原文作者：oliver-l
转自链接：https://learnku.com/articles/43763
目录
什么是 “平衡⼆叉查找树”？
平衡⼆叉树的严格定义是这样的：⼆叉树中任意⼀个节点的左右⼦树的⾼度相差不能⼤于 1。从这个定义来看，完全⼆叉树、满⼆叉树其实都是平衡⼆叉树，但是⾮完全⼆叉树也有可能是平衡⼆叉树。
平衡⼆叉查找树不仅满⾜上⾯平衡⼆叉树的定义，还满⾜⼆叉查找树的特点。最先被发明的平衡⼆叉查找树是 AVL 树，它严格符合我刚讲到的平衡⼆叉查找树的定义，即任何节点的左右⼦树⾼度相差不超过 1，是⼀种⾼度平衡的⼆叉查找树。
但是很多平衡⼆叉查找树其实并没有严格符合上⾯的定义（树中任意⼀个节点的左右⼦树的⾼度相差不能⼤于 1），⽐如红⿊树，它从根节点到各个叶⼦节点的最⻓路径，有可能会⽐最短路径⼤⼀倍。
平衡⼆叉查找树中 “平衡” 的意思，其实就是让整棵树左右看起来⽐较 “对称”、⽐较 “平衡”，不要出现左⼦树很⾼、右⼦树很矮的情况。这样就能让整棵树的⾼度相对来说低⼀些，相应的插⼊、删除、查找等操作的效率⾼⼀些。
如何定义⼀棵 “红⿊树”？
平衡⼆叉查找树其实有很多，⽐如，Splay Tree（伸展树）、Treap（树堆）等，但是我们提到平衡⼆叉查找树，听到的基本都是红⿊树。它的出镜率甚⾄要⾼于 “平衡⼆叉查找树” 这⼏个字，有时候，我们甚⾄默认平衡⼆叉查找树就是红⿊树，那我们现在就来看看这个 “明星树”。
顾名思义，红⿊树中的节点，⼀类被标记为⿊⾊，⼀类被标记为红⾊。除此之外，⼀棵红⿊树还需要满⾜这样⼏个要求：
- 根节点是⿊⾊的；
- 每个叶⼦节点都是⿊⾊的空节点（NIL），也就是说，叶⼦节点不存储数据；
- 任何相邻的节点都不能同时为红⾊，也就是说，红⾊节点是被⿊⾊节点隔开的；
- 每个节点，从该节点到达其可达叶⼦节点的所有路径，都包含相同数⽬的⿊⾊节点；
为什么说红⿊树是 “近似平衡” 的？
平衡⼆叉查找树的初衷，是为了解决⼆叉查找树因为动态更新导致的性能退化问题。所以，“平衡” 的意思可以等价为性能不退化。“近似平衡” 就等价为性能不会退化的太严重。
⼆叉查找树很多操作的性能都跟树的⾼度成正⽐。⼀棵极其平衡的⼆叉树（满⼆叉树或完全⼆叉树）的⾼度⼤约是 log2n，所以如果要证明红⿊树是近似平衡的，我们只需要分析，红⿊树的⾼度是否⽐较稳定地趋近 log2n 就好了。
⾸先，我们来看，如果我们将红⾊节点从红⿊树中去掉，那单纯包含⿊⾊节点的红⿊树的⾼度是多少呢？
红⾊节点删除之后，有些节点就没有⽗节点了，它们会直接拿这些节点的祖⽗节点（⽗节点的⽗节点）作为⽗节点。所以，之前的⼆叉树就变成了四叉树。
前⾯红⿊树的定义⾥有这么⼀条：从任意节点到可达的叶⼦节点的每个路径包含相同数⽬的⿊⾊节点。我们从四叉树中取出某些节点，放到叶节点位置，四叉树就变成了完全⼆叉树。所以，仅包含⿊⾊节点的四叉树的⾼度，⽐包含相同节点个数的完全⼆叉树的⾼度还要⼩。
完全⼆叉树的⾼度近似 log2n，这⾥的四叉 “⿊树” 的⾼度要低于完全⼆叉树，所以去掉红⾊节点的 “⿊树” 的⾼度也不会超过 log2n。
我们现在知道只包含⿊⾊节点的 “⿊树” 的⾼度，那我们现在把红⾊节点加回去，⾼度会变成多少呢？
从上⾯我画的红⿊树的例⼦和定义看，在红⿊树中，红⾊节点不能相邻，也就是说，有⼀个红⾊节点就要⾄少有⼀个⿊⾊节点，将它跟其他红⾊节点隔开。红⿊树中包含最多⿊⾊节点的路径不会超过 log2n，所以加⼊红⾊节点之后，最⻓路径不会超过 2log2n，也就是说，红⿊树的⾼度近似 2log2n。
所以，红⿊树的⾼度只⽐⾼度平衡的 AVL 树的⾼度（log2n）仅仅⼤了⼀倍，在性能上，下降得并不多。这样推导出来的结果不够精确，实际上红⿊树的性能更好。
实现红⿊树的基本思想
不知道你有没有玩过魔⽅？其实魔⽅的复原解法是有固定算法的：遇到哪⼏⾯是什么样⼦，对应就怎么转⼏下。你只要跟着这个复原步骤，就肯定能将魔⽅复原。
实际上，红⿊树的平衡过程跟魔⽅复原⾮常神似，⼤致过程就是：遇到什么样的节点排布，我们就对应怎么去调整。只要按照这些固定的调整规则来操作，就能将⼀个⾮平衡的红⿊树调整成平衡的。
