这是我参与更文挑战的第4天，活动详情查看： 更文挑战
hello 艾瑞巴得，坚持四篇啦！！！这篇文章的代价是一把头发，这把头发小编先掉为敬！
前言：
在数据结构中树、图是数据结构标志性产物，我们今天讲的二叉树是一种比较有用的折中方案。数组的搜索比较方便，可以直接用下标，但删除或者插入某些元素就比较麻烦。链表与之相反，删除和插入元素很快，但查找很慢。二叉树就既有链表的好处，也有数组的好处。在处理大批量的动态的数据是比较有用。在某种场景下，使用树结构会更加方便因为树结构是非线性，可以表示一对多，比如文件的目录结构等；
我们都知道对于二叉查找树和二叉树的各种遍历，但是其查找效率不稳定会出现“斜树”的情况，这个时候二叉平衡树就应运而生了，二叉平衡树的用途更多，查找相比之下也更稳定；这个大家可以想象一下Mysql的搜索引擎：MyISAM和InnoDB；
平衡二叉树
平衡二叉树条件：
二叉树的每一个节点的左右子树的深度差不超过1。
平衡二叉树如何实现自平衡：
然而当出现“斜树”的情况的时候，平衡二叉树会通过通过旋转，来保持树的平衡，旋转分为以下四种类型：
以下图片：由 A、B、C、E、F表示树的节点，节点旁边的数字表示当前节点左右子树的深度，图画的比较潦草，给大家详细的介绍一下，大家可以跟着我的思路走一遍，相信大家就能理解了
- LL型（右旋）：在左子树的左孩子上添加新的节点
从左向右
- 图1当前树结构是平衡的，他的每一个节点的左右子树深度，最大为1，满足平衡树条件
- 图2向
左树的左孩节点添加一个新的节点F这个时候可以看到，我们的跟节点的左右子树的深度为2，这个时候不满足平衡树条件了，这么办呢？我们的重点出来了，接着向下看👇 - 图3是我们经过右旋的之后的实现平衡的二叉树，我们可以看到原来的子节点
B向右旋转成为跟节点，A节点也向右旋转成为B节点的子节点，原来B节点的右子节点也向右旋转成为A节点的左子节点，这个时候完成旋转，可以看到这次每个节点左右子树的深度最大为C节点为1，满足条件，实现自平衡；
给大家网上找了一个生动的 右旋 动图，可以看着理解一下
2、RR型（左旋）：在右子树的右孩子上添加新的节点
从左向右
- 图1当前树结构是平衡的，他的每一个节点的左右子树深度，最大为1，满足平衡树条件
- 图2向
右树的右孩节点添加一个新的节点F这个时候可以看到，我们的跟节点的左右子树的深度为2，这个时候便不满足平衡树条件了； - 图3是我们经过左旋的之后的实现平衡的二叉树，卖个关子，大家可以自己思考一下，通过是这么通过左旋实现的，想到了可以写到评论区哦！哈哈哈～嗝～ 让大家体验一下社会的险恶😁
3、LR型（先左旋（失衡子树）再右旋）：在左子树的右孩子上添加新节点
从左向右
- 图1当前树结构是平衡的，他的每一个节点的左右子树深度，最大为1，满足平衡树条件
- 图2向左树的右孩节点添加一个新的节点
F这个时候可以看到，我们的跟节点的左右子树的深度为2，这个时候便不满足平衡树条件了； - 图3是我们图里画圈的那个
局部的树结构经过左旋的之后的形成一个LL形的树结构； - 图4是我们进过初步左旋得到的LL形树结构 在通过一次 右旋（同上面第一个例子），从而实现自平衡；
4、RL型（先右旋（失衡子树）再左旋）：在右子树的左孩子上添加新节点
从左向右
- 图1当前树结构是平衡的，他的每一个节点的左右子树深度，最大为1，满足平衡树条件
- 图2向右树的左孩节点添加一个新的节点
F这个时候可以看到，我们的跟节点的左右子树的深度为2，这个时候便不满足平衡树条件了； - 图3是我们图里画圈的那个
局部的树结构经过右旋的之后的形成一个LL形的树结构； - 图4是我们进过初步右旋得到的LL形树结构 在通过一次 左旋（同上面第二个例子），从而实现自平衡；
当然，除了插入，AVL还有删除等其他操作，(原理相似。删除后平衡)有兴趣可以一起研究
AVL树：
AVL树是带有平衡条件的二叉查找树，左右子树树高不超过1，AVL树是严格的平衡二叉树，平衡条件必须满足（所有节点的左右子树高度差不超过1）。因此它也被称为高度平衡树。
ok！文章到此就结束了，AVL的理解需要时间，当然笔者的AVL自己写的可能有些疏漏，希望可以对大家有帮助，让大家少走一些弯路，有不对的地方希望大家可以提出来的，共同成长;
细节之中只有天地，整洁成就卓越代码
