【数据结构】数据结构探索（一） —— 树的综述

最近研究了mysql的索引结果，mysql的索引结果是使用了b+ tree的数据结构，了解了结构以后，对索引的功能和使用的一些规则就有了更加深入的了解，原来只是死记硬背规则和策略，现在感觉能知道背后到底是因为什么。

之后因为看到了Set对象的元素存入方式，TreeSet使用的是红黑树存储，来保证元素不会重复，我大概能理解他的实现原理，但我回头一想居然发现我对红黑树的定义已经完全想不起来了。所以准备对数据结构，尤其是树做一次知识整理，再整理有关hashMap的源码的内容。

树

我们说到数据结构，首先就会说起树，那么树又是什么呢？

树形结构是结点间有分支的层次结构，它是一种常见且很重要的非线性结构。

树（Tree）是由 n（n>0）个结点组成的有限集合 T，如果 T 为空，则它是一颗空树(null tree)。树中有一个特别标出的称为该树的根（Root）的结点。除根结点之外的其余结点可分为m(m＞0)个互不相交的集合 T1，T2，．．．，Tm，且其中每个集合又是一棵树，并称之为根的子树 Subtree。这是一个递归的定义，即在定义中又用到了树的概念，这也反应了树的固有特性。 

图 1.32 是两棵树的示例。（a）是只有一个根结点 A 的树。（b）是一棵由 11 个结点组成的树 T，其中 A 是根结点，其余结点分为三个互不相交的子集：T1={B，E，F，G，k}，T2={C，H}， T3={D，I，J}。T1、T2、T3 也都是树，且是根 A 的子树，这三棵子树的根结点分别是 B、C、D，每棵子树还可继续划分。例如子树 T1 以 B 为根结点，它的其余结点又可分为三个互不相交的子集 T11={E}，图 1.32 树的示意图一个结点的树 多结点树T12={F}，T13={G，K}，其中{E}和{F}又是 B 的子树，并且仅有一个根结点。

 

关于平衡的树

平衡是指所有叶子的深度基本相同(完全相等的情况并不多见,所以只能趋向于相等) 。
一般来说同一个节点子树的深度差不能大于1。

 

关于树的基本术语

树的结点（node）
    树的结点包含一个数据元素及若干个指向其子树的分支

结点的度和树的度(degree)
    结点的度是结点的子树的个数。
    树的度是树中结点度的最大值。

叶子(leaf)和分支结点（branch node）
    度为零的结点称为叶子或终端结点。
    不为零的结点称为分支结点或非终端结点。

孩子(child)、双亲(parent)及兄弟结点(sibling)
    某结点的各子树的根称为该结点的孩子，而该结点称为孩子的双亲。
    具有相同双亲的结点互称为兄弟，双亲在同一层的节点又称为堂兄弟。
    一棵树上除根结点以外的其他结点称为根的子孙，而从根结点到该结点所经分支上的所有结点称为该结点的祖先。

结点的层次(level)和树的深度(depth)
    结点的层次值从根算起，根的层次值为 1，其余结点的层次值为双亲结点层次值加 1。
    树中结点的最大层次值称为树的深度或高度。

有序树(ordered tree)
    如果将树中结点的各子树看成从左至右是有次序的（即不能互换），则称该树为有序树。否则为无序树。
    在有序树的最左边的根称为第一个孩子，最右边的称为最后一个孩子。

森林(forest)
    m（m≥0）棵互不相交的树的集合。
    对树中根结点而言，其子树的集合即为森林。
    由此，可用森林和树相互递归的定义来描述树。