C++STL map和set的底层理解及其模拟实现【保姆式教学】

本文链接：https://blog.csdn.net/qq_54626677/article/details/128744411

本文深入讲解了C++ STL中的关联式容器map和set，详细介绍了它们的键值对概念和使用。文章探讨了这两种容器的底层实现，包括AVL树和红黑树，并通过实例解释了它们的插入、旋转和验证过程。此外，还讨论了红黑树相对于AVL树的优势，并模拟实现了红黑树版的map和set。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、关联式容器

vector、list、deque、forward_list(C++11)等，这些容器统称为序列式容器，因为其底层为线性序列的数据结构，里面存储的是元素本身。
关联式容器也是用来存储数据的，与序列式容器不同的是，其里面存储的是<key, value>结构的键值对，在数据检索时比序列式容器效率更高。

二、键值对

用来表示具有一一对应关系的一种结构，该结构中一般只包含两个成员变量key和value，key代表键值，value表示与key对应的信息。
SGI-STL中关于键值对的定义：

template <class T1, class T2>
struct pair
{
typedef T1 first_type;
typedef T2 second_type;
T1 first;
T2 second;
pair(): first(T1()), second(T2())
{}
pair(const T1& a, const T2& b): first(a), second(b)
{}
};

三、树形结构的关联式容器

根据应用场景的不同，STL总共实现了两种不同结构的管理式容器：树型结构与哈希结构。树型结构的关联式容器主要有四种：map、set、multimap、multiset。这四种容器的共同点是：使用平衡搜索树(即红黑树)作为其底层结果，容器中的元素是一个有序的序列。下面一依次介绍每一个容器。

3.1 set

3.1.1 set的介绍

set文档介绍

3.1.2 set的使用

set的构造

在这里插入图片描述
2. set的迭代器

在这里插入图片描述
3. set修改操作

函数声明	功能介绍
pair<iterator,bool> insert (const value_type& x )	在set中插入元素x，实际插入的是<x, x>构成的键值对，如果插入成功，返回<该元素在set中的位置，true>,如果插入失败，说明x在set中已经存在，返回<x在set中的位置，false>
void erase ( iterator position )	删除set中position位置上的元素
size_type erase ( constkey_type& x )	删除set中值为x的元素，返回删除的元素的个数
void erase ( iterator first,iterator last )	删除set中[first, last)区间中的元素
void swap (set<Key,Compare,Allocator>&st );	交换set中的元素
void clear ( )	将set中的元素清空iterator find ( const
key_type& x ) const	返回set中值为x的元素的位置
size_type count ( constkey_type& x ) const	返回set中值为x的元素的个数

举例

#include <set>
void TestSet()
{
// 用数组array中的元素构造set
int array[] = { 1, 3, 5, 7, 9, 2, 4, 6, 8, 0, 1, 3, 5, 7, 9, 2, 4,
6, 8, 0 };
set<int> s(array, array+sizeof(array)/sizeof(array));
cout << s.size() << endl;
// 正向打印set中的元素，从打印结果中可以看出：set可去重
for (auto& e : s)
cout << e << " ";
cout << endl;
// 使用迭代器逆向打印set中的元素
for (auto it = s.rbegin(); it != s.rend(); ++it)
cout << *it << " ";
cout << endl;
// set中值为3的元素出现了几次
cout << s.count(3) << endl;
}

3.2 map

3.1.1 map的介绍

map的文档简介

3.1.2 map的使用

map的构造
map的迭代器
map的容量与元素访问

当key不在map中时，通过operator获取对应value时会发生什么问题？
insert的返回值为：pair<iterator, bool>

注意：在元素访问时，有一个与operator[]类似的操作at()(该函数不常用)函数，都是通过key找到与key对应的value然后返回其引用，不同的是：当key不存在时，operator[]用默认value与key构造键值对然后插入，返回该默认value，at()函数直接抛异常.
map中元素的修改

函数声明	功能简介
pair<iterator,bool> insert (const value_type& x )	在map中插入键值对x，注意x是一个键值对，返回值也是键值对：iterator代表新插入元素的位置，bool代表释放插入成功
void erase ( iterator position )	删除position位置上的元素
size_type erase ( constkey_type& x )	删除键值为x的元素
void erase ( iterator first,iterator last )	删除[first, last)区间中的元素
void swap (map<Key,T,Compare,Allocator>&mp )	交换两个map中的元素
void clear ( )	将map中的元素清空
iterator find ( const key_type& x)	在map中插入key为x的元素，找到返回该元素的位置的迭代器，否则返回end
const_iterator find ( constkey_type& x ) const	在map中插入key为x的元素，找到返回该元素的位置的const迭代器，否则返回cend
size_type count ( constkey_type& x ) const	返回key为x的键值在map中的个数，注意map中key是唯一的，因此该函数的返回值要么为0，要么为1，因此也可以用该函数来检测一个key是否在map中.

