原文：红黑树深入剖析及Java实现，本文修改了原文的一些小错误，如果想看红黑树的Java实现可以到原文去看。
红黑树是平衡二叉查找树的一种。为了深入理解红黑树，我们需要从二叉查找树开始讲起。

BST

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。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。

BST的查找操作

T  key = a search key
Node root = point to the root of a BSTwhile(true){if(root==null){break;}if(root.value.equals(key)){return root;}else if(key.compareTo(root.value)<0){root = root.left;}else{root = root.right;}
}
return null;

从程序中可以看出，当BST查找的时候，先与当前节点进行比较：

如果相等的话就返回当前节点；
如果小于当前节点则继续查找当前节点的左节点；
如果大于当前节点则继续查找当前节点的右节点。

直到当前节点指针为空或者查找到对应的节点，程序查找结束。

BST的插入操作

Node node = create a new node with specify value
Node root = point the root node of a BST
Node parent = null;//find the parent node to append the new node
while(true){if(root==null)break;parent = root;if(node.value.compareTo(root.value)<=0){root = root.left;  }else{root = root.right;}
}
if(parent!=null){if(node.value.compareTo(parent.value)<=0){//append to leftparent.left = node;}else{//append to rightparent.right = node;}
}

插入操作先通过循环查找到待插入的节点的父节点，和查找父节点的逻辑一样，都是比大小，小的往左，大的往右。找到父节点后，对比父节点，小的就插入到父节点的左节点，大就插入到父节点的右节点上。

BST的删除操作

在二叉查找树中删除一个给定的结点p有三种情况：

结点p无左右孩子，则直接删除该结点，修改父节点相应指针。
结点p只有左孩子（右孩子），则把p的父节点和p的左孩子（右孩子）相连，然后删除p。
左右孩子同时存在，找到p的中序直接前驱s，也就是以p的左孩子为根结点的子树中最右的结点，把s的右孩子和p的右孩子相连，p的父节点和p的左孩子相连，然后删除p。

//从二叉查找树中删除指针p所指向的结点
if(p.right == null) //p的右子树为空
{  p = p.left;
}
else if(p.left == null) //p的左子树为空
{  p = p.right;
}
else //左右子树均不空
{  BSTNode s = p.left; //左孩子  while(s.right != null) //寻找结点p的中序前驱结点，                      {                   //也就是以s为根结点的子树中最右的结点   s = s.right;      }  s.right = p.right; //p的右孩子和s的右孩子相连   p = p.left; //p的左孩子和p的父节点相连
}

RBTree

然而BST的问题是：数在插入的时候会导致树倾斜，不同的插入顺序会导致树的高度不一样，而树的高度直接的影响了树的查找效率。理想的高度是logN，最坏的情况是所有的节点都在一条斜线上，这样的树的高度为N。

基于BST存在的问题，一种新的树——平衡二叉查找树(Balanced BST)产生了。平衡树在插入和删除的时候，会通过旋转操作将高度保持在logN。其中两款具有代表性的平衡树分别为AVL树和红黑树。AVL树追求全局平衡，导致插入和删除性能差，在实际应用中不如追求局部平衡的红黑树（Red-Black Tree，简称RBTree），比如Linux内核中的完全公平调度器、高精度计时器、ext3文件系统等，各种语言的函数库如Java的TreeMap和TreeSet，C++ STL的map、multimap、multiset等，Java 8中的HashMap也用到了RBTree取代过长的链表。

RBTree的定义

RBTree的定义如下:

任何一个节点都有颜色，黑色或者红色；
根节点是黑色的；
父子节点之间不能出现两个连续的红节点；
任何一个节点向下遍历到其子孙的叶子节点，所经过的黑节点个数必须相等；
空节点被认为是黑色的。

数据结构表示如下：

class  Node<T>{public   T value;public   Node<T> parent;public   boolean isRed;public   Node<T> left;public   Node<T> right;
}

RBTree在理论上还是一棵BST树，但是它在对BST的插入和删除操作时会维持树的平衡，即保证树的高度在[logN,logN+1]（极端的情况下可以出现RBTree的高度达到2*logN，但实际上很难遇到）。这样RBTree的查找时间复杂度始终保持在O(logN)从而接近于理想的BST。RBTree的删除和插入操作的时间复杂度也是O(logN)。
RBTree的查找操作就是BST的查找操作。

