面试终结者——“红黑树”实现原理

红黑树（Red Black Tree）是一种自平衡的二叉搜索树，（也叫二叉查找树，该树的结构特点是左子树的键值总小于根节点的键值，右子树的键值总大于根节点的键值），以前也叫平衡二叉 B 树（Symmetric Binary B-Tree）。

预备知识

树的知识结构图，大致如下所示：

• 平衡二叉搜索树

平衡二叉搜索树，英文简称BBST，经典常见的有AVL树和红黑树。
1、二叉搜索树，是二叉树的一种，英文简称BST，前文有介绍过。
2、平衡：就是说当节点数量固定时，左右子树的高度越接近，这棵二叉树越平衡（高度越低）。而最理想的平衡就是完全二叉树 / 满二叉树，高度最小的二叉树。

一颗二叉搜索树平均时间复杂度可以是树得高度O(h)。就像左边这颗，节点的左右子树高度接近描述与一颗平衡二叉树，O（h）= O(logN)；而右边这颗，高度达到了最大，已经退化为了链表，O（h）=O（N)。
3、改进二叉树，当二叉树退化为链表时，性能是很低的，所以我们可以在节点的插入、删除操作之后，进行二叉搜索树恢复平衡。

• AVL树

AVL树是最早发明的自平衡二叉搜索树之一，其中有代表某节点左右子树高度差的平衡因子，每个叶子节点的平衡因子都为 0.看下面这两幅草图

可以看出它们对应的平衡因子，而右边的这颗AVL树的结构特点很明显，总结如下：
A、每个节点的平衡因子只有可能是0、-1、1这三个值（如果绝对值超过1，则是去平衡）
B、每个节点的左右子树的高度差不超过1
C、搜索、插入、删除的时间复杂度都为O（logN）。

• B 树

B 树是一中平衡多路搜索树，多用于文件系统、数据库等方面。
下面是一个 3 阶 B 树

特点如下：
A、1 个节点可以存储超过 2 个元素，可以拥有超过 2 个子结点
B、拥有二叉搜索树的一些性质
C、平衡，每个节点的所有子树高度都一样
D、比较矮

• m 阶 B 树的性质（m ≥ 2）

1、m 阶 B 树指的是一个结点最多拥有 m 个子结点。假设一个结点存储的元素个数为 x，那么如果这个结点是：
根结点：1 ≤ x ≤ m - 1
非根结点：┌ m / 2 ┐ - 1 ≤ x ≤ m - 1
2、如果有子结点，子结点个数为 y = x + 1，那么如果这个结点是：
根结点：2 ≤ y ≤ m
非根结点：┌ m / 2 ┐ ≤ y ≤ m
向上取整（Ceiling） 指的是取比自己大的最小整数，用数学符号 ┌ ┐ 表示；向下取整（Floor），指的是取比自己小的最大整数，用数学符号 └ ┘ 表示。
比如 m=3，子结点个数 2≤y≤3，这个 B 树可以称为（2，3）树、2-3 树。
比如 m=4，子结点个数 2≤y≤4，这个 B 树可以称为（2，4）树、2-3-4 树。
比如 m=5，子结点个数 3≤y≤4，这个 B 树可以称为（3，5）树、3-4-5 树。
以此类推。

这是一棵二叉搜索树，通过某些父子结点合并，恰好能与上面的 B 树对应。
我们可以得到结论：
1、B 树和二叉搜索树，在逻辑上是等价的
2、多代结点合并，可以获得一个超级结点，且 n 代合并的超级结点，最多拥有 (2^n) 个子结点 （至少是 (2^n) 阶 B 树）

红黑树的定义与性质

红黑树是一种含有红黑节点且能够自平衡的二叉搜索树。

为了保证平衡，红黑树必须满足以下性质：
1、每个节点要么是红色，要么是黑色
2、根节点必须是黑色
3、叶节点（外部节点、空节点）是黑色
4、红色节点不能连续（也就是说，红色节点的孩子和父亲都是黑色）
5、对于每个节点、从该结点至 null（树尾端）的任何路径都包含所相同个数的黑色节点

