二叉树（BST）
二叉树中，将比父结点大的数放在右结点，比父结点小的数放在左结点，查找时只需要将其跟父结点对比，大则进入右边，小则进入左边，依次往下；
但是数据本身是有序的，就导致查询跟链表一样，查询深度太深，效率低下，所以后面引出了平衡二叉树，降低层次。
平衡树（AVL）
对二叉树的改进，插入删除的时候，保证每个结点对应的左子树和右子树的高度（结点深度）差小于等于1；
拿百度百科的图片当例子
a中，5的平衡因子 = 左子树深度3 - 右子树的深度2 = 平衡因子1，结果为平衡；
b中，3的平衡因子 = 左子树深度2 - 右子树的深度4 = 平衡因子-2，结果为不平衡；
如果超过了就对结构平衡改造（旋转结点），以此来达到树平衡，这样我们在查找的时候就可以按照二分查找来检索，也不会出现退化成链表的情况；
因为平衡树要求每个结点的左子树和右子树的高度差至多等于1，导致需要频繁通过左旋和右旋来进行调整，使性能大打折扣，于是就有了红黑树。
2-3树
2-3数是一种平衡的多路查找树，跟二叉树规则有点像；
结点可以存放一个或两个元素，结点要么是有3个子结1个两元素的根结，要么是2个子结1个单元素的根结，任意结点到其叶子结点的高度都是相同；
当然，上图是不平衡的，但是这样更直观，上图结点高度不同，最后会融合分裂成一个平衡树；
除了首个数据外，插入数据时会结点融合，使一个结点里有两个元素，如果一个结点存放数据为3个，会分裂成一个根结点两个子结点；
分裂结点后，假设不符合平衡规则，根结点会继续向上融合，如果又不符合平衡规则，又会进行分裂，以此来达到一个树平衡。
2-3数进一步降低了层次，但为了维护平衡性它的编码复杂，但是提升了查询性能。
后面还有2-3-4树，它可以再次降低的树的高度，但是对应的编码会更加复杂，所以大多数会使用红黑树。
红黑树（Red-Black Tree）
除了有二叉平衡树的一些特性，还给结点附加了红黑属性，并且有它的一套规则；
1.结点是红色或黑色。
2.根结点是黑色。
3.每个叶子结点都是黑色的空结点（NIL结点）。
4 每个红色结点的两个子结点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色结点)
5.从任一结点到其每个叶子的所有路径都包含相同数目的黑色结点。
如果规则被打破就会进行变色或者平衡（旋转），变化规则比较复杂，不深究；
检索效率跟平衡树相差不多，插入和删除操作效率提高很多，因为红黑树对平衡没有AVL平衡树要求那么严格。