RBTree的插入操作

RBTree的插入与BST的插入方式是一致的，只不过是在插入过后，可能会导致树的不平衡，这时就需要对树进行旋转操作和颜色修复（在这里简称插入修复），使得它符合RBTree的定义。

新插入的节点是红色的，插入修复操作如果遇到父节点的颜色为黑则修复操作结束。也就是说，只有在父节点为红色节点的时候是需要插入修复操作的。

插入修复操作分为以下的三种情况：

插入操作-case 1

case-1：新插入节点的叔叔节点为红色。

此时操作是将父节点和叔叔节点与祖父节点的颜色互换，这样就符合了RBTRee的定义。下图中，操作完成后A节点变成了新的节点。如果A节点的父节点不是黑色的话，则继续做修复操作。

插入操作-case 2

case-2：新插入节点的叔叔节点为空，且祖父节点、父节点和新节点处于一条斜线上。

此时操作是将B节点进行右旋操作，并且和父节点A互换颜色。通过该修复操作RBTRee的高度和颜色都符合红黑树的定义。如果B和C节点都是右节点的话，只要将操作变成左旋就可以了。

插入操作-case 3

case-3：叔叔节点为空，且祖父节点、父节点和新节点不处于一条斜线上。

此时操作是将C节点进行左旋，这样就从case 3转换成case 2了，然后针对case 2进行操作处理就行了。case 2操作做了一个右旋操作和颜色互换来达到目的。如果树的结构是下图的镜像结构，则只需要将对应的左旋变成右旋，右旋变成左旋即可。

插入操作的总结

插入后的修复操作是一个向root节点回溯的操作，一旦牵涉的节点都符合了红黑树的定义，修复操作结束。之所以会向上回溯是由于case 1操作会将父节点，叔叔节点和祖父节点进行换颜色，有可能会导致祖父节点不平衡(红黑树定义3)。这个时候需要对祖父节点为起点进行调节，向上回溯，直到root节点为止，根据定义root节点永远是黑色的。

RBTree的删除操作

删除操作首先需要做的也是BST的删除操作，删除后就需要做删除修复操作，使的树符合红黑树的定义，符合定义的红黑树高度是平衡的。

删除修复操作是针对删除黑色节点才有的，当黑色节点被删除后会让整个树不符合RBTree的定义的第四条。需要做的处理是从兄弟节点上借调黑色的节点过来，如果兄弟节点没有黑节点可以借调的话，就只能往上追溯，将每一级的黑节点数减去一个，使得整棵树符合红黑树的定义。
删除修复操作在遇到被删除的节点是红色节点或者到达root节点时，修复操作完毕。

删除修复操作分为四种情况：

删除操作-case 1

case-1：待删除的节点的兄弟节点是红色的节点。

由于兄弟节点是红色节点的时候，无法借调黑节点，所以需要将兄弟节点上升到父节点，由于兄弟节点是红色的，根据RBTree的定义，兄弟节点的子节点是黑色的，就可以从它的子节点借调了。

case 1这样转换之后就会变成后面的case 2，case 3，或者case 4中的一种了。上升操作需要对兄弟节点做一个左旋或右旋操作，然后和父结点变换颜色，兄弟节点的左孩子旋转后作为它原本父结点的右孩子。

删除操作-case 2

case-2：待删除的节点的兄弟节点是黑色的节点，且兄弟节点的子节点都是黑色的。

因为兄弟节点和兄弟节点的子节点都是黑色的，所以可以将兄弟节点变红，但因为兄弟节点的父结点可红可黑，这个时候需要将父节点A变成新的节点，继续向上调整，直到整颗树的颜色符合RBTree的定义为止。

删除操作-case 3

case-3：待删除节点的兄弟节点是黑色的节点，且兄弟节点的左子节点是红色的，右子节点是黑色的(这是兄弟节点在右边的情况)，如果兄弟节点在左边的话，就是兄弟节点的右子节点是红色的，左子节点是黑色的。我理解是和待删除节点离得近的是红的。

