红黑树入门到精通

红黑树是一种数据结构中很重要的二叉树，在哈希表、Linux底层调度算法等地方均起到很大的作用。它也是面试中一个很经典也很有难度的知识点，我们了解他的结构有助于去理解一些底层的具体实现。只要用心去体会，理解他不是问题。本篇包括红黑树的概念、时间复杂度、应用场景、本质（提出过程、深层原理）、两种构建/删除的方法。

一、红黑树概念

红黑树是数据结构中非常典型的二叉查找树，在介绍他之前先回顾一下二叉树(B Tree)和平衡二叉树(AVL)的概念。

1、二叉树与平衡二叉树

我们知道二叉树是一种能够极大增大数据查找效率的数据结构。它的插入、删除、查找各操作时间复杂度与树的高度成正比。

从这张图我们会发现如下的规律：

(1)左子树上所有节点的值均小于或等于它的根结点的值。

(2)右子树上所有节点的值均大于或等于它的根结点的值。

如下图，树中有n个节点，通常树高度的数量级在logn，因此该二叉树时间复杂度为O(logn)。

但是有时候由于输入数据排列方式问题，可能会出现高度远高于logn的情况，比如下面的二叉树相当于退化成了链表，时间复杂度为O(n)。

 为了解决这一问题，需要设计一个能够保持左右子树平衡的二叉查找树，这样可以保证高度控制在logn量级。

 平衡二叉树严格遵循以下性质：1. 任意节点的左右子树高度相差不大于1    

                                                    2. 左右子树都是平衡二叉树

 虽然这种方式查找最快，但是为了保持平衡，在每次删除节点时都需要对树进行旋转等重组操作，而旋转的量级是O(logN)，浪费很多时间。因此衍生出了一些类似算法，其中包括红黑树，这些要求没那么严格，并且时间复杂度也控制在logn数量级上。

 2、红黑树

        红黑树通过增加额外的一种颜色存储：黑与红实现树的自平衡。因为平衡要求没AVL严格，因此需要更少的旋转变换，如果增删很频繁，红黑树效率更高。

    性质

1. 每个节点只有两种颜色：红色和黑色。
2. 根节点是黑色的。
3. 每个叶子节点(NIL)是不存储数据的黑色空节点（为了将树补成全满状态）
4. 任何相邻两个节点不能同时为红色。
5. 从任何一个节点出发，到叶子节点，这条路径上都有相同数目的黑色节点。

       4. 假设红黑节点共n个，那么树的高度最多是2log(n+1)，因空间复杂度之和n有关，因此为空间复杂度为O(logn)。接下来证明此结论。

证明思路：因为红黑树的第三个性质（任何节点到叶节点包含的黑色节点个数相同），所以其实去掉红色节点就会变成一个全黑的平衡树，树的高度主要是黑色高度在起作用，因此利用黑高来证明树高。

黑高bh(x)：从某个节点x出发(不包含该节点)到达严格叶子节点的任意一条路径上，(包含叶子节点)黑色节点的个数。如下图各节点黑高值。

要想证明结论树的高度最多是2log(n+1)，需证明以下两个子命题：

（1） 对于任意一个子树，根节点为x，至少有 内部节点(数学归纳法)  后面补！！

（2）对任意x的树高h(x)有

二、红黑树增删查改操作（一）

第一种方法，先按照二叉树的方法进行删改，再优化保证红黑树的自身性质（即如果破坏了红黑树的规则就进行修改，不破坏规则则无需调整）。

比如下面是一颗典型的红黑树。

1、查询节点

查询节点是最简单的一个，他的查找过程和二叉查找树一样，查找元素比当前节点大，就从右子树继续查找比较，查找元素比当前节点小，就从左子树继续查找比较。查找过程就不再赘述了。

2、插入节点 

插入节点分为三种情况。

第一种情况：新节点没有父节点

没有父节点只有一种情况，就是插入的节点是整棵树第一个节点，也就是根节点，为此我们只需要把插入节点涂成黑色就OK了。这也就保证了性质2：根节点是黑色的。

第二种情况：新节点的父节点是黑色

为此我们举一个例子，比如说上面的红黑树中，我们插入节点14。来看一下会发生什么情况？

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

第三种情况：新节点的父亲节点为红色

我们还是举个例子，比如我们在最开始的红黑树基础之上插入节点21，此时会发生什么情况呢？

 此时还是老规矩，对照着红黑树的5个特征一个一个来看，只要是违反了一条就需要做出调整。我们来看一下：

(1)每个节点只有两种颜色：红色和黑色。这一条满足。

(2)根节点是黑色的。这一条也满足。

(3)每个叶子节点(NIL)都是黑色的空节点。这一条满足。

(4)从根节点到叶子节点，不会出现两个连续的红色节点。这一条发现不满足。

就是上面这一条规则没有满足，所以我们此时需要调整？问题来了如何调整呢？因为直接看父节点没办法实现，所以还需要观察另外的节点，也就是新节点的叔叔节点。根据叔叔节点的颜色来调整。调整的方式有两种：变色和旋转。