举例：

#include <string>
#include <map>
void TestMap()
{
map<string, string> m;
// 向map中插入元素的方式：
// 将键值对<"peach","桃子">插入map中，用pair直接来构造键值对
m.insert(pair<string, string>("peach", "桃子"));
// 将键值对<"peach","桃子">插入map中，用make_pair函数来构造键值对m.insert(make_pair("banan", "香蕉"));
// 借用operator[]向map中插入元素
/*
operator[]的原理是：
用<key, T()>构造一个键值对，然后调用insert()函数将该键值对插入到map中
如果key已经存在，插入失败，insert函数返回该key所在位置的迭代器
如果key不存在，插入成功，insert函数返回新插入元素所在位置的迭代器
operator[]函数最后将insert返回值键值对中的value返回
*/
// 将<"apple", "">插入map中，插入成功，返回value的引用，将“苹果”赋值给该引
用结果，
m["apple"] = "苹果";
// key不存在时抛异常
//m.at("waterme") = "水蜜桃";
cout << m.size() << endl;
// 用迭代器去遍历map中的元素，可以得到一个按照key排序的序列
for (auto& e : m)
cout << e.first << "--->" << e.second << endl;
cout << endl;
// map中的键值对key一定是唯一的，如果key存在将插入失败
auto ret = m.insert(make_pair("peach", "桃色"));
if (ret.second)
cout << "<peach, 桃色>不在map中, 已经插入" << endl;
else
cout << "键值为peach的元素已经存在：" << ret.first->first << "--->"
<< ret.first->second <<" 插入失败"<< endl;
// 删除key为"apple"的元素
m.erase("apple");
if (1 == m.count("apple"))
cout << "apple还在" << endl;
else
cout << "apple被吃了" << endl;
}

【总结】

map中的的元素是键值对
map中的key是唯一的，并且不能修改
默认按照小于的方式对key进行比较
map中的元素如果用迭代器去遍历，可以得到一个有序的序列
map的底层为平衡搜索树(红黑树)，查找效率比较高 $O(log_2 N)$
支持[]操作符，operator[]中实际进行插入查找

3.3 multiset

multiset文档介绍
注意：

multiset中再底层中存储的是<value, value>的键值对
mtltiset的插入接口中只需要插入即可
与set的区别是，multiset中的元素可以重复，set是中value是唯一的
使用迭代器对multiset中的元素进行遍历，可以得到有序的序列
multiset中的元素不能修改
在multiset中找某个元素，时间复杂度为 $O(log_2 N)$
multiset的作用：可以对元素进行排序

3.4 multimap

multimap文档介绍
注意：

multimap和map的唯一不同就是：map中的key是唯一的，而multimap中key是可以重复的。
multimap中的元素默认将key按照小于来比较
multimap中没有重载operator[]操作

四、底层结构

前面对map/multimap/set/multiset进行了简单的介绍，在其文档介绍中发现，这几个容器有个共同点是：其底层都是按照二叉搜索树来实现的，但是二叉搜索树有其自身的缺陷，假如往树中
插入的元素有序或者接近有序，二叉搜索树就会退化成单支树，时间复杂度会退化成O(N)，因此map、set等关联式容器的底层结构是对二叉树进行了平衡处理，即采用平衡树来实现。

4.1 AVL树

4.1.1 AVL树的概念

二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下。因此，两位俄罗斯的数学家G.M.Adelson-Velskii
和E.M.Landis在1962年发明了一种解决上述问题的方法：当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度。

一棵AVL树或者是空树，或者是具有以下性质的二叉搜索树：

它的左右子树都是AVL树
左右子树高度之差(简称平衡因子)的绝对值不超过1(-1/0/1)

如果一棵二叉搜索树是高度平衡的，它就是AVL树。如果它有n个结点，其高度可保持在 $O(log_2 n)$ ，搜索时间复杂度O( $log_2 n$ )。

4.1.2 AVL树节点的定义

template<class T>
struct AVLTreeNode
{
AVLTreeNode(const T& data)
: _pLeft(nullptr), _pRight(nullptr), _pParent(nullptr)
, _data(data), _bf(0)
{}
AVLTreeNode<T>* _pLeft; // 该节点的左孩子
AVLTreeNode<T>* _pRight; // 该节点的右孩子
AVLTreeNode<T>* _pParent; // 该节点的双亲
T _data;
int _bf; // 该节点的平衡因子
};

4.1.3 AVL树的插入

AVL树就是在二叉搜索树的基础上引入了平衡因子，因此AVL树也可以看成是二叉搜索树。那么
AVL树的插入过程可以分为两步：

按照二叉搜索树的方式插入新节点
调整节点的平衡因子

bool Insert(const T& data)
{
	// 1. 先按照二叉搜索树的规则将节点插入到AVL树中
	// ...
	// 2. 新节点插入后，AVL树的平衡性可能会遭到破坏，此时就需要更新平衡因子，并检测是否破坏了AVL树的平衡性
	/*
	pCur插入后，pParent的平衡因子一定需要调整，在插入之前，pParent的平衡因子分为三种情况：-1，0, 1, 分以下两种情况：
	1. 如果pCur插入到pParent的左侧，只需给pParent的平衡因子-1即可
	2. 如果pCur插入到pParent的右侧，只需给pParent的平衡因子+1即可
	此时：pParent的平衡因子可能有三种情况：0，正负1， 正负2
	1. 如果pParent的平衡因子为0，说明插入之前pParent的平衡因子为正负1，插入后被调整成0，此时满足AVL树的性质，插入成功
	2. 如果pParent的平衡因子为正负1，说明插入前pParent的平衡因子一定为0，插入后被更新成正负1，此时以pParent为根的树的高度增加，需要继续向上更新
	3. 如果pParent的平衡因子为正负2，则pParent的平衡因子违反平衡树的性质，需要对其进行旋转处理
	*/
	while (pParent)
	{
		// 更新双亲的平衡因子
		if (pCur == pParent->_pLeft)
			pParent->_bf--;
		else
			pParent->_bf++;
		// 更新后检测双亲的平衡因子
		if (0 == pParent->_bf)
		{
			break;
		}
		else if (1 == pParent->_bf || -1 == pParent->_bf)
		{
			// 插入前双亲的平衡因子是0，插入后双亲的平衡因为为1 或者 -1 ，说明以双亲为根的二叉树
			// 的高度增加了一层，因此需要继续向上调整
			pCur = pParent;
			pParent = pCur->_pParent;
		}
		else
		{
			// 双亲的平衡因子为正负2，违反了AVL树的平衡性，需要对以pParent
			// 为根的树进行旋转处理
			if(2 == pParent->_bf)
			{
				// ...
			}
			else
			{
				// ...
			}
		}
	}
return true;
}