前面定义了红黑树满足的四点要求，在插⼊、删除节点的过程中，第三、第四点要求可能会被破坏，⽽我们今天要讲的 “平衡调整”，实际上就是要把被破坏的第三、第四点恢复过来。
在正式开始之前，我先介绍两个⾮常重要的操作，左旋（rotate left）、右旋（rotate right）。左旋全称其实是叫围绕某个节点的左旋，那右旋的全称估计你已经猜到了，就叫围绕某个节点的右旋。
自己思考：左旋右旋有啥意义呢？交换颜色，变换位置（eg: 右旋中 x.right 原本在 右边，后来变到左边）
左旋：
右旋：
【插⼊】操作的平衡调整
红黑树插入的4种情形
（1）新节点位于根节点，其没有父节点时， 处理思路：将该插入的红色节点直接设为黑色即可； -------处理简单
（2）新节点的父节点已然是黑色时， 处理思路：因为插入的节点是红色，而父节点是黑色，所以不用动，这已然是一颗红黑树 ；------处理简单
（3）父节点和叔节点都是红色时， 处理思路：a.将父节点和叔节点设为黑色; b.将祖父节点设为红色; c.将祖父节点设为当前节点，并继续对新当前节点进行操作
（4）父节点是红色，叔节点是黑色时，又分如下四种情况：
- 当前节点是父亲的左孩子，父亲是祖父的左孩子（Left-Left）， 处理思路：a.将祖父节点右旋;b.交换父节点和祖父节点的颜色
- 当前节点是父亲的右孩子，父亲是祖父的左孩子（Right-Left）， 处理思路：a.将父节点左旋，并将父节点作为当前节点; b.然后再使用Left Left情形
- 当前节点是父亲的右孩子，父亲是祖父的右孩子（Right-Right）， 处理思路：a.将祖父节点左旋;b.交换父节点和祖父节点的颜色
- 当前节点是父亲的左孩子，父亲是祖父的右孩子（Left-Right）， 处理思路：a.将父节点右旋，并将父节点作为当前节点; b.然后再使用Right Right情形
插入规则
红⿊树规定，插⼊的节点必须是红⾊的。
红⿊树的平衡调整过程是⼀个【迭代】的过程。
我们把正在处理的节点叫作 【关注节点/当前节点】 。【关注节点/当前节点】会随着不停地迭代处理，⽽不断发⽣变化。最开始的关注节点就是新插⼊的节点。
【删除】操作的平衡调整
红⿊树插⼊操作的平衡调整还不是很难，但是它的删除操作的平衡调整相对就要难多了。不过原理都是类似的，我们依旧只需要根据关注节点与周围节点的排布特点，按照⼀定的规则去调整就⾏了。
一、从树中删除节点X（以寻找后继节点的方式进行删除）
情况①：如果X没有孩子，且如果X是红色，直接删除X；如果X是黑色，则以X为当前节点进行旋转调色，最后删掉X
情况②：如果X只有一个孩子C，交换X和C的数值，再对新X进行删除。根据红黑树特性，此时X不可能为红色，因为红色节点要么没有孩子，要么有两个黑孩子。此时以新X为当前节点进行情况①的判断
情况③：如果X有两个孩子，则从后继中找到最小节点D，交换X和D的数值，再对新X进行删除。此时以新X为当前节点进行情况①或②的判断
二、旋转调色（N=旋转调色的当前节点[等于情况①中的X]，P=N的父亲，W=N的兄弟，Nf=N的远侄子，Nn=N的近侄子）
情况1：N是根或者N是红色，则：直接将N设为黑色
情况2：N不是根且N是黑色，且W为红色，则：将W设为黑色，P设为红色，对P进行旋转(N为P的左子时进行左旋，N为P的右子时进行右旋)，将情况转化为情况1、2、3、4、5
情况3：N不是根且N是黑色，且W为黑色，且W的左右子均为黑色，则：将W设为红色，将P设为当前节点进行旋转调色，将情况转化为情况1、2、3、4、5
情况4：N不是根且N是黑色，且W为黑色，且Nf为黑色，Nn为红色，则：交换W与Nn的颜色，并对W进行旋转(N为P的左子进行右旋，N为P的右子进行左旋)，旋转后N的新兄弟W有一个红色WR，则转换为情况5
情况5：N不是根且N是黑色，且W为黑色，且Nf为红色，Nn为黑色，则：将W设为P的颜色，P和Nf设为黑色，并对P进行旋转(N为P的左子进行左旋，N为P的右子进行右旋)，N设为根
1287
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
