树 特性比较

二叉搜索树 平衡二叉树 红黑树 B树 B+树的简单对比

名称	简称	特点	平衡性	查找	插入	删除	优势	应用
二叉搜索树	BST	索引树，由于构建不稳定，查找效率不稳定	无	不稳定，跟具体构建树相关，最好O(logn)，最差O(N)	直接插入	删除的是叶子节点或只有左或右子树比较简单，如同时存在左右子树，那么要找到前驱或后继代替原先节点，再删除	性能高于线性查找	暂无
平衡二叉树	AVL	索引树，BST进化版，自平衡，查找效率稳定	有	最好最坏都是O(lgn)	最多需要2次旋转	最多需要lgN次旋转	高度平衡，进一步提升查询效率	暂无
红黑树	RBT	索引树，BST进化版，自平衡，查找效率相对稳定	有	基本维持在O(lgn),最坏比AVL略差(2lg(n+1))	最多需要2次旋转，3次变色	最多需要3次旋转	自平衡，进一步提升查询效率	Java中TreeSet和TreeMap，JDK 8以后，HashMap的设计
B树	^	多路查找树，提升IO效率，索引树进化而来	有	IO次数取决于高度，减少IO次数	1.可以直接插入的情况2.插入后破环平衡，需要进行分裂	1.可以直接删除2.直接删除后破环平衡，先向左右子树“借”节点3.直接删除后破环平衡，左右子树“借”不到节点，合并子树	降低IO次数	文件系统索引和部分非关系型数据库，如MongoDB
B+树	^	多路查找树，提升IO效率，B树进化版	有	进一步减少IO次数	类似B树	类似B树	进一步降低IO次数，范围查询方便，查询性能稳定	大多关系型数据库使用B+树作为索引

另外提一下哈夫曼树，上面的几个都是查找树，而哈夫曼树的设计不是为了查找，而是为了减少编码长度。哈夫曼树多应用于压缩技术（哈夫曼编码）