终于搞懂了红黑树

R-B Tree简介

R-B Tree，全称是Red-Black Tree，又称为“红黑树”，它一种特殊的二叉查找树。红黑树的每个节点上都有存储位表示节点的颜色，可以是红(Red)或黑(Black)。
红黑树的特性:
（1）每个节点或者是黑色，或者是红色。
（2）根节点是黑色。
（3）每个叶子节点（NIL）是黑色。 [注意：这里叶子节点，是指为空(NIL或NULL)的叶子节点！]
（4）如果一个节点是红色的，则它的子节点必须是黑色的。
（5）从一个节点到该节点的子孙节点的所有路径上包含相同数目的黑节点。
注意：
(01) 特性(3)中的叶子节点，是只为空(NIL或null)的节点。
(02) 特性(5)，确保没有一条路径会比其他路径长出俩倍。因而，红黑树是相对是接近平衡的二叉树。
红黑树示意图如下：

红黑树最大高度证明

定理：一棵含有n个节点的红黑树的高度至多为2log(n+1).
注意：默认底数为2
证明：
“一棵含有n个节点的红黑树的高度至多为2log(n+1)” 的逆否命题是 “高度为h的红黑树，它的包含的内节点个数至少为
个”。
我们只需要证明逆否命题，即可证明原命题为真；即只需证明 “高度为h的红黑树，它的包含的内节点个数至少为
个”。
从某个节点x出发（不包括该节点）到达一个叶节点的任意一条路径上，黑色节点的个数称为该节点的黑高度(x’s black height)，记为bh(x)。关于bh(x)有两点需要说明：
第1点：根据红黑树的"特性(5) ，即_从一个节点到该节点的子孙节点的所有路径上包含相同数目的黑节点_“可知，从节点x出发到达的所有的叶节点具有相同数目的黑节点。这也就意味着，bh(x)的值是唯一的！
第2点：根据红黑色的"特性(4)，即_如果一个节点是红色的，则它的子节点必须是黑色的_“可知，从节点x出发达到叶节点"所经历的黑节点数目”>= “所经历的红节点的数目”。假设x是根节点，则可以得出结论"bh(x) >= h/2”。
进而，我们将**bh(x) **_带入_中
我们只需证明 "高度为h的红黑树，它的包含的内节点个数至少为
个"即可。
到这里，我们将需要证明的定理已经由
"一棵含有n个节点的红黑树的高度至多为2log(n+1)"
转变成只需要证明
"高度为h的红黑树，它的包含的内节点个数至少为
个"。
即高度为h的红黑树,至少包含2的黑高度次方-1个内节点。
内节点：不包含nul的黑叶子节点
如果节点最少我们，还要达到黑高，那么很容易想到最少的情况就是整个树全为黑节点，不包含红节点的满二叉树。
​

举例 高度为3
​

（NUL是空，表示黑节点）
根据bh(x)的定义:从某个节点x出发（不包括该节点）到达一个叶节点的任意一条路径上，黑色节点的个数称为该节点的黑高度(x’s black height)，这里从根节点出发那么黑高为2，最少内节点为2的2次方-1=3刚好吻合。
得出，“高度为h的红黑树，它的包含的内节点个数至少为 2^bh(x) -1个”。因此，“一棵含有n个节点的红黑树的高度至多为2log(n+1)”。**

时间复杂度

我们上面已经证明了，红黑树的高度至多为2log(n+1),那么遍历整棵树的时间复杂度为O(lgN)
(计算机中经常以lg表示以2为低的对数)

红黑树也是二叉查找树，如果不清楚二叉查找树(https://www.cnblogs.com/lanhaicode/p/11298338.html)

红黑树的基本操作(一) 左旋和右旋

红黑树的基本操作是添加、删除。在对红黑树进行添加或删除之后，都会用到旋转方法。为什么呢？道理很简单，添加或删除红黑树中的节点之后，红黑树就发生了变化，可能不满足红黑树的5条性质，也就不再是一颗红黑树了，而是一颗普通的树。而通过旋转，可以使这颗树重新成为红黑树。简单点说，旋转的目的是让树保持红黑树的特性。
旋转包括两种：左旋 和 右旋。下面分别对它们进行介绍。
​

