深入理解红黑树

二叉搜索树

所谓二叉搜索树，可提供对数时间的元素插入和访问，二叉搜索树的节点放置规则是：任何节点的键值大于其左子树中的每一个节点的键值，并小于其右子树中的每一个节点的键值，因此，从根节点一直往左走，直至无左路可走，即得最小元素，从根结点一直往右走，直至无右路可走，即得最大元素，如图所示：

平衡二叉搜索树

也许因为输入值不够随机，也许因为经过某些插入或删除操作，二叉搜索树可能会失去平衡，造成搜寻效率低落的情况，如图所示：

所谓树形平衡是否，并没有一个绝对的衡量标准，平衡的大致意思是：没有任何一个节点过深（深度过大）

AVL tree

AVL tree是一个加上了额外条件的二叉搜索树，其平衡条件的建立是为了确保整棵树的深度为O(logN),直观上的最佳平衡条件是每个节点的左右子树有着相同的高度，我们很难保证插入新元素而又保持这样的平衡条件，AVL tree于是退而求其次，要求任何节点的左右子树高度相差1，这是一个较弱的条件，但任然能保证对数深度平衡条件
如图所示：

假设该最深节点为X，由于节点最多拥有两个子节点，而所谓"平衡被破坏"意味着 X的左右两颗子树的高度相差2，我们可以分为下面四种情况

1. 插入点位于X的左子节点的左子树—左左
2. 插入点位于X的左子节点的右子树—左右
3. 插入点位于X的右子节点的左子树—右左
4. 插入点位于X的右子节点的右子树—右右

情况1,4彼此对称，称为外侧插入，可以采用单旋转操作调整解决，情况2,3彼此对称，称为内侧插入，可以采用双旋转操作调整
如图所示：

单旋转

在外侧插入的情况下，插入前平衡，插入后不平衡的唯一情况如图所示：

图所示的是左左外侧插入，至于右右外侧插入，情况如出一辙

双旋转

左侧为内侧插入所造成的不平衡状态， 单旋转无法解决这种问题，如图所示，左右内侧插入和右左内侧插入，情况如出一辙

RB-tree

所谓RB-tree，不仅是一个二叉搜索树，而且必须满足以下规则：

1. 每个节点不是红色就是黑色(图中深色底纹代表黑色，浅色底纹代表红色）
2. 根结点为黑色
3. 如果结点为红，其子节点必须为黑
4. 任一节点至NULL(树尾端)的任何路径，所含之黑节点必须相同
   根据规则4，新增节点必须为红，根据规则3，新增节点之父节点必须为黑，当新节点根据二叉搜索树的规则到达其插入点，却未能符合上述条件时，就必须调整颜色并旋转树型，如图所示：
   

插入节点

假设我们为RB-tree分别插入3,8,35,75，根据二叉搜索树的规则，这四个新节点的落脚点应该如图所示，它们都破坏了RB-tree的规则，因此我们必须调整树型

假设新节点为X，其父节点为P，祖父节点为G，伯父节点(父节点之兄弟节点)为S,曾祖父节点为GG，根据二叉搜索树的规则，新节点X必为叶节点，根据红黑树规则4，X必为红，若P为红(这就违反了规则3),则G必为黑(原为RB-tree，必须遵循规则3)，于是，根据X的插入位置及外围节点(S和GG)的颜色，有了以下四种考虑：

1. S为黑色且X为外侧插入，我们先对P,G做一次单旋转，再更改P,G颜色，即可重新满足红黑树的规则3
   
2. S为黑且X为内侧插入，我们必须先对P,X做一次单旋转并更改G,X颜色，再将结果对G做一次单旋转，即可满足红黑树规则
   
3. 状况3：S为红且X为外侧插入，先对P和G做一次单旋转，并改变X的颜色，此时如果GG为黑，一切搞定，但如果GG为红，则问题就比较复杂一些，见状况4
   
4. 状况4：S为红且X为外侧插入，对此情况，先对P和G做一次单旋转，并改变X的颜色，此时如果GG为红，还得持续往上做，直到不再有父子连续为红的情况
   
   为了避免状况4“父子节点皆为红色”：我们可以施加一个自上而下的程序：假设新增节点为A，那么只要看见某节点x的两个子节点皆为红色，就把X改为红色，并把两个子节点改为黑色，如图所示：