4.1.4 AVL树的旋转

引出旋转
在这里插入图片描述

如果在一棵原本是平衡的AVL树中插入一个新节点，可能造成不平衡，此时必须调整树的结构，使之平衡化。根据节点插入位置的不同，AVL树的旋转分为四种：

右单旋
左单旋
单旋平衡因子的更新
旋转完之后，parent，和subR的平衡因子都变为0。不管是左旋还是右旋。
示例代码：

/*
上图在插入前，AVL树是平衡的，新节点插入到30的左子树(注意：此处不是左孩子)中，30左子树增加了一层，导致以60为根的二叉树不平衡，要让60平衡，只能将60左子树的高度减少一层，右子树增加一层，即将左子树往上提，这样60转下来，因为60比30大，只能将其放在30的右子树，而如果30有右子树，右子树根的值一定大于30，小于60，只能将其放在60的左子树，旋转完成后，更新节点的平衡因子即可。在旋转过程中，有以下几种情况需要考虑：
1. 30节点的右孩子可能存在，也可能不存在
2. 60可能是根节点，也可能是子树
如果是根节点，旋转完成后，要更新根节点
如果是子树，可能是某个节点的左子树，也可能是右子树
*/
void _RotateR(PNode pParent)
{
// pSubL: pParent的左孩子
// pSubLR: pParent左孩子的右孩子，注意：该
PNode pSubL = pParent->_pLeft;
PNode pSubLR = pSubL->_pRight;
// 旋转完成之后，30的右孩子作为双亲的左孩子
pParent->_pLeft = pSubLR;
// 如果30的左孩子的右孩子存在，更新亲双亲
if(pSubLR)
pSubLR->_pParent = pParent;
// 60 作为 30的右孩子
pSubL->_pRight = pParent;
// 因为60可能是棵子树，因此在更新其双亲前必须先保存60的双亲
PNode pPParent = pParent->_pParent;
// 更新60的双亲
pParent->_pParent = pSubL;
// 更新30的双亲
pSubL->_pParent = pPParent;
// 如果60是根节点，根新指向根节点的指针
if(NULL == pPParent)
{
_pRoot = pSubL;
pSubL->_pParent = NULL;
}
else
{
// 如果60是子树，可能是其双亲的左子树，也可能是右子树
if(pPParent->_pLeft == pParent)
pPParent->_pLeft = pSubL;
else
pPParent->_pRight = pSubL;
}
// 根据调整后的结构更新部分节点的平衡因子
pParent->_bf = pSubL->_bf = 0;
}

左右双旋
右左双旋

在这里插入图片描述
参考左右双旋。

双旋平衡因子的更新
双旋和单旋不一样，双旋平衡因子的更新有三种情况：

在这里插入图片描述
通过上图可知，
情况一：新节点插入在c节点下面，会导致60的平衡因子变为1， 30，90不变，分别为2，-1。旋转后60， 90变为0，30变为-1.
情况二：新节点插入在b节点下面，会导致60的平衡因子变为-1， 30，90不变，分别为2，-1。旋转后30， 90变为0，90变为1.
情况三：60 是新插入节点，30，90，60的平衡因子分别为2，-1，1，旋转后都变为0.
示例：

// 旋转之前，60的平衡因子可能是-1/0/1，旋转完成之后，根据情况对其他节点的平衡因子进行调整
void _RotateLR(PNode pParent)
{
PNode pSubL = pParent->_pLeft;
PNode pSubLR = pSubL->_pRight;
// 旋转之前，保存pSubLR的平衡因子，旋转完成之后，需要根据该平衡因子来调整其他节点的平衡因子
int bf = pSubLR->_bf;
// 先对30进行左单旋
_RotateL(pParent->_pLeft);
// 再对90进行右单旋
_RotateR(pParent);
if(1 == bf)
pSubL->_bf = -1;
else if(-1 == bf)
pParent->_bf = 1;
}

总结：
假如以pParent为根的子树不平衡，即pParent的平衡因子为2或者-2，分以下情况考虑
6. pParent的平衡因子为2，说明pParent的右子树高，设pParent的右子树的根为pSubR

当pSubR的平衡因子为1时，执行左单旋
当pSubR的平衡因子为-1时，执行右左双旋

pParent的平衡因子为-2，说明pParent的左子树高，设pParent的左子树的根为pSubL
- 当pSubL的平衡因子为-1是，执行右单旋
- 当pSubL的平衡因子为1时，执行左右双旋

旋转完成后，原pParent为根的子树个高度降低，已经平衡，不需要再向上更新。

4.1.5 AVL树的验证

AVL树是在二叉搜索树的基础上加入了平衡性的限制，因此要验证AVL树，可以分两步：

验证其为二叉搜索树
如果中序遍历可得到一个有序的序列，就说明为二叉搜索树
验证其为平衡树
- 每个节点子树高度差的绝对值不超过1(注意节点中如果没有平衡因子)
- 节点的平衡因子是否计算正确

bool IsBalance()
{
	return _IsBalance(_root);
}

int Height(Node* root)
{
	if (root == NULL)
		return 0;
	int leftHeight = Height(root->_left);
	int rightHeight = Height(root->_right);
	return leftHeight > rightHeight ? leftHeight + 1 : rightHeight + 1;
}

bool _IsBalance(Node* root)
{
    // 空树也是AVL树
	if (root == NULL)
		return true;

