数据结构之红黑树

目录

前言：

 平衡二叉树

红黑树的定义 

为什么说红黑树是近似的平衡二叉树 

问题：

总结：

参考资料

---

前言：

 一提到红黑树，我们可能想到的就是HashMap在jdk8的时候，那红黑树的结构到底是什么样的勒、接下来我们便开始学习红黑树。

---

 平衡二叉树

 在学习红黑树之前，我们需要了解平衡二叉树，平衡二叉树的定义是：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。

 

那为什么需要建立平衡二叉树勒。因为二叉查找树在频繁的动态更新的过程中，可能会出现树的高度远大于log2n的情况，从而导致各个操作的效率下降。在极端情况下，二叉树会退化为链表。平衡二叉树就是为了解决这种复杂的情况而被设计出来的。

而红黑树就是一种非严格意义上的平衡二叉树，因为红黑树中并没有严格遵循左右子树的高度相差不大于1。

红黑树的定义 

红黑树中节点，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：

• 根节点是黑色的
• 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。
• 任何相邻的节点都不能同时为红色，也就是，红色节点是被黑色节点隔开的;
• 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。

 

为什么说红黑树是近似的平衡二叉树 

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。

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。

问题：

为什么工程中都用红黑树这种二叉树？

AVL 树是一种高度平衡的二叉树，所以查找的效率非常高，但是，有利就有弊，AVL 树为了维持这种高度的平衡，就要付出更多的代价。每次插入、删除都要做调整，就比较复杂、耗时。所以，对于有频繁的插入、删除操作的数据集合，使用 AVL 树的代价就有点高了。

红黑树只是做到了近似平衡，并不是严格的平衡，所以在维护平衡的成本上，要比 AVL 树要低。所以，红黑树的插入、删除、查找各种操作性能都比较稳定。

对于工程应用来说，要面对各种异常情况，为了支撑这种工业级的应用，我们更倾向于这种性能稳定的平衡二叉查找树。

动态数据结构支持动态的数据插入、删除、查找操作，除了红黑树，还有哪些呢？能对比一下各自的优势、劣势，以及应用场景吗？

• 散列表：插入删除查找都是O(1), 是最常用的，但其缺点是不能顺序遍历以及扩容缩容的性能损耗。适用于那些不需要顺序遍历，数据更新不那么频繁的。
• 跳表：插入删除查找都是O(logn), 并且能顺序遍历。缺点是空间复杂度O(n)。适用于不那么在意内存空间的，其顺序遍历和区间查找非常方便。
• 红黑树：插入删除查找都是O(logn), 中序遍历即是顺序遍历，稳定。缺点是难以实现，去查找不方便。其实跳表更佳，但红黑树已经用于很多地方了。

总结：

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。 

参考资料

本章内容来源于对王争大佬的《数据结构与算法之美》的专栏。

25 | 红黑树（上）：为什么工程中都用红黑树这种二叉树？-极客时间

26 | 红黑树（下）：掌握这些技巧，你也可以实现一个红黑树-极客时间