题,红黑树是一种自平衡的二叉查找树,除了符合二叉查找树的基本特性外,它还具有以下特性:

​ 1.节点是红色或者黑色。

​ 2.根节点是黑色。

​ 3.每个叶子节点都是黑色的空节点（NIL节点）。

​ 4.每个红色节点的两个子节点都是黑色。（从每个叶子到根的所有路径上都不能有两个连续的红色节点）。

​ 5.从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。

具体结构如图：

学习红黑树的概念，需要先了解什么是二叉查找树。

2.二叉查找树

二叉查找树(BST)的特性:

1.左子树上所有节点的数值均小于或等于它根节点的值

2.右子树上所有节点的数值均大于或等于它根节点的值

3.左,右子树也分别为二叉查找树

二叉查找树的结构如图:

举例说明

如果我们要查询值为10的节点用二叉查找树会怎么来查呢?

1.首先查看根节点9

2.由于10>9,因此查看右子树节点13

3.由于10<13,因此查看13节点下左子树的11

4由于10<11,因此查看11节点下左子树的10,发现10正是要查找的节点

由上我们可以得出查找所需的最大次数等同于二叉查找树的高度。

插入节点

在插入节点的适合也是利用类似的方法,通过一层层比较大小,找到新节点适合插入的位置。

缺点

缺点体现在多次插入新节点时二叉查找树有可能会出现不平衡,这样大大降低查找的效率

例如:

假设初始的二叉查找树只有三个节点,根节点值为9,左子树值为8,右子树值为12

接下来我们依次插入五个节点: 7,6,5,4,3,依照二叉查找树的特性,结果几乎变成了线性。

总结

正是二叉查找树的这个缺陷,多次插入新节点有可能导致数据结构的不平衡,而产生了红黑树这种更高效合理的数据结构。

3.红黑树

从文章开始的地方我们可以知道红黑树的特点，正是因为在二叉查找树的基础上增加的这些新的特点和规则，才保证了红黑树的自平衡，红黑树从根到叶子的最长路径不会超过最短路径的两倍。

当插入或删除节点的时候,红黑叔的规则有可能被打破。

举例说明

一.不会破坏红黑树规则的情况

​ 1.向原红黑树插入值为14的新节点

由于父节点15是黑色节点，因此这种情况并不会破坏红黑树的规则，无需做任何调整

二.会破坏红黑树规则的情况

​ 1.向原红黑树插入值为21的新节点:

由于父节点22是红色节点,因此破坏了红黑树的规则4(从每个叶子到根的所有路径上都不能有两个连续的红色节点),必须调整使之符合红黑树的规则

调整方法

1.变色

为了符合红黑树的规则,尝试把红色节点变成黑色,或者把黑色节点变成红色。

下图所表示的是红黑树的一部分，需要注意节点25并不是根节点，因为节点21和节点22连续出现了红色，不符合规则4，所以把节点22从红色变成黑色

因为右多出的黑色节点打破了规则5（从任一节点到其叶子的路径上都包含数量相同的黑色节点）所以发生连锁反应，需要继续把节点25从黑色变成红色。

此时因为出现了两个连续红色节点打破了规则6（从根节点到叶子的路径上不能出现两个连续的红色节点），需要继续把节点27从红色变成黑色。

如上完成了所有的变色调整后才算是一次完整的红黑树的自平衡。

2.旋转

红黑树的旋转调整又分为左旋转和右旋转

我们来先看左旋转:

逆时针旋转红黑树的两个节点,使得父节点被自己的右子树取代,而自己成为自己的左子树。

如图：

身为右子树的Y取代了X的位置，而X变成了自己的左子树。此为左旋转。

关于右旋转:

顺时针旋转红黑树的两个节点，使得父节点被自己的左子树取代，而自己成为自己的右子树。

如图：

身为左子树的Y取代了X的位置，而X变成了自己的右子树，此为右旋转。

4.红黑树的应用

红黑树的应用有很多,其中JDK的集合类TreeMap和TreeSet底层都是用的红黑树实现,在Java8中HashMap也使用了红黑树。