二叉树基础（下）：有了如此高效的散列表，为什么还需要二叉树？

上一篇专栏，我们介绍了二叉树的基本知识，接下来，就来学习一种特殊的二叉树，名为二叉查找树。

二叉查找树最大的特点就是：支持动态数据集合的快速插入、删除、查找操作。

我们知道，散列表也都是支持这些操作的，而且散列表kv查找必然更快，时间复杂度还是O(1)，那我们为何还用二叉查找树呢？

带着这个问题就来学习今天的内容，二叉查找树！

二叉查找树

二叉查找树，也叫二叉搜索树。二叉查找树是为了实现快速查找而生的。不过，这不仅仅支持快速查找一个数据，还支持快速插入、删除一个数据。它是怎么做到这些的呢？

这些都依赖于二叉查找树的特殊结构。二叉查找树要求，在树中的任意一个节点，其左子树中的每个节点的值，都要小于这个节点的值，而右子树节点的值都大于这个节点的值

以下是几个二叉查找树的例子：

以下主要针对二叉查找树针对快速查找、插入、删除操作进行讲解。

1. 二叉查找树的查找操作

首先，我们看如何在二叉查找树中查找一个节点。我们先取根节点，如果它等于我们要查找的数据，就直接返回。

如果查找的数据比根小，就去左子树递归，比根大，就去右子树递归。

上面的图代码思想如下：

public class BinarySearchTree {
    private Node tree;

    public Node find(int data) {
        Node p = tree;
        while (p != null) {
            if (data < p.data) {
                p = p.left;
            } else if (data > p.data) {
                p = p.right;
            } else {
                return p;
            }
            
        }
        return null;
    }

    public static class Node{

        private int data;
        private Node left;
        private Node right;

        public Node(int data){
            this.data = data;
        }

    }

}

2. 二叉查找树的插入操作

二叉查找树的插入过程类似查找操作。新插入的数据一般都是在叶子节点上，所以我们只需要从根节点开始，依次比较要插入的数据和节点的大小关系。

如果要插入的数据比节点的大，并且右子树为空，就将新数据直接插到右子节点上，如果不为空，就递归遍历右子树，查找插入位置。同理，若比当前结点小也是如此的思路。

同样，插入的代码也实现了一下：

public void insert(int data) {
        if (tree == null) {
            tree = new Node(data);
            return;
        }
        Node p = tree;
        while (p != null) {
            if (data > p.data) {
                if (p.right == null) {
                    p.right = new Node(data);
                    return;
                }
                p = p.right;
            } else {  //data<p.data
                if (p.left == null) {
                    p.left = new Node(data);
                    return;
                }
                p = p.left;
            }
        }
    }

3. 二叉查找树的删除操作

二叉查找树的查找、插入操作都比较简单易懂，但是它的删除操作就比较复杂了。针对要删除节点的子节点个数的不同，我们需要分三种情况来处理。

<1> 如果要删除的结点没有子结点，我们只需要直接将父节点中，指向要删除结点的指针的指针置换为null。比如图中的结点55。

<2>如果要删除的结点只有一个子节点(只有左子节点或者右子节点)，我们只需要更新父节点中，指向要删除结点的指针，让它指向要删除结点的子结点就可以了，比如图中的删除结点13.

<3>如果要删除的结点有两个子结点，这就比较复杂了。我们需要找到这个结点的右子树中的最小结点，把它替换到要删除的结点上。然后要删除掉这个最小结点，因为最小结点肯定没有左节点(如果有，肯定不是最小)，所以骂我们可以用上面两条规则删除这个最小结点。比如图中的删除结点18.

