数据结构之红黑树

平衡二叉树（AVL）

左右子树的高度相差不超过 1 的树为平衡二叉树。为了提高二叉搜索树的查找效率而提出的。（二叉搜索树可能会退化成链，此时查找时间复杂度为O(n)）
平衡二叉树的优点是搜索效率很快，但是插入和删除效率不高(要严格保证平衡因子不大于1，需要不断消除最小失衡子树)，
如果插入和删除频繁的话，平衡二叉树的效率又体现不出来了。
在此基础上，又发展出了红黑树的这种数据结构，红黑树相对平衡二叉树来说，插入和删除效率较高，插入最多只需要2次旋转，删除最多需要3次旋转。

红黑树

红黑树是对树结构的一种高度综合运用，涉及到多叉树，树平衡调整，节点旋转等等，这些是对数据结构基本功的最佳历练。

应用场景

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。
诸如Java中HashMap的底层实现，在JDK1.8中为了解决过度哈希冲突带来的长链表，会将链表转为红黑树；
Linux底层的CFS进程调度算法中，vruntime利用红黑树来进行存储；多路复用技术的Epoll的核心结构也是红黑树+双向链表。
我们不会直接去手写一个可用的红黑树，但是了解红黑树的结构，有助于我们去理解一些底层具体实现。

五大规则

0、节点非黑即红
1、nil节点为黑
2、根节点为黑
3、红节点的子节点都为黑
4、从任一节点到其每个叶子的所有路径，都包含相同数目的黑色节点
设红黑树高度为h，非叶子节点数为n
则h<=2log2(n+1)

定义

红黑树也是一种自平衡二叉查找树，它与AVL树类似，都在添加和删除的时候通过旋转操作保持二叉树的平衡，以求更高效的查询性能。
与AVL树相比，红黑树牺牲了部分平衡性，以换取插入/删除操作时较少的旋转操作，整体来说性能要优于AVL树。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.

选择以二叉树为基础，在二叉树的属性中加入一个颜色属性来表示2-3-4树中不同的节点。
2-3-4树中的2节点对应着红黑树中的黑色节点，而2-3-4树中的非2节点是以红节点+黑节点的方式存在，
红节点的意义是与黑色父节点结合，表达着2-3-4树中的3，4节点。

去掉下图的红色节点，则会得到一棵四叉树

#define RED 1
#define BLACK 0
typedef struct node 
{
	bool color;// 记录节点颜色的 color 属性，暂定 true 表示红色
	int data;//数据
	struct node *right;
	struct node *left;
	struct node *parent;// 为了方便迭代插入，所需的 parent 属性
} RBNode;
typedef struct _rbtree 
{
	RBNode *root; // 当前红黑树的根节点，默认为 NULL
	RBNode *nil; // 叶子节点都指向 nil
} RBTree;

RBT类似属于一种空间换时间类型的优化，
在节点上，增加了颜色属性的数据，相当于增加了空间的消耗。通过颜色属性的增加 换取 后面平衡操作的次数减少。任何不平衡都会在三次旋转之内解决
虽然，红黑树没有像AVL树那样严格平衡，但是也需要一定的平衡，要符合“从任一节点到其每个叶子的所有路径，都包含相同数目的黑色节点”，
即黑色完美平衡。

常见方法（函数）

RBTree *init();//初始化一颗红黑树
void leftRotate(RBTree *T, RBNode *x);//左旋
void rightRotate(RBTree *T, RBNode *y);//右旋
void insert(RBTree *T, RBNode *z);//插入结点
void insertFix(RBTree *T, RBNode *z);// 插入之后需要调整树的结构
RBNode *deleteRBNode(RBTree *T, RBNode *z);//删除结点
void deleteRBNodeFix(RBTree *T, RBNode *x);// 删除之后需要调整树的结构
RBNode *RBTree_mini(RBTree *T, RBNode *x);// 找右子树中的最小节点
RBNode *RBTree_maxi(RBTree *T, RBNode *x);// 找左子树中的最大节点
RBNode *RBTree_successor(RBTree *T, RBNode *x);//儿子节点有两个孩子，用后继节点替
换待删除的节点
RBNode *RBTree_search(RBTree *T, int data);//查找
void RBTree_middleOrderTraverse(RBTree *T, RBNode *node);//中序遍历

