红黑树

红黑树

二叉查找树在理想情况下时间复杂度 $O(logn)$

当二叉树在频繁的动态更新过程中,会出现树的高度远大于 $O(lo{g}_{2}n)$

红黑树： 就是解决复杂度退化问题，我们设计一种平衡二叉树。

平衡二叉查找树

定义： 二叉树中任意一个节点的左右子树高度相差不能大于1。

完全二叉树、满二叉树都是平衡二叉树，但是非平衡二叉树也有可能是平衡二叉树。

平衡二叉查找树： 不仅满足二叉树的特点，还满足平衡二叉树的定义，任意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树。

AVL 树： 任何节点的左右子树高度相差不超过1，一种高度平衡的二叉查找树。

红黑树： 并不满足左右节点高度相差一，它的根节点到各个叶子节点的最长路径，有可能比最短路径大一倍。

平衡： 就是让树的左右看起来比较对称，比较平衡，但是不要出现左子树很高、右子树很矮的情况。这样树的高度就会相对低一些。

红黑树

平衡二叉树很多：伸展树、树堆。

红黑树： 是不严格符合平衡二叉树的定义。

红黑树是近似平衡的。

红黑树节点：一类标记黑色、一类标记红色，还要满足以下条件：

1. 根节点是黑色；
2. 每个叶子节点都是黑的的空节点(NULL)，叶子节点不存储数据；
3. 任何相邻的节点不能同时为红色，红色节点被黑色节点隔开；
4. 每个节点，从改节点到达其可达叶子节点的所有路径，包含相同数目的黑色节点。

叶子节点为黑色的空节点：主要为了简化红黑树代码的实现。

平衡： 性能不退化，树的高度约为 $lo{g}_{2}n$

近似平衡： 性能不会退化的太严重，树的高度约为 $2lo{g}_{2}n$

近似平衡

当删除红色节点，之前的二叉树会变成四叉树。

定义4： 任意节点可到达叶子节点的路径包含相同数目的黑色节点，从四叉树中取出某些节点，放到叶子节点，四叉树就变成完全二叉树。所以仅含黑色节点的四叉树高度，比含相同节点完全二叉树高度还小。也就是黑色四叉树的高度不会超过 $lo{g}_{2}n$。

当把红色节点加回去，会被黑色节点隔开，黑色节点路径不会超过 $lo{g}_{2}n$，所以加入红色节点后，最长路径不会超过 $2lo{g}_{2}n$，所以红黑树的高度近似 $2lo{g}_{2}n$。

红黑树高度仅比高度平衡的 AVL 树高度大了一倍，但是性能上下降的并不多，这样推倒出来的结果并不准确，实际上红黑树性能更好。

红黑树的实现

一个合格的红黑树需要满足上面四个要求

在插入、删除节点的过程，第三、第四点要求可能会破坏，而平衡调整实际上就是把破坏的第三、第四点回复过来。

左旋： 围绕某个节点左旋转

右旋： 围绕某个节点右旋转

插入操作的平衡调整

规定： 插入的几点必须是红色的，二叉查找树中新插入的节点都是放在叶子节点上。关于插入操作的平衡调整，有两种情况：

• 插入节点的父节点是黑色，那么就什么都不做，他仍然满足红黑树的定义。
• 插入的节点是根节点，那么直接改变它的颜色，将它变成黑色。

除以上两种情况，其他情况都会违背红黑树的定义，就需要进行调整，调整的过程包含两个基础操作： 左右旋转 和 改变颜色 。

关注节点： 红黑树的调整过程是一个迭代的过程，将正在处理的节点叫做关注节点。关注节点会随着不停迭代处理，而不断发生变化。最开始关注节点就是新插入的节点。

新节点插入后，为了保持树平衡，一般有下面三种情况。

删除操作的平衡调整

关注节点进行二次调整

树的选择

工程中常用的平和二叉查找树是红黑树

Treap、Splay Tree： 虽然操作效率高，但是避免不了极端情况下时间复杂度的退化。尽管出现的概率不大，但是对于单次操作时间敏感的场景，并不适用。

AVL 树： 高度平衡的二叉树，查找效率很高，但是维护高度的平衡，需要付出更多的代价。每次插入、删除都要做调整，对于有频繁插入、删除的数据结合，适用 AVL 树的代价很高。

红黑树： 只做到了近似平衡，不是严格的平衡，在维护平衡的成本上，比 AVL 树低，插入、删除等操作性能都比较稳定，为了支撑这种工业级应用，更倾向于性能稳定的平衡二叉查找树。

使用场景： 红黑树是一种近似平衡二查找树，解决普通二叉树的在数据更新过程中，复杂度退化的问题，高度近似 $lo{g}_{2}n$ ，插入、删除、查找操作的时间复杂度都是 $O(logn)$。因为红黑树是性能非常稳定的二叉查找树，实现起来比较复杂，我们更倾向于用跳表来代替它。