红黑树

红黑树可厉害了，我举两个应用的场景

1.HashMap8级链表后转红黑树，解决严重冲突下的性能瓶颈

2.epoll fd是用红黑树管理的，结合epoll的一系列特性，性能非常好

借用Tinker的一句话——上亿的开发者都享受到了红黑树带来的优越性能，那么我们还有什么理由不学呢？

这是经典的二叉搜索树，想找到10，可以很方便的左右比较就可以快速找到，性能与二分一致，lgn，最差性能是由树深决定的。

查找没问题，但是插入就不好办了，因为很有可能插入成一个单链表了，那么性能就太糟糕了。所以最好是在插入的同时对树的结构进行调整，使得树的深度尽量地小。不同的数据接口有不同的做法，比如B、B+、红黑树，我们今天讨论红黑树，其实主要讨论红黑树是怎么在插入的时候调整树的结构就可以了。

插入14，并没有破坏规则

插入21，破怪了红节点不能相邻的规则。

解决方法：变色、旋转（左旋、右旋）

下面通过了变色解决了这一问题

左旋概念，右旋反之

刚刚那个问题其实通过变色，还没解决

又是两红相遇，难道继续通过变色解决吗？如果这么做了，遍历的节点就太多了，复杂度也就太高了。接下来采用左旋

但是根节点只能为黑色，所以需要变色

但是叶子黑色节点到根节点经过的黑节点个数不一样。如图中的6。然后需要进行右旋

最后变色一次，变黑11，最终红黑树就重新恢复平衡了

但是这样分析还远远不够，我们怎么知道什么时候该变色、自旋呢？所以需要掌握所有的情景。

case1是插入到根节点

case2

然后需要向上判断有没有破坏5大性质（5大性质文末会给出）

case3

接下来转变成case4要处理的问题了

case4

这样一来就结束了，同时黑高也没有变。

5大性质（这是面试的时候应当说的，面试的时候从5大性质出发，同时讲一下如何调整树）

1.或红或黑

2.根黑

3.叶节点NIL都是黑的

T.NIL是哨兵节点。

4.红不相邻

5.黑高相等

先学习了上面的图，再学习这5个性质，就显得再简单不过了。但是还有更为复杂的删除情况等着我们去分析呢~

删除

删除的核心在于找前驱或者后驱，然后交换彼此，前驱或者后驱必然最多只有一个孩子，实际删除前驱或者后驱，可以使得平衡的代价大大减小。接下来我们只需要考虑前驱或后驱即可。在前驱或后驱被删除后，如果前驱或后驱是红色的，那么黑高就没有变化，所以就不用管了。但是如果是黑色的，那么删除以后，黑高就变了，我们就不得不做出一些措施来调整了。主要有4大情形：

case1

声明一下，前驱或后驱已经被删了，这里的N标记的点，是前驱或者后驱的子节点。现在少了一级黑高，我们必须进行一定的调整，但是我们不可能一步就调整成功，我们这里只是尽可能地把它往对的地方去引。

这里进行了变色与左旋。

case2

对他进行变色

case3

对它变色与右旋

case4

对它变色与左旋。到达了4，就成功完成修复了。当然别忘了如果是根节点需要置黑

总结与面试说辞未完待续