红黑树

https://www.cnblogs.com/hello-shf/p/11364565.html#_lab2_2_1

二三树

1、 2节点有且只能有两个孩子节点，并只能包含一个数据项。
2、 3节点必有三个孩子，并只能包含两个数据项，从左至右依次递增
3、 插入节点时不能将该节点插入到一个空节点上，新的节点只能通过分裂或者融合产生
4、 当2-3树只有2节点的时候，其只能是一棵满二叉树（完美二叉树）

https://blog.csdn.net/qq_36610462/article/details/83277524

二叉查找树（BST）

1.左子树上所有结点的值均小于或等于它的根结点的值。

2.右子树上所有结点的值均大于或等于它的根结点的值。

3.左、右子树也分别为二叉排序树。

红黑树

1.节点是红色或黑色。

2.根节点是黑色。

3.每个叶子节点都是黑色的空节点（NIL节点）。

4 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)

5.从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点

特点：

1. 红黑树黑节点自平衡
2. 从根到叶子的最长路径不会超过最短路径的2倍

变色：

为了重新符合红黑树的规则，尝试把红色节点变为黑色，或者把黑色节点变为红色。

左旋转：

逆时针旋转红黑树的两个节点，使得父节点被自己的右孩子取代，而自己成为自己的左孩子。图中，身为右孩子的Y取代了X的位置，而X变成了自己的左孩子。

右旋转：

顺时针旋转红黑树的两个节点，使得父节点被自己的左孩子取代，而自己成为自己的右孩子。图中，身为左孩子的Y取代了X的位置，而X变成了自己的右孩子。

案例

如果在22后面加一个21。 需要将25、22、27都变色，且21为红色。

此时节点17和节点25是连续的两个红色节点，

把节点17变成黑色节点：一来不但打破了规则4，二来根据规则2（根节点是黑色），也不可能把节点13变成红色节点。

把节点13看做X，把节点17看做Y。进行左旋转。

由于根节点必须是黑色节点，所以需要变色，变色结果如下：

此时其中两条路径(17 -> 8 -> 6 -> NIL)的黑色节点个数是4，其他路径的黑色节点个数是3，不符合规则5。

把节点13看做X，节点8看做Y，像刚才的示意图那样进行右旋转：

最后根据规则来进行变色：

红黑树重新符合规则。这一个例子的调整过程比较复杂，经历了如下步骤：

变色 -> 左旋转 -> 变色 -> 右旋转 -> 变色

ref：
30张图带你彻底理解红黑树：https://www.jianshu.com/p/e136ec79235c
AVL-平衡二叉树的原理和实现：https://www.cnblogs.com/hello-shf/p/11352071.html#_label3
通过2-3树理解红黑树：https://www.cnblogs.com/hello-shf/p/11364565.html#_lab2_2_1
红黑树复杂度的数学证明：https://blog.csdn.net/u013742253/article/details/20777761?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromBaidu-1.control&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromBaidu-1.control
二叉平衡搜索树、红黑树、二三树：https://blog.csdn.net/u013073869/article/details/107423756

查找操作

1. 从根结点开始查找，把根结点设置为当前结点；
2. 若当前结点为空，返回null；
3. 若当前结点不为空，用当前结点的key跟查找key作比较；
4. 若当前结点key等于查找key，那么该key就是查找目标，返回当前结点；
5. 若当前结点key大于查找key，把当前结点的左子结点设置为当前结点，重复步骤2；
6. 若当前结点key小于查找key，把当前结点的右子结点设置为当前结点，重复步骤2；
   正由于红黑树总保持黑色完美平衡，所以它的查找最坏时间复杂度为O(2lgN)，也即整颗树刚好红黑相隔的时候。

时间复杂度
二叉排序树：O(Log2n)到O(n)之间

• n个节点的二叉排序树的高度为Log2n+1,其查找效率为O(Log2n)，近似于折半查找。
• 二叉排序树完全不平衡，则其深度可达到n，查找效率为O(n)，退化为顺序查找。
  平衡二叉搜索树：
• O(logn)
  红黑树：O(logn)、 n为数据个数。
• 查找最坏时间复杂度为O(2lgN)，也即整颗树刚好红黑相隔的时候。
• 红黑树会比普通的平衡二叉树（AVL树）搜索效率要低一些。

插入操作

查找插入位置：

1. 从根结点开始查找；
2. 若根结点为空，那么插入结点作为根结点，结束。
3. 若根结点不为空，那么把根结点作为当前结点；
4. 若当前结点为null，返回当前结点的父结点，结束。
5. 若当前结点key等于查找key，那么该key所在结点就是插入结点，更新结点的值，结束。
6. 若当前结点key大于查找key，把当前结点的左子结点设置为当前结点，重复步骤4；
7. 若当前结点key小于查找key，把当前结点的右子结点设置为当前结点，重复步骤4；

插入节点为红色：

• 插入结点是红色，若父结点（如果存在）为黑色结点时，红黑树的黑色平衡没被破坏，不需要做自平衡操作。
• 插入结点是黑色，那么插入位置所在的子树黑色结点总是多1，必须做自平衡。

插入情景

1. 红黑树为空树：直接把插入节点作为根节点。
2. 插入节点key已存在：把插入节点设置为将要替代节点的颜色，并把当前节点值更新为插入节点值。
3. 插入节点父节点为黑节点：直接插入。
4. 插入节点父节点为红节点：
   特点：插入结点总是存在黑色的祖父结点。
   依据：根结点是黑色，不可以同时存在两个相连的红结点
   推导：如果插入的父结点为红结点，那么该父结点不可能为根结点。
   
   4.1：叔叔结点存在并且为红结点
   操作：

• 将P和S设置为黑色
• 将PP设置为红色
• 把PP设置为当前插入结点
  三种情况：
• 如果pp节点的父节点是黑色，无需操作。
• 如果pp节点的父节点是红色，把pp节点当作新插入的节点，继续做自平衡操作。
• 如果pp节点是根节点，重新把pp节点设置为黑色。（此时，红黑树的黑色节点层数增加了，这是唯一一种情况）
  总结：
• 红黑树的生长是自底向上的。普通二叉查找树的生长是自顶向下的。
• 每棵子树都能自平衡，那么整棵树最终总是平衡的。

4.2：叔叔节点不存在或为黑色，并且插入结点的父亲结点是祖父结点的左子结点
旋转操作：子树一边的节点多了，需要租借给另一边。左多右旋，右多左旋

4.2.1：插入结点是其父结点的左子结点

• 对pp右旋。
• 将p设为黑色
• 将pp设为红色
  补充：也可以把p设为红色，i和pp设为黑色。可以，但是此时需要考虑p节点的父节点是不是红色。自己能消化的就不要麻烦祖辈了。
  4.2.2：插入结点是其父结点的右子结点
• 对p左旋。
• 将p设为插入节点
• 重复4.2.1

4.3：叔叔结点不存在或为黑色，并且插入结点的父亲结点是祖父结点的右子结点
4.3.1：插入结点是其父结点的右子结点

• 对pp左旋
• 将p设为黑色
• 将pp设为红色
  4.3.2：插入结点是其父结点的左子结点
• 对p右旋
• 将p设为插入节点
• 重复4.3.1

删除操作

查找目标结点，不存在目标结点时，忽略本次操作；当存在目标结点时，删除后需要找结点来替代删除结点的位置，做自平衡处理。

三种情况：
情景1：若删除结点无子结点，直接删除
情景2：若删除结点只有一个子结点，用子结点替换删除结点
情景3：若删除结点有两个子结点，用后继结点（大于删除结点的最小结点）替换删除结点