红黑树详解

二叉搜索树
二叉搜索树又叫二叉查找树、二叉排序树，其特点如下所述：

1. 节点的左子树小于节点本身；
2. 节点的右子树大于节点本身；
3. 左右子树同样为二叉搜索树。
   下图就是一棵典型的二叉搜索树：
   二叉搜索树是均衡二叉树的基础，我们看一下它的搜索步骤如何。我们要从二叉树中找到值为58的节点。

step1：首先查找到根节点，值为60的节点。

step2：比较我们要找的值58与该节点的大小。
如果等于，那么恭喜，已经找到；如果小于，则继续找左子树；如果大于，那么找右子树。
很明显 58 < 60，因此我们找到左子树的节点56，此时我们已经定位到了节点56。

step3：按照第二步的规则继续找。
58 > 56，所以我们需要继续找右子树，定位到了右子树节点58，恭喜，此时我们已经找到了。

我们经过上述三步就已经找到了所需的节点，其实就是我们平时所说的二分查找，看上去这种二叉搜索树好像查找效率很高，但同样它也有着缺陷，比如下面这样的二叉搜索树：

如果我们要对其找值为50的节点，那基本上和单链表查询没多大区别了，性能将大打折扣。这个时候我们的均衡二叉树就粉墨登场了，均衡二叉树就是在二叉搜索树的基础上添加了自动维持平衡的性质。上面的二叉搜索树经过自动平衡后，可能就成为了下面这样的二叉树：

经过了自动平衡，再去找值为50的节点，查找性能将提升很多。红黑树就是非严格均衡的二叉搜索树，均衡二叉树又是在二叉搜索树的基础上增加了自动维持平衡的性质，插入、搜索、删除的效率都比较高。红黑树的使用非常广泛，如TreeMap和TreeSet都是基于红黑树实现的，而 JDK 8 中HashMap当链表长度大于8时也会转化为红黑树。

红黑树

1. 节点分为红色或者黑色；
2. 根节点必为黑色；
3. 叶子节点都为黑色，且都为null；
4. 连接红色节点的两个子节点都为黑色（红黑树不会出现相邻的红色节点）；
5. 从任意节点出发，到其每个叶子节点的路径中包含相同数量的黑色节点；
6. 新加入到红黑树的节点为红色节点

在上述六点基本的规则之外，我们还可以得到以下几种隐式规则：

1. 从根节点到叶子节点的最长路径不大于最短路径的2倍：
   怎么样的路径算最短路径？从规则5中，我们知道从根节点到每个叶子节点的黑色节点数量是一样的，那么由纯黑色节点组成的路径就是最短路径。
   那什么样的路径算是最长路径？根据规则4和规则 3，若有红色节点，则必然有一个连接的黑色节点，当红色节点和黑色节点数量相同时，就是最长路径，也就是黑色节点（或红色节点）* 2。
2. 为什么说新加入到红黑树中的节点为红色节点：
   从规则4中知道，当前红黑树中从根节点到每个叶子节点的黑色节点数量是一样的，此时假如新的是黑色节点的话，必然破坏规则。但如果加入红色节点却不一定，除非其父节点就是红色节点，因此加入红色节点，破坏规则的可能性会小一些。

什么情况下，红黑树的结构会被破坏呢？破坏后又怎么维持平衡，维持平衡主要通过两种方式【变色】和【旋转】，【旋转】又分为【左旋】和【右旋】，两种方式可相互结合。
红黑树节点插入：
当我们插入值为66的节点时，红黑树变成了这样：

很明显，这个时候结构依然遵循着上述 6大规则，无需启动自动平衡机制调整节点平衡状态。此时如果再向里面插入值为51的节点，这个时候红黑树又变成了这样：

很明显现在的结构不遵循规则4了，这个时候就需要启动自动平衡机制调整节点平衡状态。
【变色】：
我们可以通过变色的方式，使结构满足红黑树的规则：

1. 首先解决结构不遵循规则4这一点（红色节点相连，节点49 - 51），需将节点49改为黑色；
2. 此时我们发现又违反了规则5（56 - 49 - 51 - XX 路径中黑色节点超过了其他路径），那么我们将节点45 改为红色节点；
3. 此时又违反了规则4（红色节点相连，节点 56 - 45 - 43），那么我们将节点56和节点43改为黑色节点；
4. 但是我们发现此时又违反了规则5（60 - 56 - XX 路径的黑色节点比60 - 68 - XX 的黑色节点多），因此我们需要调整节点68为黑色；
5. 完成。
   