左旋步骤:
X的右子节点Y变为其父节点，X变为其左节点，Y的左节点变为X缺失的节点，完成替换。
​

例子

​

​

​

右旋过程左节点X变为其父节点，节点Y变为左节点的右节点

旋转总结：
(01) 左旋 和 右旋 是相对的两个概念，原理类似。理解一个也就理解了另一个。
(02) 下面谈谈如何区分 左旋 和 右旋。
在实际应用中，若没有彻底理解 左旋 和 右旋，可能会将它们混淆。下面谈谈我对如何区分 左旋 和 右旋 的理解。
​

​

** 区分 左旋 和 右旋**
仔细观察上面"左旋"和"右旋"的示意图。我们能清晰的发现，它们是对称的。无论是左旋还是右旋，被旋转的树，在旋转前是二叉查找树，并且旋转之后仍然是一颗二叉查找树。
[
​

​

左旋示例图(以x为节点进行左旋)：

对x进行左旋，意味着，将“x的右孩子”设为“x的父亲节点”；即，将 x变成了一个左节点(x成了为z的左孩子)！。 因此，左旋中的“左”，意味着“被旋转的节点将变成一个左节点”。

右旋示例图(以x为节点进行右旋)：

对x进行右旋，意味着，将“x的左孩子”设为“x的父亲节点”；即，将 x变成了一个右节点(x成了为y的右孩子)！ 因此，右旋中的“右”，意味着“被旋转的节点将变成一个右节点”。
​

​

红黑树的基本操作(二) 添加

将一个节点插入到红黑树中，需要执行哪些步骤呢？首先，将红黑树当作一颗二叉查找树，将节点插入；然后，将节点着色为红色；最后，通过旋转和重新着色等方法来修正该树，使之重新成为一颗红黑树。详细描述如下：
第一步: 将红黑树当作一颗二叉查找树，将节点插入。
红黑树本身就是一颗二叉查找树，将节点插入后，该树仍然是一颗二叉查找树。也就意味着，树的键值仍然是有序的。此外，无论是左旋还是右旋，若旋转之前这棵树是二叉查找树，旋转之后它一定还是二叉查找树。这也就意味着，任何的旋转和重新着色操作，都不会改变它仍然是一颗二叉查找树的事实。
好吧？那接下来，我们就来想方设法的旋转以及重新着色，使这颗树重新成为红黑树！
第二步：将插入的节点着色为"红色"。
为什么着色成红色，而不是黑色呢？为什么呢？在回答之前，我们需要重新温习一下红黑树的特性：
(1) 每个节点或者是黑色，或者是红色。
(2) 根节点是黑色。
(3) 每个叶子节点是黑色。 [注意：这里叶子节点，是指为空的叶子节点！]
(4) 如果一个节点是红色的，则它的子节点必须是黑色的。
(5) 从一个节点到该节点的子孙节点的所有路径上包含相同数目的黑节点。
将插入的节点着色为红色，不会违背"特性(5)"！少违背一条特性，就意味着我们需要处理的情况越少。接下来，就要努力的让这棵树满足其它性质即可；满足了的话，它就又是一颗红黑树了。o(∩∩)o…哈哈
第三步: 通过一系列的旋转或着色等操作，使之重新成为一颗红黑树。
第二步中，将插入节点着色为"红色"之后，不会违背"特性(5)"。那它到底会违背哪些特性呢？
对于"特性(1)"，显然不会违背了。因为我们已经将它涂成红色了。
对于"特性(2)"，显然也不会违背。在第一步中，我们是将红黑树当作二叉查找树，然后执行的插入操作。而根据二叉查找数的特点，插入操作不会改变根节点。所以，根节点仍然是黑色。
对于"特性(3)"，显然不会违背了。这里的叶子节点是指的空叶子节点，插入非空节点并不会对它们造成影响。
对于"特性(4)"，是有可能违背的！
那接下来，想办法使之"满足特性(4)"，就可以将树重新构造成红黑树了。
​

