红黑树

红黑树的相关概念

概念

红黑树，是一种二叉搜索树，但在每个结点上增加一个存储位表示结点的颜色，可以是Red或Black。 通过对任何一条从根到叶子的路径上各个结点着色方式的限制，红黑树确保没有一条路径会比其他路径长出俩倍，因而是接近平衡的。

结构图

红黑树结构和普通的二叉树差不多，但是多了一个header，header是根节点的父节点，根节点又是header的父节点，而header的左右孩子分别是整个树的最左节点和最右节点，也就是整个树的最小值和最大值。

性质

1. 每个结点不是红色就是黑色
2. 根节点是黑色的
3. 如果一个节点是红色的，则它的两个孩子结点是黑色的
4. 对于每个结点，从该结点到其所有后代叶结点的简单路径上，均包含相同数目的黑色结点
5. 每个叶子结点都是黑色的(此处的叶子结点指的是空结点)

和AVL树的对比

AVL树，是一个十分平衡的搜索二叉树，他的所有子树的左右高度差是不会超过1的，因此在插入和删除的时候，需要做很多的旋转操作，甚至每插入几个结点就要旋转，因此它的插入效率很低。换来的是高效的查询效率，因为它的高度是很平衡的，因此它的查找效率是最接近O（logN）的。

红黑树，也是一个平衡的搜索二叉树，但是没有AVL数平衡，红黑树的平衡是指：其最长路径中节点个数不会超过最短路径节点个数的两倍。红黑树也构成了一个比较平衡的二叉树，因此插入节点时候的效率会比AVL树效率高一些，因为它不需要做频繁的旋转操作，它是通过本身自带的颜色属性来控制各个子树的高度，来达到一个相对的平衡。查找效率也是趋近于O（logN），虽然没有AVL数的查找效率高，但是也是logN级别的，而且让插入时候的操作变的简单。

总结：红黑树和AVL树都是高效的平衡二叉树，增删改查的时间复杂度都是O(logN )，红黑树不追求绝对平衡，其只需保证最长路径不超过最短路径的2倍，相对而言，降低了插入和旋转的次数，所以在经常进行增删的结构中性能比AVL树更优，而且红黑树实现比较简单，所以实际运用中红黑树更多。

红黑树的插入操作

红黑树是在二叉搜索树的基础，上加上其平衡限制条件，因此红黑树的插入可分为两步:

1. 按照二叉搜索的树规则插入新节点：树的左边小于数的右边
2. 检测新节点插入后，红黑树的性质是否造到破坏
   因为新节点的默认颜色是红色，因此：如果其双亲节点的颜色是黑色，没有违反红黑树任何性质，则不需要调整；但当新插入节点的双亲节点颜色为红色时，就违反了性质三不能有连在一起的红色节点，此时需要对红黑树分情况来讨论：

前提:cur为当前节点，p为父节点，g为祖父节点，u为叔叔节点

情况一: cur为红，p为红，g为黑，u存在且为红

解决方式：
将p,u改为黑，g改为红，然后把g当成cur，继续向上调整

情况二: cur为红，p为红，g为黑，u不存在/u为黑

解决方式：
第一步
2.1 p为g的左孩子，cur为p的左孩子，则进行右单旋转
2.2 p为g的右孩子，cur为p的右孩子，则进行左单旋转
第二步
p、g变色–p变黑，g变红

情况三: cur为红，p为红，g为黑，u不存在/u为黑（情况三其实是变形的情况二，情况二是p和cur都在左边或者都在右边，情况三是p和cur不在一边）

解决方式：
第一步
3.1 p为g的左孩子，cur为p的右孩子，则针对p做左单旋转
3.2 p为g的右孩子，cur为p的左孩子，则针对p做右单旋转
第二步
这里你会发现第一步完成后的结构变成了情况二的结构，所以这里的执行情况二的步骤即可

插入操作的源码

下面我插入的值是一个键值对，这是为了模拟封装set和map而制作的数据结构，在这里先不介绍如何封装set和map

bool Insert(std::pair<K, V> data)
		{
			//说明还没有结点
			if (_head->_parent == _head)
			{
				pNode root = new Node(data);
				root->_colour = BLACK;
				_head->_left = _head->_right = _head->_parent = root;
				root->_parent = _head;
				return true;
			}
			pNode cur = _head->_parent;
			pNode parent = nullptr;
			//找到合适的位置插入
			while (cur)
			{
				parent = cur;
				if (cur->_data.first > data.first)
				{
					cur = cur->_left;
				}
				else if (cur->_data.first < data.first)
				{
					cur = cur->_right;
				}
				else
				{
					return false;
				}
			}
			cur = new Node(data);

			//左边
			if (parent->_data.first > data.first)
			{
				parent->_left = cur;
			}
			//右边
			else
			{
				parent->_right = cur;
			}
			cur->_parent = parent;

			//分情况调整
			//如果父节点是黑色，则不需要调整
			while (cur != _head->_parent && cur->_parent->_colour == RED)
			{
				parent = cur->_parent;
				pNode gParent = parent->_parent;
				pNode uncle = nullptr;
				//获取叔叔结点
				if (gParent->_left == parent)
				{
					uncle = gParent->_right;
				}
				else
				{
					uncle = gParent->_left;
				}

				//如果叔叔结点存在，而且颜色是红色：
				//向上逐层更新，暂不需要旋转
				if (uncle && uncle->_colour == RED)
				{
					//更新颜色
					parent->_colour = BLACK;
					uncle->_colour = BLACK;
					gParent->_colour = RED;
					//更新结点
					cur = gParent;
				}
				//如果叔叔结点不存在或者颜色是黑色：
				//则需要旋转
				else
				{
					//如果cur是parent的左孩子、parent是gParent的左孩子 或者 cur是parent的右孩子、parent是gParent的右孩子：
					//进行单旋
					if ((gParent->_left == parent && parent->_left == cur) || (gParent->_right == parent && parent->_right == cur))
					{
						if (parent->_left == cur)
						{
							Rotate_Right(gParent);
						}
						else
						{
							Rotate_Left(gParent);
						}
						gParent->_colour = RED;
						parent->_colour = BLACK;
						break;
					}
					//如果三代的关系不是全是左或者全是右：
					//双旋
					else
					{
						//下面只做了单旋，第二次旋转放在下一次循环
						//这是双旋的场景，但是旋一次后就变成了上面的单旋的场景了，所以cur不更新成gParent
						if (parent->_right == cur)
						{
							Rotate_Left(parent);
							//因为交换完之后parent在下面cur在上面
							//所以要把两个指向更改一下
							std::swap(cur, parent);
						}
						else
						{
							Rotate_Right(parent);
							//因为交换完之后parent在下面cur在上面
							//所以要把两个指向更改一下
							std::swap(cur, parent);
						}
					}
				}
			}
			//根始终是黑色的
			_head->_parent->_colour = BLACK;
			_head->_left = Left_Most();
			_head->_right = Right_Most();
			return true;
		}