腾讯面试题

1. 一条SQL语句执行得很慢的原因有哪些？

• 1、大多数情况是正常的，只是偶尔会出现很慢的情况。
• 2、在数据量不变的情况下，这条SQL语句一直以来都执行的很慢。

针对偶尔很慢的情况

• 1、数据库在刷新脏页（flush）
  当我们要往数据库插入一条数据、或者要更新一条数据的时候，我们知道数据库会在内存中把对应字段的数据更新了，但是更新之后，这些更新的字段并不会马上同步持久化到磁盘中去，而是把这些更新的记录写入到 redo log 日记中去，等到空闲的时候，在通过 redo log 里的日记把最新的数据同步到磁盘中去。
  当内存数据页跟磁盘数据页内容不一致的时候，我们称这个内存页为“脏页”。内存数据写入到磁盘后，内存和磁盘上的数据页的内容就一致了，称为“干净页”。
• 锁
  表锁和行锁

一直都这么慢的情况

• 索引

• 字段没有索引
• 字段有索引，但却没有用索引
• 函数操作导致没有用上索引
• 全表扫描

1. 为什么有了二查找查找树/平衡树还需要红黑树

二叉查找树的缺点
二叉查找树，相信大家都接触过，二叉查找树的特点就是左子树的节点值比父亲节点小，而右子树的节点值比父亲节点大.

基于二叉查找树的这种特点，我们在查找某个节点的时候，可以采取类似于二分查找的思想，快速找到某个节点。n 个节点的二叉查找树，正常的情况下，查找的时间复杂度为 O（logn）.
之所以说是正常情况下，是因为二叉查找树有可能出现一种极端的情况

这种情况也是满足二叉查找树的条件，然而，此时的二叉查找树已经近似退化为一条链表，这样的二叉查找树的查找时间复杂度顿时变成了 O(n)，可想而知，我们必须不能让这种情况发生，为了解决这个问题，于是我们引申出了平衡二叉树.
平衡二叉树
平衡二叉树就是为了解决二叉查找树退化成一颗链表而诞生了，平衡树具有如下特点
1、具有二叉查找树的全部特性。
2、每个节点的左子树和右子树的高度差至多等于1。
例如：图一就是一颗平衡树了，而图二则不是(节点右边标的是这个节点的高度)

对于图二，因为节点9的左孩子高度为2，而右孩子高度为0。他们之间的差值超过1了。
于是，通过平衡树，我们解决了二叉查找树的缺点。对于有 n 个节点的平衡树，最坏的查找时间复杂度也为 O(logn)。
为什么有了平衡树还需要红黑树？
虽然平衡树解决了二叉查找树退化为近似链表的缺点，能够把查找时间控制在 O(logn)，不过却不是最佳的，因为平衡树要求每个节点的左子树和右子树的高度差至多等于1，这个要求实在是太严了，导致每次进行插入/删除节点的时候，几乎都会破坏平衡树的第二个规则，进而我们都需要通过左旋和右旋来进行调整，使之再次成为一颗符合要求的平衡树。
显然，如果在那种插入、删除很频繁的场景中，平衡树需要频繁着进行调整，这会使平衡树的性能大打折扣，为了解决这个问题，于是有了红黑树，红黑树具有如下特点:
1、具有二叉查找树的特点。
2、根节点是黑色的；
3、每个叶子节点都是黑色的空节点（NIL），也就是说，叶子节点不存数据。
4、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。
5、每个节点，从该节点到达其可达的叶子节点是所有路径，都包含相同数目的黑色节点。

正是由于红黑树的这种特点，使得它能够在最坏情况下，也能在 O(logn) 的时间复杂度查找到某个节点。不过，与平衡树不同的是，红黑树在插入、删除等操作，不会像平衡树那样，频繁着破坏红黑树的规则，所以不需要频繁着调整，这也是我们为什么大多数情况下使用红黑树的原因。
不过，如果你要说，单单在查找方面的效率的话，平衡树比红黑树快。
所以，我们也可以说，红黑树是一种不大严格的平衡树。也可以说是一个折中发方案
平衡树是为了解决二叉查找树退化为链表的情况，而红黑树是为了解决平衡树在插入、删除等操作需要频繁调整的情况。

红黑树有哪些应用场景？
集合容器的hashMap，TreeMap。
epoll在内核中的实现，用红黑树管理事件块
linux内核的可扩展I/O事件通知机制，应用于高性能网络程序场景，在内核cache中用红黑树储存事件块，保证较快的查询速度。
nginx中，用红黑树进行超时管理
Nginx为网页服务器，在进行超时管理时，通过红黑树存储超时时间对象，每次找到key最小的节点，然后进行判断是否超时，超时就处理，直到取出的未超时的事件。
Java的TreeMap实现
TreeMap是Java中key-value的集合，根据key值的自然顺序进行排序，或者依据比较函数。

构建一棵节点个数为 n 的红黑树，时间复杂度是多少？

红黑树与哈希表在不同应该场景的选择？

红黑树有哪些性质？

红黑树各种操作的时间复杂度是多少？