红黑树（一）引导篇——从二叉树到红黑树

红黑树（一）引导篇——从二叉树到红黑树

这段时间有空，把之前学的红黑树整理了一下，先给大家推荐一个生成红黑树的网站，可以用于检测大家一会写的代码对不对。

https://www.cs.usfca.edu/~galles/visualization/RedBlack.html

这篇就不讲红黑树咋写，就给大家说下，红黑树是怎么来的。

一、二叉树 和 多叉树

二叉树作为一个最基本的树结构，大家一定都认识。

二叉树的节点，最多有两个子节点

那么，相对应的还有叫做多叉树。

多叉树的子节点可以是任意个

二、 多叉树 到 平衡树（BT）

平衡树的子节点树是任意的

它是指任意节点的子树的高度差都小于等于1，

常见的平衡树有：B树（平衡多路查找树）、AVL树（二叉平衡搜索树）

三、平衡树 到 B树、AVL树

3.1 B树

B树不是一颗树，是泛指具备B树性质的所有树
B树属于多叉树，又名平衡多路查找树

对B树子规定节点个数的不同，叫m阶B树。m阶B树中，每个结点的子节点不大于m个

常见的B树有：2-3树（3阶B树）、2-3-4树（4阶B树）

B树 和 B+树（这个跟红黑树没关系）

顺带提一下 B树 和 B+树

B树 和 B+树 的一个很大的区别就是： B+树的非叶子结点不存数据，而B树所有结点都存数据

这个特性就导致了 B+树 检索效率高于 B树

为什么呢

3.1.1 大家看上去是这样的：

B+树的数据只存在叶子结点上，B树所有结点都存数据。

进而得出结论： 同样多的数据，B+树的节点数 > B树的结点树。

这是对的，然后大家就疑惑了，结点多查找效率应该慢才对，为什么B+树的查找效率反而更高，这不科学啊

3.1.2 其实是这样的

查找效率高针对的是海量数据，那么这棵树就会很大。

大到什么程度呢？你的内存放不开这棵树，必须要分多次把树读到内存里才行，比如说：数据库的数据

那么，对于把树读到内存里面，其实就是一次I/O，一次I/O的时间远远大于遍历一颗树的时间。

遍历的时候，I/O越少，速度越快

反过来看 B+树 和 B树 ， B+树的非叶子结点不存数据，只作索引，所以B+树的非叶子结点更小，一次I/O能加载更多的索引（非叶子结点），I/O次数少，所以速度快！！！

---

3.2 AVL树

AVL树是一颗二叉搜索树，同时具备平衡树的特点

增加和删除结点，可通过一次或多次树旋转来重新平衡这个树。

四、B树 到 2-3-4树

刚刚我们说到

2-3-4树 是 B树 的一个的实例，也叫做 4阶B树

2-3-4树的性质比较多，下篇我们详细说

五、2-3-4树、AVL树 到 红黑树

2-3-4树的性质很多，而且实现起来很复杂，所以就有个大佬 Rudolf Bayer 就找到了一个办法：

把复杂的 2-3-4树，简化成了二叉树，这个二叉树能与2-3-4树对应起来，使其具备2-3-4树的所有性质。

可以看出，红黑树具备2-3-4树、AVL树的性质，也就是具备：平衡树、排序树、二叉树的性质。

End