红黑树数据结构

什么是红黑树

        红黑树，Red-Black Tree ，是一个自平衡(不是绝对的平衡)的二叉查找树(BST)。是一种特化的AVL树（平衡二叉树），都是在进行插入和删除操作时通过特定操作保持二叉查找树的平衡，从而获得较高的查找性能。

有哪些特征

• 性质1：每个节点要么是黑色，要么是红色。

• 性质2：根节点是黑色。
• 性质3：每个叶子节点（NIL）是黑色。

• 性质4：每个红色结点的两个子结点一定都是黑色。如下，
• 

2000的子节点不是黑色，不满足性质4，需要进行“自平衡”操作。得到如下

还不满足，根2000节点是红色，根据性质1，需要进行“变色”操作。就可以满足了。

性质5：任意一结点到每个叶子结点的路径都包含数量相同的黑结点。（保证这棵树尽量是平衡的。）

红黑树结点的叫法

我们把正在处理(遍历)的结点叫做当前结点，如图中的D，它的父亲叫做父结点，它的父亲的另外一个子结点叫做兄弟结点，父亲的父亲叫做祖父结点。

• 红黑树的自平衡的处理可以总结为：自己能搞定的自消化； 自己不能搞定的叫兄弟帮忙； 兄弟都帮忙不了的，通过父母，找远方亲戚。

性能比较

• 查找代价：由于红黑树的性质(最长路径长度不超过最短路径长度的2倍)，可以说明红黑树虽然不像AVL一样是严格平衡的，但平衡性能还是要比BST要好。其查找代价基本维持在O(logN)左右，但在最差情况下(最长路径是最短路径的2倍少1)，比AVL要略逊色一点。
•  插入代价：RBT插入结点时，需要旋转操作和变色操作。但由于只需要保证RBT基本平衡就可以了。因此插入结点最多只需要2次旋转，这一点和AVL的插入操作一样。虽然变色操作需要O(logN)，但是变色操作十分简单，代价很小。
•  删除代价：RBT的删除操作代价要比AVL要好的多，删除一个结点最多只需要3次旋转操作。从根到叶子节点的最大路径不能大于最短路径的两倍长,大致上是平衡的，插入、删除和查找某个值的最坏情况时间都要求与树的高度成比例。

        简而言之，红黑树就是在二叉树和AVL之间取一个权衡，既不要求完全不平衡（容易退化成链表，影响性能），也不像AVL一样严格平衡（自旋会造成很大的性能消耗，不划算）。这样可以在获得较好的操作性能。

        

Java 代码实现：

todo