说起红黑树就头痛，在大学时就没搞懂，看的晕晕乎乎，理解不了。直到前几天在极客时间的《数据结构与算法之美》专栏中的《26 | 红黑树（下）：掌握这些技巧，你也可以实现一个红黑树
》，再次看到讲解红黑树插入删除如何保持平衡，很可惜，还是没看明白。但在留言区看到小伙伴推荐的红黑树是2-3树的变形，以2-3树的角度去理解红黑树就容易多了。于是，就跑去看了2-3树相关的文章，发现理解起来是要简单些。

2-3树定义

一般我们接触最多的是二叉树，也就是一个父节点最多有两个子节点。2-3树的意思就是说，一个父节点可以有两个子节点，也可以有三个子节点，并且其也满足类似二叉搜索树的定义（父节点的值大于左子树，但小于右子树），所有叶子节点都在同一层。

2节点：父节点存储一个值，最多有左右两个子树。假设父节点为p，子节点为l(左节点)、r(有节点)，且满足：

l < p < r

如图所示：

1545379775127.png

3节点：父节点存储两个值，最多有左中右三个子树。假设父节点分别为p1,p2，子节点分别为l(左节点)、m(中间节点)、r(右节点)，且满足：

l < p1
p1 < m < p2
r > p2

如图所示：

QQ20181221-2.png

2-3树的查找

跟BST的查找类似：

从根节点开始比较，若相等，则结束。如果小于根节点，则说明它应该在左边，选定左节点进行比较；如果大于根节点，则说明在右边，选定右节点进行比较，如不相等，则继续循环。如到最后访问到空节点，则说明没找到。

只不过对于3节点的情况，就需要判断左中右子树，原理一样。

下面以这颗树举例说明，要查找的值存在和不存在的情况。

QQ20181221-3.png

值存在

查找5。

1. 对比根节点10。由于5<10，查找左子树。
2. 由于4<5<7，所以需要找中间的子树。
3. 节点值=5，查找结束。

值不存在

查找24。

1. 对比根节点。由于24>10，查找右子树。
2. 24>20，继续查找右子树。
3. 24>22，查找右子树。
4. 节点为空，查找结束，未找到。

节点分裂与合并

在将插入之前，先介绍一下节点分裂与合并。

2-3树只能存在2节点和3节点，由于插入的时候会引入4节点，所以我们需要将其分裂。

节点分裂

比如单个4节点，只需将中间节点往上提，左边值作为其左子树，右边值作为其右子树即可。

QQ20190108-5.png

节点合并

比如有父节点的4节点，节点分裂后，需与父节点进行合并。若合并后父节点还是4节点，则继续分裂，直至满足定义为止。下图中6与3合并后，满足条件，无需再进行操作。

QQ20190108-6.png

2-3树的插入

插入一个节点后，也要满足2-3树的定义。我们需要找到一个适合的位置来插入新的值，但是和二叉树不同的是，它不会生成新的叶子节点来存储，而是找到合适的叶子节点来进行合并。

但是注意，插入的原则是尽量保持树的高度，也就是尽量不要增加树的高度。因为树的高度越小，查找效率会更高。

下面分几种情况来说明不同的处理情况。其关键字是往上分裂，从下往上生长。

空树

生成新节点，则其为根节点。

QQ20181221-4.png

待插入节点为2节点

如果不能直接放到空的子节点，则放到父节点中，此时成为3节点，仍然满足定义。比如我们在这棵树中插入12。

QQ20190108-8.png

1. 首先找到待插入节点9。

   
   
   QQ20190108-9.png

2. 节点9为2节点，可直接插入。

QQ20190108-10.png

待插入节点为3节点

这种情况下，稍微会复杂一些，因为涉及到分裂，且跟待插入节点的父节点有关。假定待插入节点为p，待插入节点的父节点为pp。

将节点强插到p中，此时p中会有三个值，我们暂且称之为4节点。4节点是不满足2-3树的定义的，因此需要将4节点中的某个节点往上抽离，与pp进行合并。这时需要考虑pp的类型了。

1. 若pp为二节点

   将分裂的节点放到pp中，则pp成为3节点，满足定义。比如我们在这棵树中插入13。

QQ20190108-11.png

1. 找到待插入叶子节点[9,12]

QQ20190108-12.png

2. 插入13，变成4节点

QQ20190108-13.png

3. 进行分裂，合并到父节点，插入完成

   
   
   QQ20190108-14.png

2. 若pp为三节点

   将分裂的节点放到pp中，则pp成为了4节点，不满足定义，那么4-节点需要提出一个值，并向上合并，这时需要重新设置新旧节点的关系。往上合并的过程就是继续套用这几种情况。好的情况是往上的过程中遇到了2节点，且平衡，则结束；坏的情况是一直到根节点，并且根节点是3树，那么只好继续往上分裂出新的根节点，然后处理新节点与其他节点的关系，此时树高增加了1。