根据被插入节点的父节点的情况，可以将"当节点z被着色为红色节点，并插入二叉树"划分为三种情况来处理。
注意 插入过程实际上就是二叉查找树的插入过程。因此新节点一定在最底层，那么新节点的左右子节点均为NUL即红黑色叶子节点
① 情况说明：被插入的节点是根节点。
处理方法：直接把此节点涂为黑色。
② 情况说明：被插入的节点的父节点是黑色。
处理方法：什么也不需要做。节点被插入后，仍然是红黑树。
③ 情况说明：被插入的节点的父节点是红色。
处理方法：那么，该情况与红黑树的“特性(4)”相冲突。这种情况下，被插入节点是一定存在非空祖父节点的；进一步的讲，被插入节点也一定存在叔叔节点(即使叔叔节点为空，我们也视之为存在，空节点本身就是黑色节点)。理解这点之后，我们依据"叔叔节点的情况"，将这种情况进一步划分为3种情况(Case)。

	现象说明	处理策略
Case 1	当前节点的父节点是红色，且当前节点的祖父节点的另一个子节点（叔叔节点）也是红色。	(01) 将“父节点”设为黑色。

(02) 将“叔叔节点”设为黑色。
(03) 将“祖父节点”设为“红色”。
(04) 将“祖父节点”设为“当前节点”(红色节点)；即，之后继续对“当前节点”进行操作。 |
| Case 2 | 当前节点的父节点是红色，叔叔节点是黑色，且当前节点是其父节点的右孩子 | (01) 将“父节点”作为“新的当前节点”。
(02) 以“新的当前节点”为支点进行左旋。 |
| Case 3 | 当前节点的父节点是红色，叔叔节点是黑色，且当前节点是其父节点的左孩子 | (01) 将“父节点”设为“黑色”。
(02) 将“祖父节点”设为“红色”。
(03) 以“祖父节点”为支点进行右旋。 |

上面三种情况(Case)处理问题的核心思路都是：将红色的节点移到根节点；然后，将根节点设为黑色。下面对它们详细进行介绍。
​

情形1. N为根节点（父节点为NULL）

当前平衡节点N为根节点时，直接涂黑根节点即可。

N为根节点

情形2. 父黑

父节点为黑色时，无需其他操作，已然平衡。

父黑

情形3. 父红-叔红

父红-叔红时，将父/叔节(P/U)点涂黑，祖父节点(GP)涂红；而后以祖父节点(GP)作为新的平衡节点N，递归执行平衡操作。

i情形3 父红-叔红

情形4. 父红-叔黑

情形4.1 父节点和N同一边

情形4.1.1 父N同左

“父N同左”指的是：父节点为祖父节点的左子，N为父节点的左子。
此时以祖父节点(GP)为支点进行右旋；然后将P涂黑，将GP涂红。

情形4.1.1 父N同左
旋转后，P涂黑是因为要涂为原GP的黑色（往上兼容GP的父节点）；而GP涂红则是因为右旋后，经过U的路径的黑色节点数量+1，涂红进行数量平衡；下同。

情形4.1.2 父N同右

“父N同右”指的是：父节点是祖父节点的右子，N为父节点的右子。
此时以祖父节点(GP)为支点进行左旋；将P涂黑，将GP涂红。

情形4.1.2 父N同右

情形4.2 父节点和N不在同一边

情形4.2.1 父左N右

“父左N右”指的是：父节点是祖父节点的左子，N为父节点的右子。
此时，以父节点§进行左旋，旋转后，以P作为新的平衡节点N，转至 [情形4.1.1 父N同左] 处理。

父左N右

情形4.2.2 父右N左

“父右N左”指的是：父节点是祖父节点的右子，N为父节点的左子。
此时，以父节点§进行右旋，旋转后，以P作为新的平衡节点，此时再进行【情形4.1.2 父N同右】处理。

