11.二叉树

　　二叉树的概念

　　　　如果树中每个节点最多只能有两个字节点，这样的树就成为“二叉树”

　　　　　　前面，我们已经提过二叉树的重要性，不仅仅是因为简单，也因为几乎上所有的树都可以表示成二叉树的形式

　　　　二叉树的定义

　　　　　　二叉树可以为空，也就是没有节点

　　　　　　若不为空，则它是由根节点和称为其左子树TL和右子树TR的两个不相交的二叉树组成

　　　　二叉树的五种形态：

　　　　

 

　　二叉树的特性

　　　　二叉树有几个比较重要的特性，在笔试题中比较常见：

　　　　　　一个二叉树第i层的最大节点数为：2^(i-1),i >= 1

　　　　　　深度为k的二叉树有最大节点总数为：2^k -1,k >= 1

　　　　　　对任何非空二叉树T，若n0表示叶节点的个数、n2是度为2的非叶节点个数，那么两者满足关系n0 = n2 + 1

　　　　　　

　　完美二叉树

　　　　完美二叉树（Perfect Binary Tree），也成为满二叉树（Full Binary Tree）

　　　　　　在二叉树中，除了最下一层的叶节点外，每层节点都有2个字节点，就构成了满二叉树

　　　　　　

 

　　完全二叉树

　　　　完全二叉树（Complete Binary Tree）

　　　　　　除二叉树最后一层外，其他各层的节点数都达到最大个数

　　　　　　且最后一层从左到右的叶节点连续存在，只缺右侧若干节点

　　　　　　完美二叉树是特殊的完全二叉树

　　　　下面不是完全二叉树，因为D节点还没有右节点，但是E节点就有了左右节点

　　　　

 

 　　二叉树的存储

　　　　二叉树的存储常见的方式是数组和链表

　　　　使用数组

　　　　　　完全二叉树：按从上至下、从左到右顺序存储

　　　　

 

　　　　非完全二叉树：

　　　　　　非完全二叉树要转成完全二叉树才可以按照上面的方案存储

　　　　　　但是会造成很大的空间浪费

　　　　

 

　　链表存储

　　　　二叉树最常见的方式还是使用链表存储

　　　　　　每个节点封装成一个Node，Node中包含存储的数据，左节点的引用，右节点的引用　　　　　

　　　

　　什么是二叉搜索数？

　　　　二叉搜索树（BST，Binary Search Tree），也称二叉排序树或二叉查找树

　　　　二叉搜索树是一颗二叉树，可以为空；

　　　　如果不为空，满足以下性质：

　　　　　　非空左子树的所有键值小于其根节点的键值

　　　　　　非空右子树的所有键值大于其根节点的键值

　　　　　　左、右子树本身也都是二叉搜索树。

　　　　下面那些事二叉搜索树，那些不是？

　　　　

 

　　　　二叉搜索树的特点：

　　　　　　二叉搜索树的特点就是相对较小的值总是保存在左节点上，相对较大的值总是保存在右节点上。

　　　　　　那么利用这个特点，我们可以做什么事情呢？

　　　　　　查找效率非常高，这也是二叉搜索树中，搜索的来源

 　　二叉搜索树

　　　　下面是一个二叉搜索树

　　　　

 

 

 

　　　　这样的数据结构有什么好处呢？

　　　　　　我们试着查找一下值为10的节点

　　　　这种方式就是二分查找的思想

　　　　　　查找所需的最大次数等于二叉搜索树的深度

　　　　　　插入节点时，也利用类似的方法，一层层比较大小，找到新节点合适的位置

 　　二叉搜索树的封装

　　　　我们像封装其他数据结构一样，先来封装一个BinarySearchTree的累

?