1、左旋、右旋、变色（恢复平衡操作）

2、插入（添加）

默认插入节点为红色，因为父节点为黑色的概率较大，这样可以减少颜色冲突。
插入与二叉搜索树的插入操作一样，插入后，可能会出现失衡。
有以下情况

（1）插入的值已存在

不做任何操作

（2）树为空

直接把节点插入，并将该节点置为黑节点

（3）父节点为黑色

插入的节点为红色，不会产生颜色冲突，且不影响平衡，直接插入

（4）父节点为红色

违反性质“每个红节点的子节点必为黑色”

a、父节点和叔节点都为红色

将父节点和叔节点改为黑节点，祖父节点设为红节点。再对祖父节点进行判断是否失衡，如果失衡，则继续进行上述操作，直至平衡

b、父节点为红，叔节点为黑

此情况有四种情况：LL、LR、RR、RL失衡

LL失衡：新插入节点为父节点的左节点，父节点为祖父节点的左节点

平衡操作：将父节点变为黑色，祖父节点设为红色，对祖父节点进行右旋

LR失衡：新插入节点为父节点的右节点，父节点为祖父节点的左节点

平衡操作：对父节点进行左旋（变为LL失衡），将新父节点变为黑色，将祖父节点变为红色，再对祖父节点进行右旋

RR失衡：新插入节点为父节点的右节点，父节点为祖父节点的右节点

平衡操作：将父节点变为黑色，祖父节点变为红色，对祖父节点进行左旋

RL失衡：新插入节点为父节点的左节点，父节点为祖父节点的右节点

平衡操作：对父节点进行右旋操作，将新父节点变为黑色，将祖父节点变为红色，对祖父节点进行左旋操作

3、删除

删除叶子节点，可能违反性质“叶子节点必为黑色”和“从任一节点到其每个叶子的所有路径，都包含相同数目的黑色节点”
删除操作与二叉搜索树的操作一样，只是多了平衡处理

删除操作

a、删除节点为叶子节点

直接删除该节点

b、删除节点只有一个子节点

删除该节点，并使用子节点替代当前节点

c、删除节点有两个子节点

找出后继节点（即右节点的最左节点，右子树中最小的节点），删除当前节点，并用后继节点替代当前节点（直接复制节点值），在子树里删除后继节点

平衡处理

（1）删除节点为叶子节点

1）若为红节点，直接删除。

2）若为黑节点，
a、删除节点为根节点，则将该树置为空树

b、如果不是根节点，则其必有兄弟节点（如果没有兄弟节点，会失衡）

当兄弟节点为黑色（A-F）

A、兄弟节点为黑色，且子节点都为黑色，父节点为红色

则删去节点，然后将兄弟节点染为红色，父节点染为黑色。

B、兄弟节点为黑色，且子节点都为黑色，父节点为黑色

则删去节点，然后将兄弟节点染为红色。（此时因为父节点本身就是黑色，兄弟节点染为红色，会导致该树的黑节点少1，需要进行自平衡，向上染色递归处理）

C、兄弟节点为黑色，兄弟节点为父节点的左节点，且兄弟节点的左节点为红节点

则删去节点，然后交换父节点和兄弟节点的颜色，并将兄弟节点的左节点染为黑，然后对父节点进行右旋操作

D、兄弟节点为黑色，兄弟节点为父节点的右节点，且兄弟节点的右节点为红节点

则删去节点，然后交换父节点和兄弟节点的颜色，并将兄弟节点的右节点染为黑色，然后对父节点进行左旋操作

E、兄弟节点为黑色，兄弟节点为父节点的左节点，且兄弟节点的右节点为红节点

则交换兄弟节点和兄弟节点的右节点的颜色，对兄弟节点进行左旋操作，接下来按照C的操作即可。

F、兄弟节点为黑色，兄弟节点为父节点的右节点，且兄弟节点的左节点为红节点

则交换兄弟节点和兄弟节点的左节点的颜色，对兄弟节点进行右旋操作，接下来按照D的操作即可。

当兄弟节点为红色（G-），此时兄弟节点的两个子节点和父节点必为黑色

G、兄弟节点为红色，兄弟节点为父节点的左节点

Ga、交换兄弟节点和父节点的颜色，对父节点进行右旋操作，接下来按照A的操作即可

Gb、交换兄弟节点和父节点的颜色，对父节点进行右旋操作，然后交换父节点A和E的颜色，将F染为黑，对A右旋，删去C即可

Gc、交换-右旋，然后交换E和F的颜色，对父节点A右旋，删去节点C即可

H、兄弟节点为红色，兄弟节点为父节点的右节点

Ha、交换-左旋，然后交换父节点A和E的颜色，删去节点即可
图中左旋后的D和E位置错误了，正确的图应该将D、E调换位置

Hb、交换-左旋，然后交换父节点A和D的颜色，将节点F染为黑色，对父节点A进行左旋，删去节点C即可

Hc、交换-左旋，然后交换D和F的颜色，对父节点A进行左旋，删去节点C即可

红黑树详解