红黑树的优势_红黑树，超强动静图详解，简单易懂

写在前面

红黑树(Red Black Tree) 是一种自平衡二叉查找树，是在计算机科学中用到的一种数据结构，典型的用途是实现关联数组。

红黑树是在1972年由Rudolf Bayer发明的，当时被称为平衡二叉B树(symmetric binary B-trees)。后来，在1978年被 Leo J. Guibas 和 Robert Sedgewick 修改为如今的“红黑树”。

红黑树是一种特化的AVL树(平衡二叉树)，都是在进行插入和删除操作时通过特定操作保持二叉查找树的平衡，从而获得较高的查找性能。

它虽然是复杂的，但它的最坏情况运行时间也是非常良好的，并且在实践中是高效的：它可以在O(log n)时间内做查找，插入和删除，这里的n 是树中元素的数目。

俺家司令买完东西后，我俩经常会发生这样的一段对话:

司令:你猜我买的这个多少钱？ 我: 1000
司令: 高了 我: 500
司令: 低了: 我: 750
...... 直到最后猜中

这样说大家应该已经猜到了是「二分查找法」，通过这个例子我想要引出的是 树，来看图片

程序中的树其实是我们日常看到的树的倒影，或者发挥一下想象，倒影也可以是树根

红黑树

假设我们插入的新节点为 X

1. 将新插入的节点标记为红色

2. 如果 X 是根结点(root)，则标记为黑色

3. 如果 X 的 parent 不是黑色，同时 X 也不是 root:

• 3.1 如果 X 的 uncle (叔叔) 是红色

  • 3.1.1 将 parent 和 uncle 标记为黑色

  • 3.1.2 将 grand parent (祖父) 标记为红色

  • 3.1.3 让 X 节点的颜色与 X 祖父的颜色相同，然后重复步骤 2、3

话不多说，看下图

跟着上面的公式走:

1. 将新插入的 X 节点标记为红色

2. 发现 X 的 parent (P) 同样为红色，这违反了红黑树的第三条规则「不能有两个连续相邻的红色节点」

3. 发现 X 的 uncle (U) 同样为红色

4. 将 P 和 U 标记为黑色

5. 将 X 和 X 的 grand parent (G) 标记为相同的颜色，即红色，继续重复公式 2、3

6. 发现 G 是根结点，标记为黑色

7. 结束

当出现 uncle 是黑色的时候我们第一步要考虑的是 旋转 ，这里先请小伙伴不要关注红黑树的第 4 条规则，主要是为了演示如何旋转的，来一点点看，不要看图就慌，有解释的 :

情况如下

这种情况很简单，想象这是一根绳子，手提起 P 节点，然后变色即可

左右

左旋: 使 X 的父节点 P 被 X 取代，同时父节点 P 成为 X 的左孩子，然后再应用 左左情况

右右

与左左情况一样，想象成一根绳子

右左

右旋: 使 X 的父节点 P 被 X 取代，同时父节点 P 成为 X 的右孩子，然后再应用 右右情况

你说的动图在哪里，你个大骗子，别着急，现在就为小伙伴们奉上动图演示，来说明公式的使用:

案例一

插入 10，20，30，15 到一个空树中

1. 向空树中第一次插入数字 10，肯定是 root 节点

2. root 节点标记成黑色

4. 

6. 向树中插入新节点 20，标记为红色

7. 20 > 10，并发现 10 没有叶子节点，将新节点 20 作为 10 的右孩子

9. 

11. 向树中插入新节点 30，标记为红色

12. 30 > 10，查找 10 的右子树，找到 20

13. 30 > 20，继续查找 20 的右子树，发现 20 没有叶子节点，将值插在此处

14. 30 和 20 节点都为红色，30 为右孩子，20 也为右孩子，触发了 右右情况

15. 通过一次旋转，提起 20 节点

16. 20 节点是根结点，标记为黑色

1. 向树中插入新节点 15，标记为红色

2. 通过比对大小和判断是否有叶子节点，最终插值为 10 节点的右孩子

3. 15 和 10 节点都为红色，15 的 uncle 节点 30 也为红色

4. 按照公式，将 15 的 parent 10 和 uncle 30 更改为黑色

5. 让 15 节点 grand parent 20 的颜色与 15 节点的颜色一样，变为红色

6. 20 为根结点，将其改为黑色

8. 

10. 继续插入其他节点只不过反复应用上面的公式，上面应用到的红黑树工具，可以暂停动画效果，一帧一帧的看红黑树的转换过程，这样通过练习，查看公式，观察变化三管齐下，红黑树的入门理解应该完全不再是问题了