1 2 3 4 5 6 7 8 9 10 11 12 13

<script>         // 封装二叉搜索树         function BinarySerachTree() {             function Node(key) {                 this.key = key                 this.left = null                 this.right = null             }             // 属性             this.root = null                 // 方法         }     </script>

　　　　代码解析：

　　　　　　封装BinarySearchTree的构造函数

　　　　　　还需要封装一个用于保存每一个节点的类Node

　　　　　　该类包含三个属性：节点对应的key，指向的左子树，指向的右子树

　　　　　　对于BinarySearchTree来说，只需要保存根节点即可，因为其他节点都可以通过根节点找到

　　二叉搜索树常见操作

　　　　二叉搜索树有那些常见的操作呢？

　　　　　　insert(key)：向书中插入一个新的值

　　　　　　search(key)：在树种查找一个键，如果节点存在，则返回true；如果不存在，则返回false

　　　　　　inOrderTraverse：通过中序遍历方式遍历所有节点

　　　　　　preOrderTraverse：通过先序遍历方式遍历所有节点

　　　　　　postOrderTraverse：通过后序遍历方式遍历所有节点

　　　　　　min：返回树中最小的值/键

　　　　　　max：返回树中最大的值/键

　　　　　　remove（key）：从树中移除某个键

　　向树中插入数据

　　　　我们分两个部分来完成这个功能。

　　　　首先，外界调用的insert方法：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

// 插入数据：对外给用户调用的方法 BinarySerachTree.prototype.insert = function(key) {         // 根据key创建节点         var newNode = new Node(key)             // 判断根节点是否有值         if (this.root == null) {             this.root = newNode         } else {             this.insertNode(this.root, newNode)         }     }     // 第一次：node -> 9 newNode -> 14     // 第二次：node -> 13 newNode -> 14     // 第三次：node -> 15 newNode -> 14 BinarySerachTree.prototype.insertNode = function(node, newNode) {     if (newNode.key < node.key) { // 向左查找         if (node.left == null) {             node.left = newNode         } else {             this.insertNode(node.left, newNode)         }     } else { //向右查找         if (node.right == null) {             node.right = newNode         } else {             this.insertNode(node.right, newNode)         }     } }

　　　　代码解析：

　　　　首先，根据插入的key，创建对应的Node

　　　　其次，向树种插入数据需要分成两种情况：

　　　　　　第一次插入，直接修改根节点即可

　　　　　　其他次插入，需要进行相关的比较决定插入的位置

　　　　在代码中的insertNode方法，我们还没有实现，也是我们接下来要完成的任务。

 　　遍历二叉搜索树

　　　　前面，我们向树中插入了很多的数据，为了能很多的看到测试结果，我们先来学习一下树的遍历

　　　　　　注意：这里我们学习的树的遍历，针对所有的二叉树都是适用的，不仅仅是二叉搜索树‘

　　　　树的遍历：

　　　　　　遍历一棵树是指访问数的每个节点（也可以对每个节点进行某些操作，我们这里就是简单的打印）

　　　　　　但是树和线性结构不大一样，线性结构我们通常按照从前到后的顺序遍历，但是树呢？

　　　　　　应该从树的顶端还是底端开始呢？从左开始还是从右开始呢？

　　　　二叉树的遍历常见的有三种方式：

　　　　　　先序遍历　　中序遍历　　后续遍历

　　　　　　（还有程序遍历，使用较少，可以使用队列来完成，此处不再给出实现）

　　先序遍历

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

// 先序遍历     BinarySerachTree.prototype.preOrderTraversal = function(handler) {             this.preOrderTraversalNode(this.root, handler)         }         // 第一次：node -> 11         // 第二次：node -> 7         // 第三次：node -> 5         // 第四次：node -> 3     BinarySerachTree.prototype.preOrderTraversalNode = function(node, handler) {         if (node != null) {             // 处理经过的节点             alert(node.key)                 // 处理经过的节点的左子节点             this.preOrderTraversalNode(node.left, handler)                 // 处理经过的节点的右子节点             this.preOrderTraversalNode(node.right, handler)         }     }     // 测试遍历 var resultString = "" bst.preOrderTraversal(function(key) {     resultString += key + " " }) console.log(resultString)

　　　　遍历过程为：

　　　　　　访问根节点

　　　　　　先序遍历其左子树

　　　　　　先序遍历其右子树

　　　　