	// 对当前树进行检查
	// 计算pRoot节点的平衡因子：即pRoot左右子树的高度差
	int leftHeight = Height(root->_left);
	int rightHeight = Height(root->_right);
    // 如果计算出的平衡因子与pRoot的平衡因子不相等，则一定不是AVL树
	if (rightHeight-leftHeight != root->_bf)
	{
		cout << root->_kv.first << "现在是:"<<root->_bf<<endl;
		cout << root->_kv.first << "应该是:" << rightHeight - leftHeight << endl;
		return false;
	}
	// pRoot平衡因子的绝对值超过1，则一定不是AVL树
	return abs(rightHeight - leftHeight) < 2
		&& _IsBalance(root->_left)
		&& _IsBalance(root->_right);
}

4.1.6 AVL树的性能

AVL树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过1，这样可以保证查询时高效的时间复杂度，即 $log_2 (N)$ 。但是如果要对AVL树做一些结构修改的操作，性能非常低下，比如：插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时，有可能一直要让旋转持续到根的位置。因此：如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑AVL树，但一个结构经常修改，就不太适合。

4.2 红黑树

4.2.1 红黑树的概念

红黑树，是一种二叉搜索树，但在每个结点上增加一个存储位表示结点的颜色，可以是Red或Black。通过对任何一条从根到叶子的路径上各个结点着色方式的限制，红黑树确保没有一条路
径会比其他路径长出俩倍，因而是接近平衡的。
在这里插入图片描述

4.2.2 红黑树的性质

1. 每个结点不是红色就是黑色
2. 根节点是黑色的
3. 如果一个节点是红色的，则它的两个孩子结点是黑色的
4. 对于每个结点，从该结点到其所有后代叶结点的简单路径上，均包含相同数目的黑色结点
5. 每个叶子结点都是黑色的(此处的叶子结点指的是空结点)

为什么满足上面的性质，红黑树就能保证：其最长路径中节点个数不会超过最短路径节点个数的两倍？
答：因为根据上面的性质，最短节点全为黑节点，最长节点为一黑一红。所以最长路径不超过最短路径的二倍。

4.2.3 红黑树节点的定义

// 节点的颜色
enum Color
{
	RED,
	BLACK
};
// 红黑树节点的定义
template<class ValueType>
struct RBTreeNode
{
	RBTreeNode(const ValueType& data = ValueType()，Color color = RED)
	: _pLeft(nullptr),
	  _pRight(nullptr),
	  _pParent(nullptr),
	  _data(data),
	  _color(color)
	{}
	
	RBTreeNode<ValueType>* _pLeft; // 节点的左孩子
	RBTreeNode<ValueType>* _pRight; // 节点的右孩子
	RBTreeNode<ValueType>* _pParent; // 节点的双亲(红黑树需要旋转，为了实现简单给出该字段)
	ValueType _data; // 节点的值域
	Color _color; // 节点的颜色
};

在节点的定义中，为什么要将节点的默认颜色给成红色的？
答：因为这样破坏树的结构的的代价最小，容易恢复。

4.2.4 红黑树的插入操作

红黑树是在二叉搜索树的基础上加上其平衡限制条件，因此红黑树的插入可分为两步：

按照二叉搜索的树规则插入新节点

template<class ValueType>
class RBTree
{
//……
bool Insert(const ValueType& data)
{
PNode& pRoot = GetRoot();
if (nullptr == pRoot)
{
pRoot = new Node(data, BLACK);
// 根的双亲为头节点
pRoot->_pParent = _pHead;
_pHead->_pParent = pRoot;
}
else
{
// 1. 按照二叉搜索的树方式插入新节点
// 2. 检测新节点插入后，红黑树的性质是否造到破坏，
// 若满足直接退出，否则对红黑树进行旋转着色处理
}
// 根节点的颜色可能被修改，将其改回黑色
pRoot->_color = BLACK;
_pHead->_pLeft = LeftMost();
_pHead->_pRight = RightMost();
return true;
}
private:
PNode& GetRoot(){ return _pHead->_pParent;}
// 获取红黑树中最小节点，即最左侧节点
PNode LeftMost();
// 获取红黑树中最大节点，即最右侧节点
PNode RightMost();
private:
PNode _pHead;
}；

检测新节点插入后，红黑树的性质是否造到破坏

因为新节点的默认颜色是红色，因此：如果其双亲节点的颜色是黑色，没有违反红黑树任何性质，则不需要调整；但当新插入节点的双亲节点颜色为红色时，就违反了性质三不能有连在一起的红色节点，此时需要对红黑树分情况来讨论：
约定:cur为当前节点，p为父节点，g为祖父节点，u为叔叔节点

