GEOMETRIC APPLICATIONS OF BSTS

先看个基础的问题：

1. 1d range search：（对应到数据库就是range find）

如果只要查一次，遍历一次就好了，但是如果要查很多次呢（每次要查的范围不一样）？

如果待搜索的数据空间量还在变化呢？

这时，普通的brute-force就不行了，解决方案之一是把数据加到BST中，计算rank（比该节点的值小的节点有多少个）

这样就可以做到，无论是插入，查找多次都是logN的时间复杂度，如果要具体求出每个，也只要遍历二叉树就好了

有了上面计算一维空间范围的基础，就可以在此基础上进行一些更复杂的工作

2. line segment intersection：

对应的解决办法是：Sweep-line algorithm，想象一条竖线从做往右扫描，遇到一条横线的左端点，就把这条线的y坐标加到BST，遇到该横线的右端点就把这条横线的y坐标移除BST，

如果遇到的是竖线，就在这条竖线的范围内1d-search在该范围内的横线的y坐标

3. kd trees：

先看先看2维空间的2-d orthogonal range search来引出kd tree的概念

一个想法是对空间进行网格划分，避免不必要的搜索，但同时会需要额外的空间，这就有个trade-off，同时这种方法也不是很robost

可以看到上面的问题是没有考虑数据的实际分布，单纯的均匀划分，

如果按照点来进行空间的划分应该会好一点

BST层与层之间是横线划分和竖线划分交替的，

我们来看下，在这种划分下找在某一个区域的所有的点

可以看到二叉树的作用在于：当发现矩形在 划分线 的一侧时，另外一侧的点就不用搜索了

累世的可以推广到KD-tree

2D-tree还有很多的应用，在图形学里面应用也不少，比如要找到距离某个点A最近的点在哪

可以看到二叉树的作用在于：当点A到某条 划分线 的距离比当前optimal的距离还大时，那这条 划分线 另外一侧的点就不用搜索了