　　中序遍历

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

// 中序遍历     BinarySerachTree.prototype.minOrderTraversal = function(handler) {         this.minOrderTraversalNode(this.root, handler)     }     BinarySerachTree.prototype.minOrderTraversalNode = function(node, handler) {         if (node != null) {             // 处理经过的节点的左子节点             this.minOrderTraversalNode(node.left, handler)                 // 处理经过的节点             handler(node.key)                 // 处理经过的节点的右子节点             this.minOrderTraversalNode(node.right, handler)         }     }     // 测试中序遍历 var resultString = "" bst.minOrderTraversal(function(key) {     resultString += key + " " }) alert(resultString)

　　　　遍历过程为：

　　　　　　中序遍历其左子树

　　　　　　访问根节点

　　　　　　中序遍历其右子树

　　　　

 

 　　后序遍历

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

//后序遍历     BinarySerachTree.prototype.postOrderTravesal = function(handler) {         this.postOrderTravesalNode(this.root, handler)     }     BinarySerachTree.prototype.postOrderTravesalNode = function(node, handler) {         if (node != null) {             // 处理经过的节点的左子节点             this.postOrderTravesalNode(node.left, handler)                 // 处理经过的节点的右子节点             this.postOrderTravesalNode(node.right, handler)                 // 处理经过的节点             handler(node.key)         }     }     // 测试后序遍历 var resultString = "" bst.postOrderTravesal(function(key) {     resultString += key + " " }) alert(resultString)

　　　　遍历过程为：

　　　　　　后序遍历其左子树

　　　　　　后序遍历其右子树

　　　　　　访问根节点

　　　　

　　最大值&最小值

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

// 寻找最值         // 寻找最大值     BinarySerachTree.prototype.max = function() {             // 获取根节点             var node = this.root                 // 依次向右不断的查找，直到节点为null             var key = null             while (node != null) {                 key = node.key                 node = node.right             }             return key         }         // 寻找最小值     BinarySerachTree.prototype.min = function() {         // 获取根节点         var node = this.root             // 依次向左不断的查找，直到节点为null         var key = null         while (node != null) {             key = node.key             node = node.left         }         return key     }     // 测试最值 console.log(bst.max()) console.log(bst.min())

　　　　在二叉搜索树中搜索最值是一件非常简单的事情，其实用眼睛看就可以看出来了

　　　　

　　搜索特定的值

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

// 搜索某一个key     BinarySerachTree.prototype.search = function(key) {         // 获取根节点         var node = this.root             // 循环搜索key         while (node != null) {             if (key < node.key) {                 node = node.left             } else if (key > node.key) {                 node = node.right             } else {                 return true             }         }         return false     }     // 测试搜索方法 console.log(bst.search(25)) console.log(bst.search(24)) console.log(bst.search(2))

　　　　二叉搜索树不仅仅获取最值效率非常高，搜索特定的值效率也非常高

　　　　代码解析：

　　　　这里我们还是使用了递归的方式，待会儿我们来写一个非递归的实现。

　　　　递归必须有退出条件，我们这里是两种情况下退出

　　　　　　node === null，也就是后面不再有节点的时候

　　　　　　找到对应的key，也就是node.key === key的时候

　　　　在其他情况下，根据node.的key和传入的key进行比较来决定向左还是向右查找

　　　　　　如果node.key > key，那么说明传入的值更小，需要向左查找

　　　　　　如果node.key < key，那么说明传入的值更大，需要向右查找

　　二叉搜索树的删除

　　　　二叉搜索树的删除有些复杂，我们一点点完成

　　　　删除节点要从查找要删的节点开始，找到节点后，需要考虑三种情况：

　　　　　　该节点是叶节点（没有子节点，比较简单）

　　　　　　该节点有一个子节点（也相对简单）

　　　　　　该节点有两个子节点（情况比较复杂，我们后面慢慢道来）

　　　　我们先从查找要删除的节点入手

　　　　　　先找到要删除的节点，如果没有找到，不需要山东出

　　　　　　找到要删除的几点

　　　　　　　　 删除叶子节点

　　　　　　　　删除只有一个子节点的节点

　　　　　　　　删除有两个子节点的节点

　　情况一：没有子节点

?