情况一: cur为红，p为红，g为黑，u存在且为红
情况二: cur为红，p为红，g为黑，u不存在/u存在且为黑（p在g的左边， cur在p的左边）

类似的，当（p在g的右边， cur在p的右边）时进行左单旋。

情况三: cur为红，p为红，g为黑，u不存在/u存在且为黑（p在g的左边，cur在p的右边）
在这里插入图片描述

在这里插入图片描述

类似的，当（p在g的右边，cur在p的左边）时，先对p进行右单旋，在对g进行右单旋。

示例代码：

//4.控制平衡
		//父亲存在且为红
		while (parent && parent->_col == RED)
		{
			Node* grandfather = parent->_pParent;
			//     g
			//  p     u
			//c 
			//     g
			//  p     u
			//    c 
			if (parent == grandfather->_pLeft)
			{
				Node* uncle = grandfather->_pRight;
				//叔叔存在且为红
				if (uncle && uncle->_col == RED)
				{
					parent->_col = uncle->_col = BLACK;
					grandfather->_col = RED;

					cur = grandfather;
					parent = cur->_pParent;
				}
				//叔叔不存在或者存在且为黑
				else
				{
					if (cur == parent->_pLeft)
					{
						//单旋
						RotateR(grandfather);
						parent->_col = BLACK;
						grandfather->_col = RED;
					}
					else
					{
						//双旋
						RotateLR(grandfather);
						cur->_col = BLACK;
						grandfather->_col = RED;
					}

					break;
				}
			}
			//     g
			//  u     p
			//          c 
			//     g
			//  u     p
			//      c
			else
			{
				Node* uncle = grandfather->_pLeft;
				//叔叔存在且为红
				if (uncle && uncle->_col == RED)
				{
					parent->_col = uncle->_col = BLACK;
					grandfather->_col = RED;

					cur = grandfather;
					parent = cur->_pParent;
				}
				//叔叔不存在或者存在且为黑
				else
				{
					if (cur == parent->_pRight)
					{
						//单旋
						RotateL(grandfather);
						parent->_col = BLACK;
						grandfather->_col = RED;
					}
					else
					{
						//双旋
						RotateRL(grandfather);
						cur->_col = BLACK;
						grandfather->_col = RED;
					}

					break;
				}
			}
		}

		_root->_col = BLACK;

		return make_pair(_iterator(newNode), true);
	}

//右旋
	void RotateR(Node* parent)
	{
		Node* subL = parent->_pLeft;
		Node* subLR = subL->_pRight;
		Node* parentParent = parent->_pParent;

		//链接左右节点和父亲
		parent->_pLeft = subLR;
		parent->_pParent = subL;
		if (subLR)
		{
			subLR->_pParent = parent;
		}
		subL->_pRight = parent;
		if (_root == parent)
		{
			_root = subL;
			subL->_pParent = nullptr;
		}
		else
		{
			if (parentParent->_pLeft == parent)
			{
				parentParent->_pLeft = subL;
			}
			else
			{
				parentParent->_pRight = subL;
			}
			subL->_pParent = parentParent;
		}
	}

	//左旋
	void RotateL(Node* parent)
	{
		Node* subR = parent->_pRight;
		Node* subRL = subR->_pLeft;
		Node* parentParent = parent->_pParent;
		//链接左右节点和父亲
		parent->_pRight = subRL;
		subR->_pLeft = parent;
		if (subRL)
		{
			subRL->_pParent = parent;
		}
		parent->_pParent = subR;

		if (parent == _root)
		{
			_root = subR;
			subR->_pParent = nullptr;
		}
		else
		{
			if (parentParent->_pLeft == parent)
			{
				parentParent->_pLeft = subR;
			}
			else
			{
				parentParent->_pRight = subR;
			}
			subR->_pParent = parentParent;
		}
	}

4.2.5 红黑树的验证

红黑树的检测分为两步：

检测其是否满足二叉搜索树(中序遍历是否为有序序列)
检测其是否满足红黑树的性质

//判断红黑树是否平衡
	bool IsBalance()
	{
		//判断根节点颜色
		if (_root && _root->_col == RED)
		{
			cout << "根节点为红色" << endl;
			return false;
		}
		//判断各路径黑色节点是否一致
		Node* left = _root;
		int BaseValue = 0;//基准值
		int BlackNum = 0;
		while (left)
		{
			if (left->_col == BLACK)
			{
				BaseValue++;
			}
			left = left->_pLeft;
		}
		return _IsBalance(_root, BaseValue, BlackNum);
	}

bool _IsBalance(Node* root, int BaseValue, int BlackNum)
{
	if (root == nullptr)
	{
	//与基准值相比较
		if (BaseValue != BlackNum)
		{
			cout << "存在路径黑色节点的数量不相等" << endl;
			return false;
		}
		return true;
	}
	//判断是否有连续的红节点
	if (root->_col == RED && root->_pParent->_col == RED)
	{
		cout << "出现连续的红节点" << endl;
		return false;
	}
	//记录黑色节点的个数
	if (root->_col == BLACK)
	{
		BlackNum++;
	}
	return _IsBalance(root->_pLeft, BaseValue, BlackNum)
		&& _IsBalance(root->_pRight, BaseValue, BlackNum);
}

4.2.6 红黑树与AVL树的比较

红黑树和AVL树都是高效的平衡二叉树，增删改查的时间复杂度都是O( $log_2 N$ )，红黑树不追求绝对平衡，其只需保证最长路径不超过最短路径的2倍，相对而言，降低了插入和旋转的次数，所以在经常进行增删的结构中性能比AVL树更优，而且红黑树实现比较简单，所以实际运用中红黑树更多。