父右N左

插入总结与实例

首先是先插入再说；插入后，以刚插入的节点作为当前平衡节点N，进行平衡操作。现在回头看插入平衡的这几种情形，其实并不复杂：

1. N为根：涂黑完事；
2. 父黑：啥事不用管；
3. 父红叔红：父/叔涂黑，祖父涂红，然后把祖父当成新的平衡节点递归处理（我们下面平衡了，让他老人家和上面沟通吧）；
4. 父红叔黑：父节点和新插入节点同一边的话，扭一下就完事了（同左右旋，同右左旋，顺便涂色）；不在同一边的话，先扭到同一边吧。

例：插入 10,20,15,30,5,8；
为了简化，图中没有画出null的黑色节点。

​

​

​

​

红黑树的基本操作(三) 删除

1.删除动作

红黑树和二叉搜索树的删除类似，只不过加上颜色属性（这里的子节点均指非NULL节点）：

1. 无子节点时，删除节点可能为红色或者黑色；
   1.1 如果为红色，直接删除即可，不会影响黑色节点的数量；
   1.2 如果为黑色，则需要进行删除平衡的操作了；
2. 只有一个子节点时，删除节点只能是黑色，其子节点为红色，否则无法满足红黑树的性质了。 此时用删除节点的子节点接到父节点，且将子节点颜色涂黑，保证黑色数量。
3. 有两个子节点时，与二叉搜索树一样，使用后继节点作为替换的删除节点，情形转至为1或2处理。

​

_根据二叉查找树的性质,删除有左右子节点的节点，会在右子树中找到后继节点进行替换，后继节点一定是子节点或者 只有右节点的父节点，_使用后继节点作为替换的删除节点，情形转至为1或2处理。_因此3总能转换为2或者1，2的处理方式很简单即删除黑色父节点，红色子节点替换父节点并染色为黑，1.1也很简单， 因为一旦该节点被拿掉，红黑树中通过该节点的路径黑色节点数量将会减1，而且无法像情形2那样将子节点涂黑来达到平衡。此时只能自底向上进行平衡操作。
​

约定各个节点名称

h(A->B->叶子)表示从A走到B再走到某一个叶子路径的黑色节点数量（A与B，B与叶子之间可能间隔了多个节点）

---

本文余下内容均指的是删除黑色的叶子节点后引发的一系列平衡操作。比如P->D->N，删除D（黑色）后，N接至父节点：P->N。
因为删除了一个黑色节点（N的父节点D），经过N的路径的黑色数量减1，即h(P->N->叶子) 比 h(P->S->叶子) 少1。平衡的方式有：
（1）h(P->N->叶子)不变，h(P->S->叶子)减1，此时已经子平衡；然而h(GP->P->叶子)还是会比h(GP -> U ->叶子)少1。此时需要将P当作新的N，向上递归处理；
（2）h(P->N->叶子)加1，h(P->S->叶子)不变，也就是恢复了原来的状态，此时已经平衡，因为h(GP->P->叶子)=h(GP -> U ->叶子)。
本文下面平衡的思路主要就是基于以上两种方式，另外要注意的是，红色和红色不能连一起的约束也不能违反。理解这个比较重要。
GP->P->叶子 的路径，要么经过N，要么经过S，如果h(P->N->叶子)和h(P->S->叶子)均少1了，自然h(GP->P->叶子)会少1。
​

​

情形1 当前节点为根节点（父节点为NULL）

比较特殊的情况，无需平衡操作。因为经过根节点的黑色数量少一个，意味着所有路径都少一个，已然平衡。

情形2 兄弟节点为黑色（S=黑）

情形2.1 兄弟的子节点全黑（SL/SR=黑）

兄弟节点的子节点全为黑色，也就意味着兄弟节点（S）可以涂红而不会和子冲突。S涂红后，也就实现了子平衡，
这时候我们看父节点是红是黑，再做处理。

情形2.1.1 父节点为黑色（P=黑）

此时将S涂红，父节点作为新的平衡节点N，递归上去处理。
这个也就是之前提到的h(P->N->叶子)不变，h(P->S->叶子)减1；而h(GP->P->叶子)，依然会比h(GP -> U ->叶子)少1，所以要递归上去处理。