此时操作是对这个红色的结点做旋转上升，然后变换它和它原本父结点的颜色，转换为case-4。

删除操作-case 4

case-4：待删除节点的兄弟节点是黑色的节点，且兄弟节点的右子节点是红色的(兄弟节点在右边的情况)，如果兄弟节点在左边，就是左子节点是红色的。现在是离得远的是红的。

如下图A是待删除节点，此时操作是对兄弟节点D做旋转上升，变换D和父结点B的颜色，D的左孩子C现在变为B的右孩子，D的红色右孩子变为黑色。

删除操作的总结

红黑树的删除操作是最复杂的操作，复杂的地方就在于当删除了黑色节点的时候，如何从兄弟节点去借调黑节点，以保证树的颜色符合定义。由于红色的兄弟节点是没法借调出黑节点的，这样只能通过旋转操作让他上升到父节点，而由于它是红节点，所以它的子节点就是黑的，可以借调。

对于兄弟节点是黑色节点的可以分成3种情况来处理，第1种情况是：当兄弟节点的子节点都是黑色节点时，可以直接将兄弟节点变红，这样局部的红黑树颜色是符合定义的。但是整颗树不一定是符合红黑树定义的，需要往上追溯继续调整。

第2种情况是：兄弟节点的子节点为左红右黑。第3种情况是：兄弟节点的右子结点是红的（左子结点随意）。我们可以先将第2情况通过旋转变为第3种情况，这时兄弟节点为黑，兄弟节点的右节点为红，可以借调出两个节点出来做黑节点，这样就可以保证删除了黑节点，整棵树还是符合红黑树的定义的，因为黑色节点的个数没有改变。

红黑树算法原理（从二叉搜索树讲起）相关推荐

【算法导论】二叉搜索树、AVL树、和红黑树
二叉搜索树二叉搜索树是一颗二叉树或一颗空树且满足以下性质: 1)根节点 x的key值大于任意左子树上节点的key值,小于右子树上任意节点的key值 : 2)其左右子树也分别是一颗二叉搜索树. 使用二 ...
算法导论习题—二叉搜索树、红黑树、区间树
算法基础习题-二叉搜索树.红黑树.区间树 1.二叉搜索树: 2.红黑树: 3.区间树: 1.二叉搜索树: 设 T T T是一棵二叉搜索树,其关键字互不相同;设 x x x是一个叶结点, y y y为其 ...
数据结构与算法整理笔记---二叉搜索树
二叉搜索树查找问题是计算机中非常重要的基础问题二分查找法对于有序数组,才能使用二分查找法(排序作用) public class BinarySearch {public static int b ...
九章基础算法04：二叉搜索树与哈希表
目录 1. 什么是二叉搜索树 1.1 二叉搜索树结构 1.2 二叉搜索树特性应用 2. 二叉搜索树基础实现 2.1 BST类型与构造函数 2.2 插入操作 2.2.1 思路分析 2.2.2 递归实现 ...
08_Python算法+数据结构笔记-二叉搜索树查询/删除-AVL树旋转/插入/应用-贪心算法
b站视频:路飞IT学城清华计算机博士带你学习Python算法+数据结构_哔哩哔哩_bilibili #71 二叉搜索树:查询 import randomclass BiTreeNode:def __ ...
红黑树算法原理及实现
红黑树一.简介红黑树(Red Black Tree)是一种自平衡二叉查找树,是在计算机科学中用到的一种数据结构,典型的用途是实现关联数组. 红黑树是一种特化的AVL树(平衡二叉树),都是在进行插入 ...
算法：不同二叉搜索树||
给定一个整数 n,生成所有由 1 ... n 为节点所组成的二叉搜索树 . 示例: 输入:3 输出: [ [1,null,3,2], [3,2,null,1], [3,1,null,nu ...
算法：验证二叉搜索树
给定一个二叉树,判断其是否是一个有效的二叉搜索树. 假设一个二叉搜索树具有如下特征: 节点的左子树只包含小于当前节点的数. 节点的右子树只包含大于当前节点的数. 所有左子树和右子树自身必须也是二叉搜索 ...
【数据结构与算法】3.二叉搜索树(BST)、c++代码
二叉搜索树(BST).c++代码参考 https://blog.csdn.net/c_living/article/details/81021510

红黑树算法原理（从二叉搜索树讲起）

BST