红黑树 插入过程（图解）

红黑树讲解

2-3-4树

向上裂变

元素始终保持排序顺序，整体上保持二叉查找树的特性，即父节点大于左子节点，小于右子节点；
而且节点有多个元素时，每个元素必须大于它左边和它的左子树中的元素。

2-3-4树的查询操作像普通的二叉搜索树一样，非常简单，但由于其节点元素数不确定，在一些变成语言实现起来并不方便，实现一般使用它的等同–红黑树

(一) 对红黑树的基本定义理解

红黑树属于平衡二叉树。红黑树的英文是“Red-Black Tree”，简称 R-B Tree

它是一种不严格的平衡二叉查找树，

红黑树中的节点，一类被标记为黑色，一类被标记为红色。

• 根节点是黑色的；
• 每个叶子节点都是黑色的空节点（NIL），也就是说，叶子节点不存储数据（图中将黑色的、空的叶子节点都省略掉了）；
• 任何相邻的节点都不能同时为红色，也就是说，红色节点是被黑色节点隔开的；
• 每个节点，从该节点到达其可达叶子节点的所有路径，都包含相同数目的黑色节点；

（二）对红黑树是“近似平衡”的理解

平衡二叉查找树的初衷，是为了解决二叉查找树因为动态更新导致的性能退化问题。所以，“平衡”的意思可以等价为性能不退化。“近似平衡”就等价为性能不会退化的太严重。

一棵极其平衡的二叉树（满二叉树或完全二叉树）的高度大约是 log2n，所以如果要证明红黑树是近似平衡的，只需要分析，红黑树的高度是否比较稳定地趋近 log2n 就好了。

从四叉树中取出某些节点，放到叶节点位置，四叉树就变成了完全二叉树。所以，仅包含黑色节点的四叉树的高度，比包含相同节点个数的完全二叉树的高度还要小。

2.把红色节点加回去，分析高度变化

所以，红黑树的高度只比高度平衡的 AVL 树的高度（log2n）仅仅大了一倍，在性能上，下降得并不多。这样推导出来的结果不够精确，实际上红黑树的性能更好。

（三）红黑树与AVL树的比较：

• AVL树的时间复杂度虽然优于红黑树，但是对于现在的计算机，cpu太快，可以忽略性能差异
• 红黑树的插入删除比AVL树更便于控制操作
• 红黑树整体性能略优于AVL树（红黑树旋转情况少于AVL树）

它不严格是因为它不是严格控制左、右子树高度或节点数之差小于等于1，但红黑树高度依然是平均log(n)，且最坏情况高度不会超过2log(n)。

• 根节点是黑色的，叶子节点是不存储数据的黑色空节点
• 任何两个相邻的节点不能同时为红色
• 任何节点到其可到达的叶节点间包含相同数量的黑色节点
  
  
  一颗有n个节点的红黑树的高度，高度最多是2(log(n+1))

二叉查找树（BST）具备什么特性呢？

1. 左子树上所有节点的值均小于或等于他的根节点的值。，
2. 右子树上所有节点的值均大于或等于它的根节点的值。
3. 左、右子树也分别为二叉排序树。

这种方式正是二分查找的思想，查找所需的最大次数等同于二叉查找树的高度。

红黑树是一种自平衡的二叉查找树。除了符合二叉查找树的基本特性外，它还具有下列的附加特性：

1. 节点是红色或黑色
2. 根节点是黑色
3. 每个叶子结点都是黑色的空节点（NULL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. 从任意节点到其每个叶子的所有路径都包含同样数目的黑色节点。

红黑树的插入过程（图解）