二叉树和等于某值路径_二叉树之红黑树

首先，我们要明确我们是在什么知识体系内讨论红黑树的问题：红黑树是一种平衡二叉查找树。

• 什么是平衡二叉查找树呢？

平衡二叉树的严格定义是这样的：

二叉树中任意一个节点的左右子树的高度相差不能大于 1（小于等于1）

从这个定义来看，上一节我们讲的完全二叉树、满二叉树其实都是平衡二叉树，但是非完全二叉树也有可能是平衡二叉树。

叶子节点全都在最底层，除了叶子节点之外，每个节点都有左右两个子节点，这种二叉树就叫作满二叉树。

叶子节点都在最底下两层，最后一层的叶子节点都靠左排列，并且除了最后一层，其他层的节点个数都要达到最大，这种二叉树叫作完全二叉树。

顾名思义，红黑树中的节点，一类被标记为黑色，一类被标记为红色。

除此之外，一棵红黑树还需要满足这样几个要求：

1.根节点是黑色的；

2.每个叶子节点都是黑色的空节点（NIL），也就是说，叶子节点不存储数据；

3.任何相邻的节点都不能同时为红色，也就是说，红色节点是被黑色节点隔开的；

4.每个节点，从该节点到达其可达叶子节点的所有路径，都包含相同数目的黑色节点；

• 为什么红黑树是“近似平衡”的？

平衡二叉查找树的初衷，是为了解决二叉查找树因为动态更新导致的性能退化问题。

所以，“平衡”的意思可以等价为性能不退化。“近似平衡”就等价为性能不会退化的太严重。

红黑树的高度不是很好分析，我带你一步一步来推导

首先，我们来看，如果我们将红色节点从红黑树中去掉，那单纯包含黑色节点的红黑树的高度是多少呢？

红色节点删除之后，有些节点就没有父节点了，它们会直接拿这些节点的祖父节点（父节点的父节点）作为父节点。所以，之前的二叉树就变成了四叉树。

前面红黑树的定义里有这么一条：从任意节点到可达的叶子节点的每个路径包含相同数目的黑色节点。我们从四叉树中取出某些节点，放到叶节点位置，四叉树就变成了完全二叉树。

所以，仅包含黑色节点的四叉树的高度，比包含相同节点个数的完全二叉树的高度还要小。上一节我们说，完全二叉树的高度近似 log2n，这里的四叉“黑树”的高度要低于完全二叉树，所以去掉红色节点的“黑树”的高度也不会超过 log2n。

我们现在知道只包含黑色节点的“黑树”的高度，那我们现在把红色节点加回去，高度会变成多少呢？

从上面我画的红黑树的例子和定义看，在红黑树中，红色节点不能相邻，也就是说，有一个红色节点就要至少有一个黑色节点，将它跟其他红色节点隔开。

红黑树中包含最多黑色节点的路径不会超过 log2n，所以加入红色节点之后，最长路径不会超过 2log2n，也就是说，红黑树的高度近似 2log2n。

所以，红黑树的高度只比高度平衡的 AVL 树的高度（log2n）仅仅大了一倍，在性能上，下降得并不多。这样推导出来的结果不够精确，实际上红黑树的性能更好。

我们学习数据结构和算法，要学习它的由来、特性、适用的场景以及它能解决的问题。

红黑树是一种平衡二叉查找树。

它是为了解决普通二叉查找树在数据更新的过程中，复杂度退化的问题而产生的。

红黑树的高度近似 log2n，所以它是近似平衡，插入、删除、查找操作的时间复杂度都是 O(logn)。

因为红黑树是一种性能非常稳定的二叉查找树，所以，在工程中，但凡是用到动态插入、删除、查找数据的场景，都可以用到它。

不过，它实现起来比较复杂，如果自己写代码实现，难度会有些高，这个时候，我们其实更倾向用跳表来替代它。