4.3 红黑树模拟实现STL中的map和set

4.3.1 红黑树的迭代器

begin()与end()
begin()可以放在红黑树中最小节点(即最左侧节点)的位
置，end()放在最大节点(最右侧节点)的下一个位置，即空位置。

_iterator begin()
	{
		Node* left = _root;
		while (left && left->_pLeft)
		{
			left = left->_pLeft;
		}
		return _iterator(left);
	}
	_iterator end()
	{
		return _iterator(nullptr);
	}

operator++()与operator–()

template<class T, class Ref, class Ptr>
class __RBTreeIterator
{
public:
	typedef RBTreeNode<T> Node;
	typedef __RBTreeIterator<T, Ref, Ptr> Self;

	Node* _node;
	__RBTreeIterator(Node* node)
		:_node(node)
	{}
	//其他代码
	//...
	//默认父亲的左孩子已经访问了，因为最先访问左孩子，在访问父亲，最后访问右节点
	Self& operator++()
	{
	    //判断右孩子是否为空，如果不为空，则找到有孩子的最左节点
		if (_node->_pRight)
		{
			Node* min = _node->_pRight;
			while (min->_pLeft)
			{
				min = min->_pLeft;
			}

			_node = min;
		}
		//如果为空，说明，右孩子已经访问完了，或者没有右孩子，说明，该节点的左右孩子包括自己都已经访问完了
		else
		{
			Node* cur = _node;
			Node* parent = cur->_pParent;
			//如果父亲存在，且当前节点为父亲的右节点，说明该父亲节点已经被访问了，直接回退到父亲的父亲，以此类推，知道父亲为空。否则访问该父亲节点。
			while (parent && cur == parent->_pRight)
			{
				cur = parent;
				parent = parent->_pParent;
			}

			_node = parent;
		}
		return *this;
	}
	//与++类似
	Self& operator--()
	{
		if (_node->_pLeft)
		{
			Node* max = _node->_pLeft;
			while (max->_pRight)
			{
				max = max->_pRight;
			}

			_node = max;
		}
		else
		{
			Node* cur = _node;
			Node* parent = cur->_pParent;
			while (parent && cur == parent->_pLeft)
			{
				cur = parent;
				parent = cur->_pParent;
			}

			_node = parent;
		}
		return *this;
		//其他代码
		//...

4.3.2 改造红黑树

因为关联式容器中存储的是<key, value>的键值对，因此
k为key的类型，
ValueType: 如果是map，则为pair<K, V>; 如果是set，则为k
KeyOfValue: 通过value来获取key的一个仿函数类

示例代码：

#pragma once
#include<iostream>
#include<vector>
#include<time.h>
using namespace std;
enum Color
{
	RED,
	BLACK
};
template<class T>
struct RBTreeNode
{
	RBTreeNode<T>* _pLeft;
	RBTreeNode<T>* _pRight;
	RBTreeNode<T>* _pParent;
	T _data;

	Color _col;

	RBTreeNode(const T& data)
		:_pLeft(nullptr)
		, _pRight(nullptr)
		, _pParent(nullptr)
		, _data(data)
		, _col(RED)
	{}
};
template<class T, class Ref, class Ptr>
class __RBTreeIterator
{
public:
	typedef RBTreeNode<T> Node;
	typedef __RBTreeIterator<T, Ref, Ptr> Self;

	Node* _node;
	__RBTreeIterator(Node* node)
		:_node(node)
	{}
	Ref operator*()
	{
		return _node->_data;
	}
	Ptr operator->()
	{
		return &(_node->_data);
	}
	Self& operator++()
	{
		if (_node->_pRight)
		{
			Node* min = _node->_pRight;
			while (min->_pLeft)
			{
				min = min->_pLeft;
			}

			_node = min;
		}
		else
		{
			Node* cur = _node;
			Node* parent = cur->_pParent;
			while (parent && cur == parent->_pRight)
			{
				cur = parent;
				parent = parent->_pParent;
			}

			_node = parent;
		}
		return *this;
	}
	Self& operator--()
	{
		if (_node->_pLeft)
		{
			Node* max = _node->_pLeft;
			while (max->_pRight)
			{
				max = max->_pRight;
			}

			_node = max;
		}
		else
		{
			Node* cur = _node;
			Node* parent = cur->_pParent;
			while (parent && cur == parent->_pLeft)
			{
				cur = parent;
				parent = cur->_pParent;
			}

			_node = parent;
		}
		return *this;
	}
	bool operator!=(const Self& s) const
	{
		return _node != s._node;
	}
	bool operator==(const Self& s) const
	{
		return _node == s._node;
	}
};
template<class K, class T, class KeyOfT>
class RBTree
{
	typedef RBTreeNode<T> Node;
public:
	typedef __RBTreeIterator<T, T&, T*> _iterator;
	typedef __RBTreeIterator<T, const T&,const T*> const_iterator;
	_iterator begin()
	{
		Node* left = _root;
		while (left && left->_pLeft)
		{
			left = left->_pLeft;
		}
		return _iterator(left);
	}
	_iterator end()
	{
		return _iterator(nullptr);
	}

	//const_iterator begin()const
	//{
	//	Node* left = _root;
	//	while (left && left->_pLeft)
	//	{
	//		left = left->_pLeft;
	//	}
	//	return const_iterator(left);
	//}
	//const_iterator end()const
	//{
	//	return const_iterator(nullptr);
	//}