(1)叔叔节点是红色：

此时插入的节点是21，但是叔叔节点是27，刚好是红色。调整需要按照局部到整体的顺序，先满足局部规则，再向上级扩展。我们直接来看调整的步骤：

第一步：把新节点21的父节点22变成黑色。

此时重新看一下是否满足红黑树的五条特征了没，一条一条发现，第五条没有满足，也就是从任何一个节点出发，到叶子节点，这条路径上没有相同数目的黑色节点。比如从25出发。这时候怎么办呢？那就继续调整。

 第二步：把22的父节点25变成红色

 这时候还是老规矩，不要嫌弃麻烦，因为只有经历了一步又一步的麻烦之后，你才能牢记那5条规则特征。我们对照之后会发现节点25和节点27是两个连续的红色节点，这时候又破坏了规则4。怎么办呢？那就继续调整就OK了。

难道这时候还要继续往上调整吗？如果你这样做就错了，因为不断地往上调整最后就会把根节点变成了红色，会走进死胡同。我们往下走。

第三步：把节点27变成黑色

 来吧，继续重新审查那5条规则特征。很明显节点17和节点25是两个连续的红色，又破坏了。但继续坚持下去，胜利就在眼前。

第四步：把节点17和节点18都变成黑色节点

现在你再对照一下那5条规则，是不是完全保证了。

看到这里，仅是红黑树插入的一种情况。这时，你感觉是不是还没有平衡二叉树好，调整很麻烦。但事实上，红黑树因有变色的功能，会少很多旋转，并且每次都可保证3次操作之内将红黑树调整好，开销更小。而二叉树为了保持平衡，却需要几乎每次的旋转操作，最坏的情况需要从根节点旋转到叶节点，复杂度为O(logn)。

写到这真的是太累了，和你读这篇文章的感觉一样一样的，不过这种情况也只是插入情况中的一种。继续往下看： 

 局面1：新结点（A）位于树根，没有父结点。

(空心三角形代表结点下面的子树)

这种局面，直接让新结点变色为黑色，规则2得到满足。同时，黑色的根结点使得每条路径上的黑色结点数目都增加了1，所以并没有打破规则5。

局面2：新结点（B）的父结点是黑色。

这种局面，新插入的红色结点B并没有打破红黑树的规则，所以不需要做任何调整。

局面3：新结点（D）的父结点和叔叔结点都是红色。

这种局面，两个红色结点B和D连续，违反了规则4。因此我们先让结点B变为黑色：

这样一来，结点B所在路径凭空多了一个黑色结点，打破了规则5。因此我们让结点A变为红色：

这时候，结点A和C又成为了连续的红色结点，我们再让结点C变为黑色：

 经过上面的调整，这一局部重新符合了红黑树的规则。

局面4：新结点（D）的父结点是红色，叔叔结点是黑色或者没有叔叔，且新结点是父结点的右孩子，父结点（B）是祖父结点的左孩子。

我们以结点B为轴，做一次左旋转，使得新结点D成为父结点，原来的父结点B成为D的左孩子：

这样一来，进入了局面5。

局面5：新结点（D）的父结点是红色，叔叔结点是黑色或者没有叔叔，且新结点是父结点的左孩子，父结点（B）是祖父结点的左孩子。

我们以结点A为轴，做一次右旋转，使得结点B成为祖父结点，结点A成为结点B的右孩子：

接下来，我们让结点B变为黑色，结点A变为红色：

经过上面的调整，这一局部重新符合了红黑树的规则。

以上就是红黑树插入操作所涉及的5种局面。

或许有人会问，如果局面4和局面5当中的父结点B是祖父结点A的右孩子该怎么办呢？

很简单，如果局面4中的父结点B是右孩子，则成为了局面5的镜像，原本的右旋操作改为左旋；如果局面5中的父结点B是右孩子，则成为了局面4的镜像，原本的左旋操作改为右旋。

2、删除节点

这里有两种情况：

（1）如果被删节点为叶子节点，则可以直接删除叶子节点，随后再根据上面5种局面进行调平

（2）如果被删节点有子节点，需要与相邻数值的叶子节点（前驱/后继元素）进行替换，然后再执行（1）操作

看到这里，小伙伴们可能已经发懵了，这些太复杂了，需要全部记下来吗？其实通过实战演练几遍，自己就会调整了。并且在下面我会介绍另外一种简便的不需记颜色的方法，而在讲他之前，需要理解红黑树的本质——23、234树。

