红黑树理论与实现（待补充）

红黑树的定义与性质

• 红黑树是一种含有红黑结点，并能自平衡的二叉查找树
  

具有以下性质

• 每个结点要么是黑色，要么是红色
• 根结点是黑色
• 每个叶子结点（NIL）是黑色
• 每个红色结点的两个子结点一定都是黑色
• 任意一个结点到每个叶子结点的路径都包含相同数量的黑结点

其他相似性质定义

• 红链接均为左链接（左子结点是红色的）
• 两个红链接不能相连在一起（根结点是黑色）
• 红黑树是完美黑色平衡
• 空结点的链接颜色是黑色

在实际代码中，可以用常量来表示红黑，调用一个方法可判定是黑是红。代码示例：

private boolean isRed(Node node){
        if(node == null) return false;
        return node.color == RED;
    }

红黑树自平衡最小单元

红黑树的自平衡每次只考虑 CPGU 三代即可，其余部分无需考虑

• 祖父 G
• 父母 P
• 叔叔 U
• 兄弟 B
• 根 R
  当前新增结点 C
  

红黑树自平衡的原子操作

红黑树的自平衡操作包括：变色、旋转。
其中旋转又可以分为左旋和右旋。旋转要有圆心，方向。

左旋转

右旋转

旋转过程的分解分析可以参考 AVL 树的旋转
AVL 树的旋转过程

重点：红黑树的增加与删除，都得遵循最基础的几个性质！！即所有的 “变色”、“旋转” 操作都是为了使得该红黑树满足其性质：

• 根结点是黑色的
• 红色结点的两个子结点是黑色的
• 每个叶子结点 Nil 是黑色的
• 任意一个结点到叶子结点路径中黑色结点的个数相同

红黑树的新增操作（图例）

时间复杂度：O(nlog(n)）

需要注意的情况

新增结点需要考虑父结点的情况

新增结点的各种情况

• 情况1：C = root
• 情况2：C.parent = black
• 情况3：C.parent = red && C.uncle = red
• 情况4：C.parent = red && (C.uncle = black || C.uncle is Nil)

对于以上四种情况的新增

图例

该图例仅帮助了解 变色 与 旋转 操作过程，不一定是最优方法。只需要懂得变色与旋转在平衡一颗红黑树是怎样操作即可。

• 初始红黑树（叶子结点都是 NIL）

• 向红黑树中插入 结点 21（新插入的结点都是红色）
  
  从图可发现，该树违反了红黑树的性质：红色结点（22）的两个子结点应该都是黑色的

• 调整红黑树——变色（截取红黑树部分，由前文提到的红黑树最小平衡单元——只考虑三代）
  
  其实可以发现，该红黑树又违反了红黑树性质之——任一结点到叶子结点路径中的黑色结点个数相同
  如 25 到 22 右子结点，跟 25 到 27 左子结点路径个数不同：3,2。

• 继续将结点 25 的颜色变成红色
  
  此处违反红黑树性质之——每个红色结点的两个子结点都是黑色：结点 25 、27 都是红色

• 将结点 27 变成黑色
  

• 此时整个红黑树图
  
  可以看到结点 17 、25 是连续的两个红色结点。此时不应该再通过 变色 调整红黑树（如果继续变色，即会让结点17变成黑色，根结点 13 变成红色，且13红色结点的左子结点为红色右子结点为黑色，违反两个性质），而是应该通过 旋转

• 从根结点开始左旋转
  

• 将根结点变成黑色
  
  此时看起来像是调整好了，实际上根结点的左子树中仍违反了性质——任一结点到叶子结点路径中黑色结点个数一样
  17->8->6->NIL：4
  17->15->NIL：3

• 在根结点的左子树中发生 右旋转
  
  

• 最后观察整个红黑树，再进行一次 变色 既可
  
  观察发现，符合红黑树的所有性质

• 根结点是黑色的

• 红色结点的两个子结点是黑色的

• 每个叶子结点 Nil 是黑色的

• 任意一个结点到叶子结点路径中黑色结点的个数相同

该例子操作过程：
$变色->左旋转->变色->右旋转->变色$

PS：该案例目的不是最佳调整方案，主要了解变色与旋转操作。

红黑树的代码实现

了解即可…
参考文章
参考实现代码
Java代码实现源码

红黑树与平衡二叉树的对比

• 平衡树（AVL)更平衡，结构上更加直观，时间效能针对读取而言更高，但维护较难，即每次插入、删除之后都需要重新维护树的平衡。
• 红黑树通过规则的设定，确保了插入、删除的最坏的时间复杂度是O(log n)
• 红黑树解决了平衡树（AVL）维护成本高的问题，放弃了追求完美平衡。红黑树的读取略逊于 AVL，维护性比平衡树强，每次插入、删除的平均旋转次数远小于平衡树（最多只需要三次旋转）
• 平衡二叉树追求绝对平衡，条件比较苛刻，实现起来比较麻烦，每次插入新结点之后需要旋转的次数不能预知

红黑树与 B+ 树用途的区别

• 红黑树多用在内部排序，即全放在内存中，STL的map和set的内部实现就是红黑树
• B+树多用在外存上，B+也被称为一个磁盘友好的数据结构

为什么 B+ 树磁盘友好？？

• 磁盘读写代价更低
• 查询效率更加稳定
• 遍历所有的数据更方便

为什么 MySql 索引使用 B+ 树而不使用红黑树

• B+ 树就是为文件存储而生的。
• 查询新能上比较
  数据库文件存储在磁盘中，定位一行信息需要查找该行文件所在柱面号，磁盘号，扇区号，页号，这个阶段十分耗时。每一次的定位请求意味着做一次 IO 操作，也意味着成倍的时间消耗。因此减少 IO 查询时提高性能查询的关键。而 IO查询的次数就是索引树的高度，高度越低查询的次数越少。同样的结点次数 红黑树的高度最多为 2log(n+1)，而 B+ 树的高度最多为 （log t(n+1）/2)+1，随着 t 增大高度会更小，IO 次数也会减少

---

B+树的查询时间大概是 log(n)
hash 存储索引查询时间 o(1)

为什么不用hash?

• 这与业务场景有关。如果只选一个数据，hash更快，但数据库中经常会选择多条，这时候由于B+树索引有序，并且又有链表相连，它的查询效率比hash就快很多了。
• 而且数据库中的索引一般是在磁盘上，数据量大的情况可能无法一次装入内存，B+树的设计可以允许数据分批加载，同时树的高度较低，提高查找效率。

小结

• 红黑树是平衡二叉树的一种，他保证在最坏情况下基本动态集合操作的时间复杂度为 O(log n)

• 具有以下性质

  • 每个结点要么是黑色，要么是红色
  • 根结点是黑色
  • 每个叶子结点（NIL）是黑色
  • 每个红色结点的两个子结点一定都是黑色
  • 任意一个结点到每个叶子结点的路径都包含相同数量的黑结点

• 可通过 变色 与 旋转 调整红黑树完成插入、删除操作