1 2 3 4 5 6 7 8 9 10

// 删除的节点是叶子节点（没有子节点）                if (current.left == null && current.right == null) {                    if (current == this.root) {                        this.root = null                    } else if (isLeftChild) {                        parent.left = null                    } else {                        parent.right = null                    }                }

　　　　情况一：没有子节点

　　　　　　这种情况相对比较简单，我们需要检测current的left以及right是否都为null

　　　　　　都为null之后还要检测一个东西，就是是否current就是根，都为null，并且为跟根，那么相当于要清空二叉树

　　　　　　（当然，只是清空了根，因为只有它）

　　　　　　否则就把父节点的left或者right字段设置为null即可

　　　　如果只有一个单独的根，直接删除即可

　　　　

 

　　　　如果是叶节点，那么处理方式如下：

　　　　

 

 　　情况二：一个子节点

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

// 删除的节点有一个子节点 else if (current.right == null) {     if (current == this.root) {         this.root = current.left     } else if (isLeftChild) {         parent.left = current.left     } else {         parent.right = current.left     } } else if (current.left = null) {     if (current == this.root) {         this.root = current.right     } else if (isLeftChild) {         parent.left = current.right     } else {         parent.right = current.right     } }

　　　　情况二：有一个子节点

　　　　　　这种情况也不是很难

　　　　　　要删除的current节点，直有2个连接（如果有两个子节点，就是三个连接了），

　　　　　　一个连接父节点，一个连接唯一的子节点

　　　　　　需要从这三者之间：爷爷-自己-儿子，将自己（current）剪短，让爷爷直接连接儿子即可

　　　　　　这个过程要求改变父节点的left或者right，指向要删除节点的子节点

　　　　　　当然，在这个过程中还要考虑是否current就是根

　　　　图解过程：

　　　　　　如果是根的情况，大家可以自家画一下，比较简单，这里不再给出

　　　　　　如果不是根，并且只有一个子节点的情况 

 　　　　　　

 

 　　情况三：两个子节点

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

// 删除的节点有两个子节点 else {     // 获取后续节点     var successor = this.getSussessor(current)         // 判断是否根节点     if (current == this.root) {         this.root = successor     } else if (isLeftChild) {         parent.left = successor     } else {         parent.right = successor     }     // 将删除节点的左子树 = current.left     successor.left = current.left }

　　　　情况三：有两个子节点

　　　　　　事情变得非常复杂，也非常有趣了

　　　　我们先来思考一下我提出得一些问题

　　　　

 