比如在这颗树中插入18。

QQ20190108-15.png

1. 插入18，找到叶子节点插入，成为4节点

QQ20190108-16.png

2）向上分裂，将18插入父节点，变成4节点，需继续分裂

QQ20190108-17.png

3）根节点成为3节点，插入结束

QQ20190108-18.png

以上的插入，树的高度都没有变化。下面说一种树的高度会+1的情况。

比如在这棵树中插入32。

QQ20190108-19.png

1. 找到待插入的节点直接插入32

QQ20190108-20.png

2. 分裂节点，此时父节点变成4节点，还需分裂

QQ20190108-21.png

3. 此时根节点为4节点，需分裂

QQ20190108-22.png

4. 生成新的根节点，树的高度加1

QQ20190108-23.png

2-3树的删除

删除的情况会复杂一些，下面分几种情况来说。

待删除的值在叶子节点

叶子节点为3节点

直接删除即可。如下图12可直接删除。

QQ20190108-24.png

删除后，3节点成2节点。

QQ20190108-25.png

叶子节点为2节点

这里需要区分临近兄弟节点的类型。先将节点删除。

1. 兄弟节点为3节点
   此时被删除后，节点会为空。通过向兄弟节点借一个最近的键值，然后再调整该节点与父节点的值。

比如在这颗树中删除7。

QQ20190108-26.png

1. 向兄弟节点借最近节点，此时大小关系不满足

QQ20190108-27.png

2. 调整大小，8，9交换，满足定义

QQ20190108-28.png

2. 兄弟节点为2节点，这时需要判断父节点类型

   a. 父节点为3节点
   此时兄弟节点不够借，父节点降元，从3节点变成2节点，与兄弟节点合并。

比如从这棵树中删除36。

QQ20190108-29.png

30与18合并，3节点变成2节点，删除完成

QQ20190108-30.png

b. 父节点为2节点
将父节点和兄弟节点合并，形成新的节点，这是把新节点当做当前节点，不断套用上述几种情况进行调整，直至平衡。这种情况下，若根节点是2节点，树的高度会减1。

例1
从这颗树中删除12

QQ20190108-31.png

1. 兄弟节点和父节点都为2节点，进行合并。此时新节点为[8,9]。

QQ20190108-32.png

2. 当前节点([8,9])的父节点和兄弟节点都为2节点，还需进行合并（即节点2,5合并）合并完成如下图。
   
   QQ20190108-34.png

例2
从这棵树中删除30

QQ20190108-35.png

1. 节点30的父节点和兄弟节点为2节点，进行合并，此时[22,25]为新节点。

   
   
   QQ20190108-36.png

2. 把[22,25]看作当前节点，由于其兄弟节点为2节点，父节点为3节点，套用2.a中的情况，父节点降元，调整完成。
   

   QQ20190108-37.png

待删除的值在父节点

将该节点与其前驱或后继节点交换，然后删除交换后的叶子节点，此时转换成上一种情况的处理。

使用中序遍历的顺序，前驱就是指其前一个节点，后继是指其后面的一个节点。最直接的定位如下：

• 前驱节点：该节点左子树最右节点
• 后继节点：该节点右子树最左节点

比如下图，5的前驱是3，后继是7。

QQ20190108-38.png

那为什么要用前驱/后继节点交换呢？

因为，用前驱/后继节点交换后，才能保持大小顺序。后继节点是右子树中最小的节点，与父节点交换后，排除待删除的叶节点，仍保持左子树<新父节点<右子树的关系。同理，前驱节点是左子树中最大的节点，交换后，仍能保持。

这里我们使用后继节点来进行替换。

从这颗树中删除节点5。

QQ20190108-39.png

由于5的后继节点是7，先将值进行交换。这时候目的就是删除叶子节点5，于是可以转换成其父节点和兄弟节点都为2节点的情况进行调整。

QQ20190108-40.png

红黑树定义

红黑树也是一种二叉平衡树，它满足如下几个特性（根据算法中的定义）：

1. 根节点是黑色的。
2. 红链接均为左链接。
3. 从任一节点到其可达叶子节点，经过的黑色节点数量一样（黑平衡）。
4. 没有任何一个节点同时与两个红链接相连。

这个定义可能跟我们平常看到的不太一样，由于是以2-3树来理解红黑树，定义红链在左边，这样才能跟2-3树完全对应上。

红黑树与AVL

AVL是一种极度平衡的二叉树，那为什么不用AVL呢？因为AVL插入删除要保持平衡，相比红黑树要慢一些，需要左旋右旋等等。但实际上它的旋转也只是几个场景的套用，哪些场景需要怎么旋转，理解就行了。

而红黑树是近似平衡的（黑平衡），也就是说它不像AVL那样绝对的平衡，所以添加/删除节点后的平衡操作没那么多。

所以对于插入和删除操作较多的场景，用红黑树效率会高一些。

将2-3树转换成红黑树

主要思想：3节点分裂成2节点。

将3节点的第一个元素，作为第二个元素的左节点，并用红色的线连接，此时红色线连接的节点就相当于红色。

QQ20190108-41.png

将2-3树按照以上思想转换后，就得到了一颗红黑树。用这种方式理解是不是简单多了呢？

同时也有几个问题值得我们思考：

1. 为什么红链规定在左边呢？

   我觉得是前人的一个约定，为了保持统一，简化处理，都放在左边。那都放右边是不是也可以呢？

2. 没有任何一个节点同时与两个红链接相连

   因为一个红链表示一个3节点，如果有2个红链相连，则表示为4节点，不符合2-3树定义。

3. 根节点为黑色

   只有3节点的左链才为红色。根节点没有父节点，不可能为红色。

4. 根节点到叶子节点经过的黑色节点数目相同

   因为2-3树是完美平衡的。红黑树中经过的黑节点数=其层数。

红黑树的应用

1. 散列表的冲突处理

   map的实现，底层一般会采用红黑树，在节点多的时候效率高。
   在节点少的时候，可用链表方式。

QQ20190108-42.png

2. 动态插入、删除和查询较多的场景