   最终调整完成后的树为：
   
   但并不是什么时候都那么幸运，可以直接通过变色就达成目的，大多数时候还需要通过旋转来解决，如在下面这棵树的基础上，加入节点65：
   
   插入节点65后进行以下步骤：
   
   这个时候，你会发现对于节点64无论是红色节点还是黑色节点，都会违反规则5，路径中的黑色节点始终无法达成一致，即这个时候仅通过【变色】已经无法达成目的。我们需要通过旋转操作，当然【旋转】操作一般还需要搭配【变色】操作。
   旋转包括【左旋】和【右旋】：
   【左旋】：逆时针旋转两个节点，让一个节点被其右子节点取代，而该节点成为右子节点的左子节点。
   如下图所示，首先断开节点 PL 与右子节点 G 的关系，同时将其右子节点的引用指向节点 C2；然后断开节点 G 与左子节点 C2 的关系，同时将 G 的左子节点的应用指向节点 PL。
   
   【右旋】：顺时针旋转两个节点，让一个节点被其左子节点取代，而该节点成为左子节点的右子节点。
   如下图所示，首先断开节点 G 与左子节点 PL 的关系，同时将其左子节点的引用指向节点 C2；然后断开节点 PL 与右子节点 C2 的关系，同时将 PL 的右子节点的应用指向节点 G。
   

无法通过变色而进行旋转的场景分为以下四种：

1. 左左节点旋转：这种情况下，父节点和插入的节点都是左节点，以祖父节点【右旋】，搭配【变色】。
2. 左右节点旋转：这种情况下，父节点是左节点，插入的节点是右节点，先父节点【左旋】，然后祖父节点【右旋】，搭配【变色】。
   
3. 右左节点旋转：这种情况下，父节点是右节点，插入的节点是左节点，先父节点【右旋】，然后祖父节点【左旋】，搭配【变色】。
   
4. 右右节点旋转：这种情况下，父节点和插入的节点都是右节点，以祖父节点【左旋】，搭配【变色】。
   
   红黑树插入总结
   
   红黑树节点删除:
   相比较于红黑树的节点插入，删除节点更为复杂，我们从子节点是否为null和红色为思考维度来讨论。
   当子节点至少有一个为null时：删除该节点后，将其有值的节点取代当前节点即可，若都为null，则将当前节点设置为null，当然如果违反规则了，则按需调整，如【变色】以及【旋转】。
   

子节点都是非null节点：情况较为复杂，我们可以采取取巧的方式，我们删除节点的目的是使该节点的值在红黑树上不存在，因此专注于该目的，我们并不关注删除节点时是否真是我们想删除的那个节点，同时我们也不需考虑树结构的变化，因为树的结构本身就会因为自动平衡机制而经常进行调整。

1. 找到该节点的前驱或者后继：
   前驱：左子树中值最大的节点（可得出其最多只有一个非null子节点，也可能都为null）；
   后继：右子树中值最小的节点（可得出其最多只有一个非null子节点，也可能都为 null）；
   前驱和后继都是值最接近该节点值的节点，类似于该节点.prev=前驱，该节点.next=后继；
2. 将前驱或者后继的值复制到该节点中，然后删掉前驱或者后继：
   如果删除的是左节点，则将前驱的值复制到该节点中，然后删除前驱；如果删除的是右节点，则将后继的值复制到该节点中，然后删除后继；

下面以删除前驱为例：

1. 前驱为黑色节点，并且有一个非null子节点：
   
   因为要删除的是左节点64，找到该节点的前驱63；然后用前驱的值63替换待删除节点的值64，此时两个节点（待删除节点和前驱）的值都为63。删除前驱63，此时成为上图过程的中间环节，但我们发现其不符合红黑树规则4，因此需要进行自动平衡调整。这里直接通过【变色】即可完成。
2. 前驱为黑色节点，同时子节点都为null：
   
   因为要删除的是左节点64，找到该节点的前驱63；然后用前驱的值63替换待删除节点的值64，此时两个节点（待删除节点和前驱）的值都为63。删除前驱63，此时成为上图过程的中间环节，但我们发现其不符合红黑树规则5，因此需要进行自动平衡调整。这里直接通过【变色】即可完成。
3. 前驱为红色节点，同时子节点都为null：
   因为要删除的是左节点64，找到该节点的前驱63；然后用前驱的值63替换待删除节点的值64，此时两个节点（待删除节点和前驱）的值都为63；删除前驱63，树的结构并没有打破规则。

红黑树删除总结：

1. 删除的是根节点，则直接将根节点置为null；
2. 待删除节点的左右子节点都为null，删除时将该节点置为null；
3. 待删除节点的左右子节点有一个有值，则用有值的节点替换该节点即可；
4. 待删除节点的左右子节点都不为null，则找前驱或者后继，将前驱或者后继的值复制到该节点中，然后删除前驱或者后继；
5. 节点删除后可能会造成红黑树的不平衡，这时我们需通过【变色】+【旋转】的方式来调整，使之平衡。