 　　删除操作总结

　　　　看到这里，你就会发现删除节点相当棘手

　　　　实际上，因为它非常复杂，一些程序员都尝试着避开删除操作

　　　　　　他们的做法是在Node类中添加一个boolean的字段，比如名称为isDeleted

　　　　　　要删除一个节点时，即将此字段设置为true

　　　　　　其他操作，比如find()在查找之前先判断这个节点是不是标记为删除

　　　　　　这样相对比较简单，每次删除节点不会改变原有的树结构

　　　　　　但是在二叉树的储存中，还保留着那些本该已经被删除掉的节点

　　　　上面的做法看起来很聪明，其实是一种逃避

　　　　　　这样会造成很大空间的浪费，特别时针对数据量较大的情况

　　　　　　而且，作为程序员要学会通过这些复杂的操作，锻炼自己的逻辑

　　二叉搜索树完整代码：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270

<script>     // 封装二叉搜索树     function BinarySerachTree() {         function Node(key) {             this.key = key             this.left = null             this.right = null         }         // 属性         this.root = null             // 方法             // 插入数据：对外给用户调用的方法         BinarySerachTree.prototype.insert = function(key) {                 // 根据key创建节点                 var newNode = new Node(key)                     // 判断根节点是否有值                 if (this.root == null) {                     this.root = newNode                 } else {                     this.insertNode(this.root, newNode)                 }             }             // 第一次：node -> 9 newNode -> 14             // 第二次：node -> 13 newNode -> 14             // 第三次：node -> 15 newNode -> 14         BinarySerachTree.prototype.insertNode = function(node, newNode) {                 if (newNode.key < node.key) { // 向左查找                     if (node.left == null) {                         node.left = newNode                     } else {                         this.insertNode(node.left, newNode)                     }                 } else { //向右查找                     if (node.right == null) {                         node.right = newNode                     } else {                         this.insertNode(node.right, newNode)                     }                 }             }             // 树的遍历             // 先序遍历         BinarySerachTree.prototype.preOrderTraversal = function(handler) {                 this.preOrderTraversalNode(this.root, handler)             }             // 第一次：node -> 11             // 第二次：node -> 7             // 第三次：node -> 5             // 第四次：node -> 3         BinarySerachTree.prototype.preOrderTraversalNode = function(node, handler) {                 if (node != null) {                     // 处理经过的节点                     alert(node.key)                         // 处理经过的节点的左子节点                     this.preOrderTraversalNode(node.left, handler)                         // 处理经过的节点的右子节点                     this.preOrderTraversalNode(node.right, handler)                 }             }             // 中序遍历         BinarySerachTree.prototype.minOrderTraversal = function(handler) {             this.minOrderTraversalNode(this.root, handler)         }         BinarySerachTree.prototype.minOrderTraversalNode = function(node, handler) {                 if (node != null) {                     // 处理经过的节点的左子节点                     this.minOrderTraversalNode(node.left, handler)                         // 处理经过的节点                     handler(node.key)                         // 处理经过的节点的右子节点                     this.minOrderTraversalNode(node.right, handler)                 }             }             //后序遍历         BinarySerachTree.prototype.postOrderTravesal = function(handler) {             this.postOrderTravesalNode(this.root, handler)         }         BinarySerachTree.prototype.postOrderTravesalNode = function(node, handler) {                 if (node != null) {                     // 处理经过的节点的左子节点                     this.postOrderTravesalNode(node.left, handler)                         // 处理经过的节点的右子节点                     this.postOrderTravesalNode(node.right, handler)                         // 处理经过的节点                     handler(node.key)                 }             }             // 寻找最值             // 寻找最大值         BinarySerachTree.prototype.max = function() {                 // 获取根节点                 var node = this.root                     // 依次向右不断的查找，直到节点为null                 var key = null                 while (node != null) {                     key = node.key                     node = node.right                 }                 return key             }             // 寻找最小值         BinarySerachTree.prototype.min = function() {                 // 获取根节点                 var node = this.root                     // 依次向左不断的查找，直到节点为null                 var key = null                 while (node != null) {                     key = node.key                     node = node.left                 }                 return key             }             // 搜索某一个key         BinarySerachTree.prototype.search = function(key) {                 // 获取根节点                 var node = this.root                     // 循环搜索key                 while (node != null) {                     if (key < node.key) {                         node = node.left                     } else if (key > node.key) {                         node = node.right                     } else {                         return true                     }                 }                 return false             }             // 删除节点         BinarySerachTree.prototype.remove = function(key) {                 // 寻找要删除的节点                 // 定义变量，保存一些信息                 var current = this.root                 var parent = null                 var isLeftChild = true                     // 开始寻找删除的节点                 while (current.key != key) {                     parent = current                     if (key < current.key) {                         isLeftChild = true                         current = current.left                     } else {                         isLeftChild = false                         current = current.right                     }                     // 某种情况：已经找到了最后的节点，依然没有找到==key                     if (current == null) return false                 }                 // 根据对应的情况删除节点                 // 找到了current.key == key                 // 删除的节点是叶子节点（没有子节点）                 if (current.left == null && current.right == null) {                     if (current == this.root) {                         this.root = null                     } else if (isLeftChild) {                         parent.left = null                     } else {                         parent.right = null                     }                 }                 // 删除的节点有一个子节点                 else if (current.right == null) {                     if (current == this.root) {                         this.root = current.left                     } else if (isLeftChild) {                         parent.left = current.left                     } else {                         parent.right = current.left                     }                 } else if (current.left = null) {                     if (current == this.root) {                         this.root = current.right                     } else if (isLeftChild) {                         parent.left = current.right                     } else {                         parent.right = current.right                     }                 }                 // 删除的节点有两个子节点                 else {                     // 获取后续节点                     var successor = this.getSussessor(current)                         // 判断是否根节点                     if (current == this.root) {                         this.root = successor                     } else if (isLeftChild) {                         parent.left = successor                     } else {                         parent.right = successor                     }                     // 将删除节点的左子树 = current.left                     successor.left = current.left                 }             }             // 找后续的方法         BinarySerachTree.prototype.getSussessor = function(delNode) {             // 定义变量，保存找到的后续             var successor = delNode             var current = delNode.right             var successorParent = delNode                 // 循环查找             while (current != null) {                 successorParent = successor                 successor = current                 current = current.left             }             // 判断寻找的后续节点是否直接就是delNode的right节点             if (successor != delNode.right) {                 successorParent.left = successor.right                 successor.right = delNode.right             }             return successor         }     }     // 测试代码     // 创建BinarySearchTree     var bst = new BinarySerachTree()         // 插入数据     bst.insert(11)     bst.insert(7)     bst.insert(15)     bst.insert(5)     bst.insert(3)     bst.insert(9)     bst.insert(8)     bst.insert(10)     bst.insert(13)     bst.insert(12)     bst.insert(14)     bst.insert(20)     bst.insert(18)     bst.insert(25)     bst.insert(6)         // console.log(bst)         // 测试遍历         // 测试先序遍历     var resultString = ""     bst.preOrderTraversal(function(key) {             resultString += key + " "         })         // alert(resultString)         // 测试中序遍历     resultString = ""     bst.minOrderTraversal(function(key) {             resultString += key + " "         })         // alert(resultString)         // 测试后序遍历     resultString = ""     bst.postOrderTravesal(function(key) {             resultString += key + " "         })         // alert(resultString)         //     // 测试最值         // console.log(bst.max())         // console.log(bst.min())         //     // 测试搜索方法         // console.log(bst.search(25))         // console.log(bst.search(24))         // console.log(bst.search(2))         // 测试删除代码     bst.remove(9)     bst.remove(7)     bst.remove(15)     resultString = ""     bst.postOrderTravesal(function(key) {         resultString += key + " "     })     alert(resultString) </script>