三、 红黑树的本质

23树即2-3阶B树，234树即2-3-4阶B树。

问：2-3阶，2-3-4阶是什么意思呢？

答：通俗来讲就是这个节点向下的分支的个数就是他的阶。

2-3阶的B树长这样

 2-3-4阶相比于2-3阶树多了4阶，4节点就是这样的

 问：2-3阶树和2-3-4阶树和红黑树有什么关系呢？

 答：就像Java中类和对象的关系一样，红黑树是2-3-4阶树的一种实现方式。

2-3-4阶树中的节点和红黑树的节点的对应规则：

那么按照这个规则我们按照3节点都为左倾红黑树将一个2-3阶树转换为红黑树

 如此一来，理解红黑树就不再那么抽象了，至于红黑树的其他操作，增删节点，在2-3阶树的增删基础上去理解就容易很多了。

以下内容操作设2-3树均为左倾的红色节点表示，即一定是左儿子。这种限定能够很大的减少红黑树调整过程中的复杂性，我们将在接下来的内容中体会到这一点。

四、红黑树的增删查改操作（二）

我们在了解红黑树的插入删除操作之前，需要先了解2-3树的插入删除操作，这样才能理解红黑树中染色和旋转背后的意义。

让我们来看一下对于2-3树的插入。我们的插入操作需要遵循一个原则：先将这个元素尝试性地放在已经存在的节点中，如果要存放的节点是2节点，那么插入后会变成3节点，如果要存放的节点是3节点，那么插入后会变成4节点（临时）。然后，我们对可能生成的临时4节点进行分裂处理，使得临时4节点消失。

事实上，这正对应了红黑树在插入的时候一定会把待插入节点涂成红色，因为红色节点的意义是与父节点进行关联，形成概念模型2-3树中的3节点或者临时4节点。 

而红黑树之所以需要在插入后进行调整，正是因为可能存在着概念模型中的临时4节点（反应在红黑树中是双红的情况）。

试想在2-3树中如果待插入节点是个2节点，那么反应在红黑树中，不正好对应着黑色父节点吗，在黑色父节点下面增加一个红色儿子，确实不会违背红黑树的任何规则，这也对应着我们向2-3树中的2节点插入一个元素，只需要简单的把2节点变成3节点。

接下来让我们来看一下对于2-3树的删除。对于2-3树的删除我们主要要考虑待删除元素在2节点这种情况，因为如果待删除元素在3节点，那么可以直接将这个元素删除，而不会破坏2-3树的任何性质（删除这个元素不会引起高度的变化）。

当待删除元素在2节点的时候，由于删除这个元素会导致2节点失去自己唯一的元素，引发2节点自身的删除，会使得树中某条路径的高度发生变化，树变得不平衡。

因此我们有两种方案去解决这个问题：

• 第一种方案，先删除这个2节点，然后对树进行平衡调整。
• 第二种方案，我们想办法让这个被删除的元素不可能出现在2节点中。

第一种方法前面已经讲过，这里采用第二种。我们在搜索到这个节点的路径中，不断地判断当前节点是否为2节点，如果是，就从它的兄弟节点或者它的父节点借一个元素，使得当前节点由2节点成为一个3节点或者一个临时4节点。如果父节点、兄弟节点均为2节点，则将三节点合并为临时4节点，再进行删除。思路就是将被删元素变为非2节点，再进行删除。

来看它的五条定义：

1.节点颜色有红色和黑色

【2-3树到红黑树的转化已经解释过】

2.根节点必为黑色

【2-3树中如果根节点为2节点，那么它本来就对应红黑树中黑节点；如果根节点为3节点，也可以用黑色节点表示较大的那个元素，然后较小的元素作为左倾红节点存在于红黑树中】

3.所有叶子节点都是黑色

4.任意节点到叶子节点经过的黑色节点数目相同

【红黑树中的红节点是和黑色父节点绑定的，在2-3树中本来就是同一层的，只有黑色节点才会在2-3树中真正贡献高度，由于2-3树的任一节点到空链接距离相同，因此反应在红黑树中就是黑色完美平衡】

5.不会有连续的红色节点

【2-3树中本来就规定没有4节点，2-3-4树中虽然有4节点，但是要求在红黑树中体现为一黑色节点带两红色儿子，分布左右，所以也不会有连续红节点】

1. 红黑树插入案例

给定一组关键字{20，30，50，52，60，68，70}，创建一个红黑树，此方法为先创建2-3阶B树，再转换为红黑树。

根据B树要求，三阶m=3，除了根节点外，非叶子节点至少有[3/2]-1=1个关键字，最多有3-1=2个关键字。所以依次插入20，30关键字

  

2.删除案例

1. 删除叶子节点。

   1.1 删除节点为3节点，直接删

  1.2 删除节点为2节点，兄弟为3节点

 

   1.3 删除节点为2节点，兄弟为2节点，将父节点其中一个值与兄弟节点合并，再删除自己。

 

2. 删除非叶子节点

找出相邻关键字，替换，再执行上述步骤。

 

是第三种情况，兄弟节点不够借，用兄弟和双亲合并，再删除自己。

全部结束。

五、应用场景

红黑树保证了最坏情形下在 O(logn) 时间复杂度内完成查找、插入及删除操作；因此红黑树可用于很多场景，比如在 Java 的集合框架 (HashMap、TreeMap、TreeSet)、Nginx 的 Timer 管理、Linux 虚拟内存管理以及 C++ 的 STL 等等都能看到它的应用。