代码如下：

    //删除结点

    public void delete(int data) {
        Node p = tree;//p指向要删除的结点，初始化指向根节点
        Node pp = null;//pp记录的是p的父节点

        while (p != null && p.data != data) {
            pp = p;
            if (data > p.data) {
                p = p.right;
            } else {
                p = p.left;
            }
            if (p == null) {
                return;//没有找到
            }

            //要删除的结点有两个子节点
            if (p.left != null && p.right != null) {//查找右子树中最小结点
                Node minP = p.right;
                Node minPP = p;//minPP表示minP的父节点
                while (minP.left != null) {
                    minPP = minP;
                    minP = minP.left;
                }
                p.data = minP.data;//将minP的数据替换到p中
                p = minP; //下面就变成了删除minP了
                pp = minPP;
            }

            //删除结点是叶子结点或者仅有一个子节点
            Node child; //p的子节点
            if (p.left != null) {
                child = p.left;
            } else if (p.right != null) {
                child = p.right;
            } else {
                child = null;
            }

            if (pp == null) {
                tree = child;//删除的是根节点
            } else if (pp.left == p) {
                pp.left = child;
            } else {
                pp.right = child;
            } 
        }
    }

实际上，关于二叉查找树的删除操作，还有个非常简单、取巧的方法，就是单纯将要删除的结点标记为“已删除”，但是并不真正从树中将这个结点去掉。这样原本删除的结点还需要存储在内存中，比较浪费内存空间，但是删除操作就变得简单了很多。而且，这种处理方法也并没有增加插入、查找操作代码实现的难度。

4. 二叉查找树的其他操作

除了插入、删除、查找，二叉查找树还可以支持快速查找到最大节点和最小结点、前驱节点和后继节点。

二叉查找树除了支持上满几个操作之外，还有一个重要的特性，就是中序遍历二叉查找树们可以输出有序的数据序列，时间复杂度是O(n)，非常高效，因此，二叉查找树也叫作二叉排序树。

支持重复数据的二叉查找树

前面讲二叉查找树的时候，我们默认树中节点存储的都是数字。很多时候，在实际的软件开发中，我们在二 叉查找树中存储的，是一个包含很多字段的对象。我们利用对象的某个字段作为键值（key）来构建二叉查 找树。我们把对象中的其他字段叫作卫星数据。

前面我们讲的二叉查找树的操作，针对的都是不存在键值相同的情况。那如果存储的两个对象键值相同，这种情况该怎么处理呢？我这里有两种解决方法。

第一种方法比较容易。二叉查找树中每一个节点不仅会存储一个数据，因此我们通过链表和支持动态扩容的 数组等数据结构，把值相同的数据都存储在同一个节点上。

第二种方法是每个节点仍然只存储一个数据。在查找插入位置的过程中，如果碰到一个节点的值，与要插入数据的值相 同，我们就将这个要插入的数据放到这个节点的右子树，也就是说，把这个新插入的数据当作大于这个节点 的值来处理。

当要查找数据的时候，遇到值相同的节点，我们并不停止查找操作，而是继续在右子树中查找，直到遇到叶 子节点，才停止。这样就可以把键值等于要查找值的所有节点都找出来。

对于删除操作，我们也需要先查找到每个要删除的节点，然后再按前面讲的删除操作的方法，依次删除。

二叉查找树的时间复杂度分析

实际上，二叉查找树的形态各式各样。比如这个图中，对于同一组数据，我们构造了三种二叉查找树。它们 的查找、插入、删除操作的执行效率都是不一样的。图中第一种二叉查找树，根节点的左右子树极度不平 衡，已经退化成了链表，所以查找的时间复杂度就变成了O(n)。

刚刚其实分析了一种最糟糕的情况，我们现在来分析一个最理想的情况，二叉查找树是一棵完全二叉树 （或满二叉树）。这个时候，插入、删除、查找的时间复杂度是多少呢？

从我前面的例子、图，以及还有代码来看，不管操作是插入、删除还是查找，时间复杂度 时间复杂度其实 其实都跟树的高度 都跟树的高度 成正比，也就是O(height) 成正比，也就是O(height)。既然这样，现在问题就转变成另外一个了，也就是，如何求一棵包含n个节点的 完全二叉树的高度？

