数据结构-红黑树

2-3树介绍

查阅很多博客好像都没有谈及红黑树的由来，包括著名的算法导论也只是先抛出5条红黑树的性质，在介绍红黑树之前不得不先介绍2-3树，左倾红黑树可以说等价于2-3树。

2-3树

一颗2-3树具有如下三个特性

• 一个节点内部包含一个或两个关键码
• 每个非叶子节点有两个孩子或者三个孩子（得名2-3树）
• 所有叶子节点都在同一层

除了这三个形状特性，还有一个如下特性，对于每一个节点，左子树所有节点值都小于第一个关键码，中间子树所有节点值都大于第一个关键码，小于第二个关键码，右子树所有节点值都大于第二个关键码。

查找节点的流程参照二叉搜索树，下面介绍插入节点流程：
首先找到被插入记录应该插入的叶子节点

• case1：如果这个叶子节点只包含一个关键码，直接添加到这个叶子节点中，如插入14，先找到15这个叶节点，把14放到这个叶节点即可。
• case2： 如果找到的叶子节点已经包含两个关键码，则需要对该节点分裂，比如插入55，找到节点(50,52), 进行节点分裂，把中间大小关键码52提升至父节点，得到如下图
  

红黑树性质

介绍红黑树5个性质前必须先介绍2-3树如何转化成红黑树的。

2-3树插入

我们先模拟一下2-3树插入1，2，3，4，5的过程，如下图：

下面我们思考一下如果让我们设计2-3树的存储数据结构，要如何设计？
二叉树只需要value，left，right三个属性，但现在2-3树更复杂，value可能有一个或者两个，孩子可能两个或者三个，我们可以用数组或链表，这是一种设计可行的方案。但是我们可以对上图进行微小改动，让他变成用之前的二叉树的结构也可以存储整棵树。如下图所示：

对于上图，等价关系是完全成立的，把节点标识成红色的就是为了说明，该红色节点和父亲是属于2-3树的同一个节点，这也就说明了左倾红黑树等价于2-3树，何为左倾红黑树？即红色节点一定是左孩子，标准的红黑树的红色节点可以是左孩子也可以是右孩子。

红黑树性质

• 所有节点非红即黑；

• 根节点为黑；

• 最后的NULL节点为黑；

• 红节点的孩子一定为黑；

• 黑平衡；(从某个节点出发，到达子节点经过的黑节点数目相同)

理解了2-3树转化成红黑树后，理解上面5点性质非常容易，第5点性质等价于2-3树的性质：所有叶子节点都在同一层。

本篇博客我们只介绍左倾红黑树，实现起来简单一点。

fixUp

图中列举了三种插入情况，也涵盖了左倾红黑树所有的插入情况，读者可以对着图阅读代码，更能理解。

代码

public class RBTree<K extends Comparable<K>, V> {

    private static final boolean RED = true;
    private static final boolean BLACK = false;

    private class Node {
        public K key;
        public V value;
        public Node left, right;
        public boolean color;

        public Node(K key, V value) {
            this.key = key;
            this.value = value;
            left = null;
            right = null;
            color = RED;
        }
    }

    private Node root;
    private int size;

    public RBTree() {
        root = null;
        size = 0;
    }

    public int getSize() {
        return size;
    }

    public boolean isEmpty() {
        return size == 0;
    }

    // 判断节点node的颜色
    private boolean isRed(Node node) {
        if (node == null)
            return BLACK;
        return node.color;
    }

    //   node                     x
    //  /   \     左旋转         /  \
    // T1   x   --------->   node   T3
    //     / \              /   \
    //    T2 T3            T1   T2
    private Node leftRotate(Node node) {

        Node x = node.right;

        // 左旋转
        node.right = x.left;
        x.left = node;

        x.color = node.color;
        node.color = RED;

        return x;
    }

    //     node                   x
    //    /   \     右旋转       /  \
    //   x    T2   ------->   y   node
    //  / \                       /  \
    // y  T1                     T1  T2
    private Node rightRotate(Node node) {

        Node x = node.left;

        // 右旋转
        node.left = x.right;
        x.right = node;

        x.color = node.color;
        node.color = RED;

        return x;
    }

    // 颜色翻转
    private void flipColors(Node node) {

        node.color = RED;
        node.left.color = BLACK;
        node.right.color = BLACK;
    }

    // 向红黑树中添加新的元素(key, value)
    public void add(K key, V value) {
        root = add(root, key, value);
        root.color = BLACK; // 最终根节点为黑色节点
    }

    // 向以node为根的红黑树中插入元素(key, value)，递归算法
    // 返回插入新节点后红黑树的根
    private Node add(Node node, K key, V value) {

        if (node == null) {
            size++;
            return new Node(key, value); // 默认插入红色节点
        }

        if (key.compareTo(node.key) < 0)
            node.left = add(node.left, key, value);
        else if (key.compareTo(node.key) > 0)
            node.right = add(node.right, key, value);
        else
            node.value = value;

        if (isRed(node.right) && !isRed(node.left))
            node = leftRotate(node);

        if (isRed(node.left) && isRed(node.left.left))
            node = rightRotate(node);

        if (isRed(node.left) && isRed(node.right))
            flipColors(node);

        return node;
    }

    // 返回以node为根节点的二分搜索树中，key所在的节点
    private Node getNode(Node node, K key) {

        if (node == null)
            return null;

        if (key.equals(node.key))
            return node;
        else if (key.compareTo(node.key) < 0)
            return getNode(node.left, key);
        else //
            return getNode(node.right, key);
    }

    public boolean contains(K key) {
        return getNode(root, key) != null;
    }

    public V get(K key) {

        Node node = getNode(root, key);
        return node == null ? null : node.value;
    }

    public void set(K key, V newValue) {
        Node node = getNode(root, key);
        if (node == null)
            throw new IllegalArgumentException(key + " doesn't exist!");

        node.value = newValue;
    }

    // 返回以node为根的二分搜索树的最小值所在的节点
    private Node minimum(Node node) {
        if (node.left == null)
            return node;
        return minimum(node.left);
    }


    public static void main(String[] args) {
        RBTree<Integer,Integer> tree = new RBTree();
        tree.add(1,null);
        tree.add(2,null);
        tree.add(3,null);
        tree.add(4,null);
        tree.add(5,null);
    }
}

参考

慕课网liuyubobo玩转数据结构
数据结构c++版第二版清华大学出版社
算法导论
算法4