STL关联式容器之RB-tree（红黑树）（一）

RB-tree（红黑树）
AVL-tree之外，另一个颇具历史并被广泛运用的平衡二叉搜索树是RB-tree（红黑树），所谓RB-tree，不仅是一个二叉搜索树，且必须满足以下规则：

1. 每个节点不是红色就是黑色（图中深色底纹代表黑色，浅色底纹代表红色，下同）；
2. 根节点为黑色；
3. 如果节点为红色，其子节点必须为黑色；
4. 任一节点到null（树尾端）的任何路径，所含的黑色节点数必须相同。
   根据规则4，新增节点必须为红；根据规则3，新增节点之父节点必须为黑。当新节点根据二叉搜索树的规则到达其插入点，却未能符合上述条件时，就必须调整颜色并旋转树形。
   
   插入节点
   假设为上图的RB-tree分别插入3,8，35,75，根据二叉搜索树的规则，这四个新节点的落脚出应该如下图所示。显然它们都破坏了RB-tree的规则，因此必须调整树形，旋转树形并改变节点的颜色。
   
   为了方便讨论，为某些特殊节点定义一些代名：假设新节点为X，其父节点为G，伯父节点（父节点之兄弟节点）为S，曾祖父节点为GG。现在根据二叉搜索树的规则，新节点，新节点X必为叶节点。根据红黑树规则4，X必为红。若P为红就违反了规则3，必须调整树形，则G必为黑（因为原为RB-tree，必须遵循规则3）。于是，根据X的插入位置及外围节点（S和GG）的颜色，有了一下四种考虑：
   状况1：
   S为黑且X为外侧插入。对此情况，我们先对P,G做一次单旋转，并更改P,G颜色，即可重新满足红黑树的规则3：
   
   注意，此时可能产生不平衡状态（高度相差1以上）。例如图中的A和B为null，D和或E不为null。这倒是没关系，因为RB-tree的平衡性不来就比AVL-tree弱，然而RB-tree通常能够导致良好的平衡状态。通常情况下，RB-tree的搜寻平均效率和AVL-tree几乎相等。
   状况2：
   S为黑且X为内侧插入，必须先对P,X做一次单旋转并更改G,X颜色，再将结果对G做一次单旋转，即可再次满足红黑树规则3。
   
   状况3：
   S为红且X为外侧插入。对此情况，先对P和G做一次单旋转，并改变X的颜色。此时如果GG为黑，一切搞定，但若GG为红，则问题就比较大。
   
   状况4：
   S为红且X为外侧插入。对此情况，先对P和G做一次单旋转，并改变X的颜色，如果此时GG亦为红，还得持续往上做，直到不再有父子连续为红的情况》
   
   为了避免状况4“父节点皆为红色”的情况持续向RB-tree的上层结构发展，形成处理时效的瓶颈，我们可以施行一个由上而下的程序（top-down-procedure）：假设新增节点为A，那么就延着A的路径，只要看到有某节点X的两个子节点皆为红色，就把X改为红色，并把两个子节点改为黑色。
   
   但是如果X的父节点P亦为红色（注意，此时S绝不能为红），就得像状况1一样地做一次单旋转并改变颜色，或是像状况2一样地做一次双旋转并改变颜色。
   在此之后，节点35的插入就很单纯了：要么直接插入，要么插入后（若X节点为红）再做一次旋转（单双接可能）即可：