情形2.1.2 父节点为红色（P=红）

此时将S涂红，P涂黑，平衡结束。
S涂红后，h(P->N->叶子)不变，h(P->S->叶子)-1，实现子平衡；因为P节点是红色的，如果将它涂黑，h(P->N->叶子)和h(P->S->叶子)均会+1，就可以恢复原来的状态了，而不用递归上去。

情形2.2 兄弟的子节点不全黑

所谓的不全黑包括：[SL红, SR红]、[SL黑，SR红]、[SL红，SR黑]。如果其中一个为黑，另外一个肯定是红。
以全黑/非全黑作为分类，是因为全黑时无论N是在左子还是右子，其处理方式是一样的。
而非全黑则要看N所处的位置（或者说S所处的位置）进行特定方向的旋转。
为了方便理解和记忆，以S进行分组：
S为左子时（即N为右子），主要分两组 [SL=红]、[SL=黑]。
S为右子时（即N为左子），主要分两组 [SR=红]、[SR=黑]。
【S为左子，SL红】与【S为右子，SR红】处理方式对称；
【S为左子，SL黑】与【S为右子，SR黑】处理方式对称。

情形2.2.1 S为左子，SL红；S为右子，SR红

情形(1) S为黑色，S为左子，SL红时：
以P为支点右旋；交换P和S颜色，SL涂黑；平衡结束。
这里的平衡思路其实就是：h(P->S->叶子)不变（因为SL涂黑补回来了），h(P->N->叶子)+1（因为多了个黑色P）。

通常旋转后，新的P节点往往都会涂成原P的颜色：一是为了让GP-P不会颜色冲突；二是保持经过P的路径黑色数量不变。

对称的情形(2)：S为黑色，S为右子，SR红时：
以P为支点左旋；交换P和S颜色（S涂为P原颜色，P涂黑），SR涂黑；平衡结束。

情形2.2.2 S为左子，SL黑；S为右子，SR黑

情形(1) S为黑色，S为左子，SL黑
以S为支点左旋，交换S和SR颜色（SR涂黑，S涂红） ，此时转至情形2.2.1-(1) S左-SL红 进行处理。

S涂红是为了使h(原S->SR->叶子)不变。

对称的情形(2) S为黑色，S为右子，SR黑
以S为支点右旋，交换S和SL颜色（SL涂黑，S涂红），此时转至2.2.1-(1) S右-SR红进行处理。
​

情形3 兄弟节点为红色（S=红）

情形(1) S为左子时，以P进行右旋；
情形(2) S为右子时，以P进行左旋；
旋转后交换P和S的颜色（S涂黑，P涂红），N兄弟节点变为黑色，进入情形2-兄弟节点为黑色进行处理。

3.删除总结与实例

1. 删除动作（移除节点）之后，看看这个节点是不是黑色的叶子节点，如果不是，简单处理就可以达到平衡了*（转换成开头说的1,2情况）；*
2. 先看N是不是根节点，是的话啥都不用管；不是的话看兄弟什么颜色：
   2.1 兄弟是红色：进行旋转涂色，去到兄弟为黑色那里处理
   2.2 兄弟是黑色，看看兄弟子节点是不是全部都是黑。
   （1）全黑的话，看父什么颜色进行对应处理；
   （2）不全黑，看兄在的位置，兄在左的话，看兄的左子是不是红色，进行对应处理；兄在右的话，看兄的右子是不是红色，进行对应处理。

现在我们有一颗红黑树：
在这里插入图片描述

1）删除50，删除动作-情形3 --> 删除动作-情形2，简单处理即可：
这里根据开头的情况3，删除节点转成了60也就是情况2

（2）删除70，即黑色叶子节点，进行平衡：
​

（3）删除60：

（4）删除10

（5）删除20：

A->B->叶子)表示从A走到B再走到某一个叶子路径的黑色节点数量（A与B，B与叶子之间可能间隔了多个节点）

参考
链接：https://www.jianshu.com/p/84416644c080
https://www.cnblogs.com/skywang12345/p/3245399.html