	RBTree()
		:_root(nullptr)
	{}
	RBTree(RBTree<K, T, KeyOfT>& t)
	{
		_root = Copy(t._root);
	}
	RBTree<K, T, KeyOfT>& operator=(RBTree<K, T, KeyOfT> t)
	{
		swap(_root, t._root);
		return *this;
	}
	~RBTree()
	{
		Destory(_root);
		_root = nullptr;
	}
	_iterator Find(const K& key)
	{
		KeyOfT kot;
		Node* cur = _root;
		while (cur)
		{
			if (key < kot(cur->_data))
			{
				cur = cur->_pLeft;
			}
			else if (key > kot(cur->_data))
			{
				cur = cur->_pRight;
			}
			else
			{
				return _iterator(cur);
			}
		}
		return end();
	}
	pair<_iterator, bool> Insert(const T& data)
	{
		//1.判断根节点是否为空
		if (_root == nullptr)
		{
			_root = new Node(data);
			_root->_col = BLACK;
			return make_pair(_iterator(_root), true);
		}

		//2.遍历二叉树寻找插入的位置
		KeyOfT kot;
		Node* cur = _root;
		Node* parent = nullptr;
		while (cur)
		{
			if (kot(data) < kot(cur->_data))
			{
				parent = cur;
				cur = cur->_pLeft;
			}
			else if (kot(data) > kot(cur->_data))
			{
				parent = cur;
				cur = cur->_pRight;
			}
			else
			{
				return make_pair(_iterator(cur), false);
			}
		}

		//3.插入节点
		cur = new Node(data);
		Node* newNode = cur;
		cur->_col = RED;
		if (kot(data) < kot(parent->_data))
		{
			parent->_pLeft = cur;
			cur->_pParent = parent;
		}
		else
		{
			parent->_pRight = cur;
			cur->_pParent = parent;
		}

		//4.控制平衡
		//父亲存在且为红
		while (parent && parent->_col == RED)
		{
			Node* grandfather = parent->_pParent;
			//     g
			//  p     u
			//c 
			//     g
			//  p     u
			//    c 
			if (parent == grandfather->_pLeft)
			{
				Node* uncle = grandfather->_pRight;
				//叔叔存在且为红
				if (uncle && uncle->_col == RED)
				{
					parent->_col = uncle->_col = BLACK;
					grandfather->_col = RED;

					cur = grandfather;
					parent = cur->_pParent;
				}
				//叔叔不存在或者存在且为黑
				else
				{
					if (cur == parent->_pLeft)
					{
						//单旋
						RotateR(grandfather);
						parent->_col = BLACK;
						grandfather->_col = RED;
					}
					else
					{
						//双旋
						RotateLR(grandfather);
						cur->_col = BLACK;
						grandfather->_col = RED;
					}

					break;
				}
			}
			//     g
			//  u     p
			//          c 
			//     g
			//  u     p
			//      c
			else
			{
				Node* uncle = grandfather->_pLeft;
				//叔叔存在且为红
				if (uncle && uncle->_col == RED)
				{
					parent->_col = uncle->_col = BLACK;
					grandfather->_col = RED;

					cur = grandfather;
					parent = cur->_pParent;
				}
				//叔叔不存在或者存在且为黑
				else
				{
					if (cur == parent->_pRight)
					{
						//单旋
						RotateL(grandfather);
						parent->_col = BLACK;
						grandfather->_col = RED;
					}
					else
					{
						//双旋
						RotateRL(grandfather);
						cur->_col = BLACK;
						grandfather->_col = RED;
					}

					break;
				}
			}
		}

		_root->_col = BLACK;

		return make_pair(_iterator(newNode), true);
	}

	//打印红黑树
	void InOrder()
	{
		_InOrder(_root);
	}
	//判断红黑树是否平衡
	bool IsBalance()
	{
		//判断根节点颜色
		if (_root && _root->_col == RED)
		{
			cout << "根节点为红色" << endl;
			return false;
		}
		//判断各路径黑色节点是否一致
		Node* left = _root;
		int BaseValue = 0;
		int BlackNum = 0;
		while (left)
		{
			if (left->_col == BLACK)
			{
				BaseValue++;
			}
			left = left->_pLeft;
		}
		return _IsBalance(_root, BaseValue, BlackNum);
	}
private:
	Node* Copy(Node* root)
	{
		if (root == nullptr)
		{
			return nullptr;
		}
		Node* newRoot = new Node(root->_data);
		newRoot->_col = root->_col;

		newRoot->_pLeft = Copy(root->_pLeft);
		newRoot->_pRight = Copy(root->_pRight);

		if (newRoot->_pLeft)
		{
			newRoot->_pLeft->_pParent = newRoot;
		}
		if (newRoot->_pRight)
		{
			newRoot->_pRight->_pParent = newRoot;
		}
		return newRoot;
	}
	void Destory(Node* root)
	{
		if (root == nullptr)
		{
			return;
		}
		Destory(root->_pLeft);
		Destory(root->_pRight);
		delete root;
	}
	//测试代码
	//bool _IsBalance(Node* root, int BaseValue, int BlackNum)
	//{
	//	if (root == nullptr)
	//	{
	//		if (BaseValue != BlackNum)
	//		{
	//			cout << "存在路径黑色节点的数量不相等" << endl;
	//			return false;
	//		}
	//		return true;
	//	}
	//	//判断是否有连续的红节点
	//	if (root->_col == RED && root->_pParent->_col == RED)
	//	{
	//		cout << "出现连续的红节点" << endl;
	//		return false;
	//	}
	//	//记录黑色节点的个数
	//	if (root->_col == BLACK)
	//	{
	//		BlackNum++;
	//	}
	//	return _IsBalance(root->_pLeft, BaseValue, BlackNum)
	//		&& _IsBalance(root->_pRight, BaseValue, BlackNum);
	//}

