红黑树讲解

定义和规则

定义：红黑树是一种含有红黑节点并能自平衡的二叉查找树，在进行插入和删除等可能会破坏树的平衡的操作时，需要重新自调整达到平衡状态，这里平衡的含义是保证最长路径不超过最短路径的两倍。红黑树是一种非严格平衡的二叉查找树，即不完全符合左右子树的高度差最大为1这个条件

二叉查找树定义：二叉查找树（Binary Search Tree，简称BST）是一棵二叉树，它的左子节点的值比父节点的值要小，右节点的值要比父节点的值大。它的高度决定了它的查找效率

二叉查找树特性：在理想的情况下，二叉查找树增删查改的时间复杂度为O(logN)（其中N为节点数），最坏的情况下为O(N)。当它的高度为logN+1时，我们就说二叉查找树是平衡的

规则：

1、根节点是黑色
2、每个节点非黑即红
3、每个叶子节点（Nil）是黑色
4、每个红色节点的两个子节点一定是黑色（不能有连续的红色节点）
5、任意一节点到每个叶子节点的路径都包含相同数量的黑节点

红黑树示例如下图：

应用：Java 中的 TreeMap 和 JDK 1.8 中的 HashMap 都是基于红黑树结构实现的

特性：插入和删除复杂度都是 O（lgn），且最多旋转三次

优缺点

优点：查询效率高，查询最坏时间复杂度是 O（logn）即整棵树刚好是红黑相隔

缺点：插入删除等操作时需要耗时自调整达到新的平衡状态

为什么要有红黑树？

试想一下，如果二叉树的左右子树高度差相差很大的话，如下图二叉树：

这种二叉树查询起来基本上是线性查询（即需要一层一层的遍历判断查找），比较耗时，为了解决这个问题，引入了具有平衡特性的红黑树

红黑树的三种操作

红黑树进行插入、删除等操作时之所以可以自调整达到平衡状态得益于以下三种操作

1、左旋

以某个节点作为支点(旋转节点)，其右子结点变为旋转节点的父节点，右子节点的左子结点变为旋转节点的右子节点，左子节点保持不变。示例如下图：

上述图中，以 P 为旋转节点，P 节点的右节点 V 作为了 P 的父节点，V 节点的左节点 R 作为了 P 的右节点，左子节点 F 保持不变

2、右旋

以某个节点作为支点(旋转节点)，其左子节点变为旋转节点的父节点，左子节点的右子结点变为旋转节点的左子节点，右子节点保持不变。示例如下图：

上述图中，以 P 为旋转节点，P 节点的左节点 F 作为了 P 的父节点，F 节点的右节点 K 作为了 P 的左节点，右子节点 V 保持不变

3、变色

节点的颜色由红色变为黑色或者黑色变为红色

红黑树查找

红黑树是一颗平衡二叉树，所以它的查找和平衡二叉树查找是一样的，查找步骤如下：

1、从根节点开始查找，把根节点设置为当前节点

2、如果当前节点为空，直接返回

3、如果当前节点不为空，则用当前节点的 key 和 查找 key 作比较

4、如果当前节点的 key 等于 查找 key，那么返回 该 key 对应的节点

5、如果当前节点的 key 大于 查找 key，则把当前节点的左子节点设置为当前节点，重复步骤 2

6、如果当前节点的 key 小于 查找 key，则把当前节点的右子节点设置为当前节点，重复步骤 2

查找流程图如下：

查找 22 示例如下

红黑树如下：

过程如下图：

红黑树插入

红黑树的插入包含两个步骤：一是查找位置插入节点，二是调整自平衡

一、查找位置插入节点

步骤如下：

1、从根节点开始查找，若根节点为空，那么插入节点作为根节点，结束

2、若根节点不为空，那么把根节点作为当前节点

3、若当前节点为 null，返回当前节点的父节点，结束（没有找到插入节点的位置）

4、若当前节点 key 等于查找 key，那么该 key 所在结点就是插入节点，更新节点的值，结束

5、若当前节点 key 大于查找 key，把当前节点的左子节点设置为当前节点，重复步骤 3

6、若当前节点 key 小于查找 key，把当前节点的右子节点设置为当前节点，重复步骤 3

查找位置插入节点流程图：

这里有个问题就是插入的节点到底是黑色还是红色的呢？

答案是 红色 的，因为如果是黑色的话，肯定打破了红黑树特点5，即任意节点到叶子节点的黑色节点数量将会不相等

二、调整自平衡

红黑树原有节点只有25、15，如下图：

插入13 节点之后，红黑树经过插入、节点变色、自平衡之后成为了新的红黑树，整个过程如下：

 