树的高度就等于最大层数减一，为了方便计算，我们转换成层来表示。从图中可以看出，包含n个节点的完 全二叉树中，第一层包含1个节点，第二层包含2个节点，第三层包含4个节点，依次类推，下面一层节点个 数是上一层的2倍，第K层包含的节点个数就是2^(K-1)。

不过，对于完全二叉树来说，最后一层的节点个数有点儿不遵守上面的规律了。它包含的节点个数在1个到 2^(L-1)个之间（我们假设最大层数是L）。如果我们把每一层的节点个数加起来就是总的节点个数n。也就 是说，如果节点的个数是n，那么n满足这样一个关系：

n>=	1+2+4+8+...+2^(L-2)+1 
n<=	1+2+4+8+...+2^(L-2)+2^(L-1)

借助等比数列的求和公式，我们可以计算出，L的范围是[log (n+1), log n +1]。完全二叉树的层数小于等于 log n +1，也就是说，完全二叉树的高度小于等于log n。

显然，极度不平衡的二叉查找树，它的查找性能肯定不能满足我们的需求。我们需要构建一种不管怎么删 除、插入数据，在任何时候，都能保持任意节点左右子树都比较平衡的二叉查找树，这就是我们下一节课要 详细讲的，一种特殊的二叉查找树，平衡二叉查找树。平衡二叉查找树的高度接近logn，所以插入、删除、 查找操作的时间复杂度也比较稳定，是O(logn)。

解答开篇

我们在散列表那节中讲过，散列表的插入、删除、查找操作的时间复杂度可以做到常量级的O(1)，非常高 效。而二叉查找树在比较平衡的情况下，插入、删除、查找操作时间复杂度才是O(logn)，相对散列表，好 像并没有什么优势，那我们为什么还要用二叉查找树呢？

我认为有下面几个原因：

• 第一，散列表中的数据是无序存储的，如果要输出有序的数据，需要先进行排序。而对于二叉查找树来说， 我们只需要中序遍历，就可以在O(n)的时间复杂度内，输出有序的数据序列。

• 第二，散列表扩容耗时很多，而且当遇到散列冲突时，性能不稳定，尽管二叉查找树的性能不稳定，但是在 工程中，我们最常用的平衡二叉查找树的性能非常稳定，时间复杂度稳定在O(logn)。

• 第三，笼统地来说，尽管散列表的查找等操作的时间复杂度是常量级的，但因为哈希冲突的存在，这个常量 不一定比logn小，所以实际的查找速度可能不一定比O(logn)快。加上哈希函数的耗时，也不一定就比平衡 二叉查找树的效率高。

• 第四，散列表的构造比二叉查找树要复杂，需要考虑的东西很多。比如散列函数的设计、冲突解决办法、扩 容、缩容等。平衡二叉查找树只需要考虑平衡性这一个问题，而且这个问题的解决方案比较成熟、固定。

• 最后，为了避免过多的散列冲突，散列表装载因子不能太大，特别是基于开放寻址法解决冲突的散列表，不然会浪费一定的存储空间。

综合这几点，平衡二叉查找树在某些方面还是优于散列表的，所以，这两者的存在并不冲突。我们在实际的 开发过程中，需要结合具体的需求来选择使用哪一个。

总结

二叉查找树中，每个节点的值都大于左子树节点的值，小于右子树节点的值。不过，这只是针对没有重复数 据的情况。对于存在重复数据的二叉查找树，我介绍了两种构建方法，一种是让每个节点存储多个值相同的 数据；另一种是，每个节点中存储一个数据。针对这种情况，我们只需要稍加改造原来的插入、删除、查找 操作即可。

在二叉查找树中，查找、插入、删除等很多操作的时间复杂度都跟树的高度成正比。两个极端情况的时间复 杂度分别是O(n)和O(logn)，分别对应二叉树退化成链表的情况和完全二叉树。