	//测试代码
	中序遍历
	//void _InOrder(Node* root)
	//{
	//	if (root == nullptr)
	//	{
	//		return;
	//	}
	//	_InOrder(root->_pLeft);
	//	cout << root->_kv.first << ":" << root->_kv.second << endl;
	//	_InOrder(root->_pRight);
	//}

	//右旋
	void RotateR(Node* parent)
	{
		Node* subL = parent->_pLeft;
		Node* subLR = subL->_pRight;
		Node* parentParent = parent->_pParent;

		//链接左右节点和父亲
		parent->_pLeft = subLR;
		parent->_pParent = subL;
		if (subLR)
		{
			subLR->_pParent = parent;
		}
		subL->_pRight = parent;
		if (_root == parent)
		{
			_root = subL;
			subL->_pParent = nullptr;
		}
		else
		{
			if (parentParent->_pLeft == parent)
			{
				parentParent->_pLeft = subL;
			}
			else
			{
				parentParent->_pRight = subL;
			}
			subL->_pParent = parentParent;
		}
	}

	//左旋
	void RotateL(Node* parent)
	{
		Node* subR = parent->_pRight;
		Node* subRL = subR->_pLeft;
		Node* parentParent = parent->_pParent;
		//链接左右节点和父亲
		parent->_pRight = subRL;
		subR->_pLeft = parent;
		if (subRL)
		{
			subRL->_pParent = parent;
		}
		parent->_pParent = subR;

		if (parent == _root)
		{
			_root = subR;
			subR->_pParent = nullptr;
		}
		else
		{
			if (parentParent->_pLeft == parent)
			{
				parentParent->_pLeft = subR;
			}
			else
			{
				parentParent->_pRight = subR;
			}
			subR->_pParent = parentParent;
		}
	}

	//右左双旋
	void RotateRL(Node* parent)
	{
		RotateR(parent->_pRight);
		RotateL(parent);
	}

	//左右双旋
	void RotateLR(Node* parent)
	{
		RotateL(parent->_pLeft);
		RotateR(parent);
	}
private:
	Node* _root;
};

//红黑树测试代码
//void TestRBTree()
//{
//	RBTree<int, int> t;
//	vector<int> v;
//	srand(time(0));
//	int N = 1000;
//	for (int i = 0; i < N; ++i)
//	{
//		v.push_back(rand() % 1000);
//		//v.push_back(i);
//	}
//	for (auto e : v)
//	{
//		t.Insert(e);
//		if (!t.IsBalance())
//		{
//			cout << "Insert" << e << endl;
//			break;
//		}
//	}
//	t.InOrder();
//	cout << t.IsBalance() << endl;
//}

4.3.3 map的模拟实现

MyMap.hpp

#define _CRT_SECURE_NO_WARNINGS 1
#pragma once
#include "RBTree.h"
namespace sk
{
	template<class K, class V>
	class MyMap
	{
	public:
		struct MapKeyOfT
		{
			const K& operator()(const pair<K, V>& kv)
			{
				return kv.first;
			}
		};

		typedef typename RBTree<K, pair<K, V>, MapKeyOfT>::_iterator iterator;

		iterator begin()
		{
			return _t.begin();
		}
		iterator end()
		{
			return _t.end();
		}

		pair<iterator, bool> insert(const pair<K, V>& kv)
		{
			return _t.Insert(kv);
		}
		iterator find(const K& key)
		{
			return _t.Find(key);
		}
		V& operator[](const K& key)
		{
			auto ret = (_t.Insert(make_pair(key, V()))).first;
			return ret->second;
		}
	private:
		RBTree<K, pair<K, V>, MapKeyOfT> _t;
	};
	void MapTest()
	{
		MyMap<string, int> m;
		
		m.insert(make_pair("1", 1));
		m.insert(make_pair("1", 1));
		m.insert(make_pair("1", 1));
		m.insert(make_pair("1", 1));
		m.insert(make_pair("1", 1));
		m["5"] = 5;
		m["6"];
		MyMap<string, int> m2(m);
		MyMap<string, int> m3 = m2;
		MyMap<string, int>::iterator it = m.begin();
		cout << "map: " << endl;
		for (auto& e : m3)
		{
			cout << e.first << ":" << e.second << endl;
		}
	}
}

4.3.4 set的模拟实现

MySet.hpp

#define _CRT_SECURE_NO_WARNINGS 1
#pragma once
#include "RBTree.h"
namespace sk
{
	template < class K>
	class MySet
	{
	public:
		struct SetKeyOfT
		{
			const K& operator()(const K& k)
			{
				return k;
			}
		};
		typedef typename RBTree<K, K, SetKeyOfT>::_iterator iterator;

		iterator begin()
		{
			return _t.begin();
		}

		iterator end()
		{
			return _t.end();
		}

		pair<iterator, bool> Insert(const K& key)
		{
			return _t.Insert(key);
		}
		iterator find(const K& key)
		{
			return _t.Find(key);
		}
	private:
		RBTree<K, K, SetKeyOfT> _t;
	};
	void SetTest()
	{
		MySet<string> s;
		s.Insert("1");
		s.Insert("2");
		s.Insert("3");
		s.Insert("4");
		s.Insert("5");
		MySet<string> s2(s);
		MySet<string> s3 = s2;

		MySet<string>::iterator it= s2.begin();
		cout << "set: " << endl;
		while (it != s.end())
		{
			cout << *it << " ";
			++it;
		}
		cout << endl;

		for (auto& e : s3)
		{
			cout << e << " ";
		}
		cout << endl;
	}
}

谢谢大家观看！！求点赞，关注，收藏。