红黑树删除

红黑树的删除比插入更复杂，包含三个步骤：一是查找位置删除节点（和插入节点步骤一样），二是替代节点替换被删除的节点，三是调整自平衡

一、查找位置删除节点

步骤如下：

1、从根节点开始查找，若根节点为空，结束

2、若根节点不为空，那么把根节点作为当前节点

3、若当前节点为 null，返回当前节点的父节点，结束（没有找到删除的节点）

4、若当前节点 key 等于查找 key，那么该 key 所在结点就是要删除的节点，删除当前节点，结束

5、若当前节点 key 大于查找 key，把当前节点的左子节点设置为当前节点，重复步骤 3

6、若当前节点 key 小于查找 key，把当前节点的右子节点设置为当前节点，重复步骤 3

二、替代节点替换被删除的节点

替代节点替换被删除的节点有以下三种场景：

1、若删除的节点无子节点，则直接删除即可，无需替代节点

2、若删除的节点只有一个子节点，则用其子节点替换被删除的节点

3、若删除的节点有两个节点，则可以使用其后继节点（大于删除节点的右子树最小节点）替换删除节点，或者也可以使用前继节点（小于删除节点的左子树最大节点）替换删除节点

这里说一下怎么样很轻松的找到前继节点和后继节点的方法，脑子中将二叉树的所有节点投射到x坐标上，姑且给这个方法命名为x坐标位置映射法，如下图所示：

例如： P 节点的后继节点就是 R，前继节点就是 M，因此如果删除 P 节点，则使用后继节点 R 替换 P 节点位置或者使用前继节点 M 替换 P 节点位置

三、调整自平衡

下面我们以删除节点25为例，演示一下删除过程，删除25节点之前的红黑树如下图：

这里我们使用前继节点来替换删除节点 25 的位置，根据前面提到的x坐标位置映射法可知  25 的 前继节点是 22，因此删除节点 25的过程如下图所示：

总之，红黑树删除后自平衡的处理可以总结为：

1、自己能搞定的自己处理

2、自己不能搞定的叫兄弟帮忙

3、兄弟都帮忙不了的，通过父母，找远方亲戚帮忙

常见问题

1、红黑树新插入的节点是什么颜色？

红色

原因：插入黑节点必然会影响规则5（所有路径都含有相同数目的黑色节点）这一原则，较难维护

2、根节点为什么是黑色？

性能问题

原因：如果根节点是红色的话，此时增加一个节点（节点必须是黑色，不然打破了规则4）后，则如下图：

此时可以看出，左边黑色节点0个，右边黑色节点1个，该红黑树打破了规则5，即每条路径上的黑色节点数量不一样，那么需要以节点 1 为旋转节点左旋，左旋之后如下图：

从上述图中可以看出，此时该红黑树符合所有规则了。因此如果根节点是红色的话，还需要另外的步骤（旋转）来达到所有规则，这样子肯定耗性能

3、为什么所有的路径上不能有两个连续的红色节点？

为了保证树的平衡，即保证最长路径不超过最短路径的的两倍

原因：通过黑色节点数量来控制树的平衡，最短路径是全是黑色节点，而最长路径则是黑红相隔。由于根节点是黑色的，因此最长路径上应该是黑色和红色节点一样多，而红色节点不能连续则保证了红色节点层数小于等于黑色层数

红黑树和AVL树的比较请参考文章：https://blog.csdn.net/ywlmsm1224811/article/details/97792538

红黑树网页版示例生成链接：https://www.cs.usfca.edu/~galles/visualization/RedBlack.html