1、引入红黑树
今天在学习集合list、set和map的时候,发现set的一个实现类TreeSet和map的一个实现类TreeMap的底层数据结构都是红黑树,于是我仔细查阅了资料了解了什么是红黑树?
2、什么是红黑树?
官方解释:红黑树(Red Black Tree)是一种特殊的自平衡二叉树,简称RBT,即是一种特殊的平衡二叉树(AVL),都是在进行插入和删除操作时通过特定操作保持二叉查找树的平衡,从而获得较高的查找性能。 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。
说点人能听懂的:就是一种为了提高插入和删除操作的一种算法,最坏的时间复杂度:O(logn)
3、红黑树的五大性质
(1)结点是红色或者黑色。
(2)根结点是黑色。
(3)所有的叶子结点都是黑色。(叶子是NIL结点)
(4)每个红色结点的两个子节点都是黑色。(即不可能出现两个相邻的红色结点)
(5)从任一结点到每个叶子的所有路劲都包含相同数目的黑色结点。
4、话不多说,上图
从上面我们可以了解到,红黑树首先是满足平衡二叉树。那么我们先来看看二叉树(BST)具备什么特性呢?
(1)左子树上所有的结点的值均小于或等于它的根节点的值。
(2)右子树上所有的结点的值均大于或等于它的根结点的值。
(3)左、右子树也分别为二叉排序树。
下面这棵树,就是一颗典型的二叉排序树:
这样的数据结构有什么好处呢?我们来试着查找一下值为10的结点。
1、查看根结点9:
2、根据二叉查找树左子树小、右子树大的特性,10 > 9,因此值为10的结点只可能在根结点的右子树当中,我们查看右孩子结点13:
3、由于10 < 13,因此查看左孩子11:
4、由于10 < 11,因此查看左孩子10,发现10正是要查找的结点:
这样我们就找到了我们想要查找的值,这样的方法就像二分查找法一样, 这样的树看起来查找很方便,但是插入一个值的时候可能就没有你想象的那么友好了,我们来看看。
假设初始的二叉查找树只有三个结点,根结点值为9,左孩子值为8,右孩子值为12:
接下来我们依次插入如下五个结点:7,6,5。见证奇迹的时刻到了:
是不是看起来非常丑,像瘸了一条腿一样,是不是看起来就不平衡了,虽然这样的状态也符合二叉查找树的特性,但是查找的效率远远不如之前,几乎变成了线性查找,那我们应该怎样在插入的时候保证二叉树的平衡呢,那么红黑树就诞生了。
那么问题来了:什么情况下会破坏红黑树的规则,什么情况下不会破坏规则呢?我们举两个简单的例子:
1.向原红黑树插入值为14的新结点:
因为父节点为15黑色结点,插入后并不会破坏红黑树规则,所以不需要做任何调整。
2.向原红黑树插入值为21的新结点:
由于父结点22是红色结点,因此这种情况打破了红黑树的规则4(每个红色结点的两个子结点都是黑色),必须进行调整,使之重新符合红黑树的规则。
那么我们应该怎样调整才能满足红黑树的规则呢?
调整的方法有两种:变色和旋转,旋转又分为左旋转(逆时针)和右旋转(顺时针)。
那用图怎么表示呢?我们一起来看看。
变色:
为了重新符合红黑树的规则,尝试把红色结点变为黑色,或者把黑色结点变为红色。
下图所表示的是红黑树的一部分(子树),新插入的结点Y是红色结点,它的父亲结点X也是红色的,不符合规则4,因此我们可以把结点X从红色变成黑色:
但是,仅仅把一个结点变色,会导致相关路径凭空多出一个黑色结点,这样就打破了规则5,因此,我们需要对其他结点做进一步的调整。
左旋转:
逆时针旋转红黑树的两个结点,使得父节点被自己的右孩子取代,而自己成为自己的左孩子。
图中,身为右孩子的Y取代了X的位置,而X变成了自己的左孩子。此为左旋转。
右旋转:
顺时针旋转红黑树的两个结点,使得父结点被自己的左孩子取代,而自己成为自己的右孩子。大家看下图:
图中,身为左孩子的Y取代了X的位置,而X变成了自己的右孩子。此为右旋转。
5、引入题解
给定下面这颗红黑树,新插入的结点是21:
显然,新结点21和它的父结点22是连续的红色结点,违背了规则4,我们应该如何调整呢?
我们经过三次变色,22变为黑色,25变为红色,27变为黑色:
经过上面的调整,以结点25为根的子树符合了红黑树规则,但结点25和结点17成为了连续的红色结点,违背规则4。
于是,我们把结点25看做一个新结点,正好符合局面5的镜像:
“新结点的父结点是红色,叔叔结点是黑色或者没有叔叔,且新结点是父结点的右孩子,父结点是祖父结点的右孩子”
于是我们以根结点13为轴进行左旋转,使得结点17成为了新的根结点:
接下来,让结点17变为黑色,结点13变为红色:
如此一来,我们的红黑树变得重新符合规则。
6、总结
红黑色的大体思想就是上面描述的那样,里面还有很多情况要考虑,本文只是简单的讲述思想,大家有兴趣可以去百度上看各种情况的考虑。谢谢大家的支持!