红黑树与 B 树的等价交换

根据上面的性质，可以画出这样一棵红黑树。接下来对红黑树做等价变换，即将所有的红色结点上升一层与它的父结点放在同一行，这就很像一棵 4 阶 B 树，转换效果如下图所示。

可以得出结论：

• 红黑树与 B 树（2-3-4树）具有等价性
• 黑色节点和红色节点融合在一起，形成一个 B 树节点
• 红黑树的黑色节点个数与4阶 B 树的节点总个数相等

红黑树的基本操作

当我们对一颗平衡二叉搜索树进行插入、删除的时候，很可能会让这颗二叉树失去平衡。为了保持平衡，需要对二叉树进行旋转操作。而红黑树能够达到自平衡，靠的是树的左旋和右旋。旋转都是局部来操作树的结构：当一侧子树的节点少了，像另外一侧“借”一些节点，当一侧子树的节点多了，就将多余的节点“租”给另一侧。
为了搞清楚下面讲的内容，我们先应该熟悉一些下面定义的这些变量：

N-node ：当前节点
P-parent：父节点
S-sibling：兄弟节点
U-Uncle：叔父节点（p的兄弟节点）
G-grand：祖父节点（p的父节点）

• 左旋

左旋指的是，以某一个节点作为支点（旋转节点），其右子结点变为旋转节点的父节点，右子节点的左子节点变为旋转节点的右子节点，左子节点保持不变。

• 右旋
  右旋指的是，以某一个节点作为支点（旋转节点），其左子结点变为旋转节点的父节点，左子节点的右子节点变为旋转节点的左子节点，右子节点保持不变。

• 变色规律

将左旋、右旋和变色结合起来，得到下面一套变色规律
变色：如果当前节点的父节点和叔父节点都是红色

• 把父节点和叔父节点变为黑色
• 把祖父节点变为红色
• 把指针定义到祖父节点

左旋：当前节点是做右子树，且父节点是红色，叔父节点是黑色，对它的父节点进行左旋。
右旋：当前节点是左子树，且父节点是红色，叔父节点是黑色，那么

• 把父节点变为黑色
• 把祖父节点变为红色
• 对祖父节点右旋

红黑树搜索

由于红黑树本来就是二叉搜索树，并且搜索也不会破坏二叉树的平衡性，所以搜索算法也与平衡二叉搜索树一致：

具体步骤如下：

• 从根节点开始检索，把根节点设置为当前节点。
• 若当前节点为空，返回null。
• 若当前节点不为空，比较当前节点对应的key和搜索key的大小。
• 若当前节点的key＝搜索的key，那么该key就是要找的节点，返回当前节点。
• 若当前的key > 搜索的key，把当前节点的左子树节点设置为当前节点，重复步骤二。
• 若当前的key < 搜索的key，把当前节点的右子树节点设置为当前节点，重复步骤二。

红黑树插入

• 定位插入位置

具体步骤如下：

• 从根节点开始检索。
• 当根节点为空，直接插入待插入的节点做为根节点，插入结束。
• 若根节点不为空，把根节点设置为当前节点。
• 若当前节点为空，返回当前节点的父节点，插入结束。
• 若当前节点的key = 待插入节点的key，那么该key所在节点就是带插入节点的插入位置，这时候更新节点的值，插入结束。
• 若当前节点的key > 待插入节点的key，把当前节点的左子树节点设置为当前节点，重复步骤二。
• 若当前的key < 待插入节点的key，把当前节点的右子树节点设置为当前节点，重复步骤二。

• 插入后实现自平衡

建议新插入的节点默认为红色，因此这样可以尽快满足红黑树的性质，如果插入节点为根节点，默认为黑色。这里总结一下红黑树的插入可能的场景：
###### 红黑树删除

• 定位删除的位置

定位位置的话，可以复用红黑树搜索的操作。
如果不存在目标节点，忽略本次操作；如果找到了目标节点，删除后进行自平衡处理。

• 删除后的自平衡