　　二叉搜索树的缺陷

　　　　二叉搜索树作为数据存储的结构由重要的优势：

　　　　　　可以快速的找到给定关键字的数据项 并且可以快速地插入和删除数据项

　　　　但是，二叉搜索树有一个很麻烦的问题：

　　　　　　如果插入的数据时有序的数据，比如下面的情况

　　　　　　有一棵初始化为 9 8 12 的二叉树

　　　　　　插入下面的数据：7 6 5 4 3

　　　　非平衡树

　　　　　　比较好的二叉搜索树数据应该是左右分布均匀的

　　　　　　但是插入连续数据后，分布的不均匀，我称这种树为非平衡树

　　　　　　对于一棵平衡二叉树来说，插入/查找等操作的效率时O(logN)

　　　　　　对于以可非平衡二叉树，相当于编写了一个链表，查找效率变成了O(N)

　　树的平衡性

　　　　为了能以较快的时间O(logN)来操作一棵树，我们需要保证树总是平衡的：

　　　　　　至少大部分是平衡的，那么时间复杂度也是接近O(logN)的

　　　　　　也就是说树中每个节点左边的子孙节点的个数，应该尽可能的等于右边的子孙节点的个数

　　　　　　常见的平衡树有哪些呢？

　　　　AVL树：

　　　　　　AVL树是最早的一种平衡树，它有些办法保持树的平衡（每个节点多存储了一个额外的数据）

　　　　　　因为AVL树是平衡的，所以时间复杂度也是O(logN)

　　　　　　但是，每次插入/删除操作相对于红黑树效率不高，所以整体效率不如红黑树

　　　　红黑树：

　　　　　　红黑树也通过一些特性来保持树的平衡

　　　　　　因为是平衡树，所以时间复杂度也是在O(logN)

　　　　　　另外插入/删除等操作，红黑树的性能要优于AVL树，所以现在平衡树的应用基本都是红黑树