回忆下，我们说的链表是一维结构，它的查找节点时间复杂度是O(n)的，正式因为这个原因的话，后来就出现了跳表一样的结构，加上了更快的索引，比如从头指针直接跨到第二个节点，注意，这里涉及一个理念，前面也提到过，如果我们想加速，关键点是升维，常见的二维的数据结构有树和图。
链表结构:
如果链表的节点有多个next指针，指向多个节点，那么它就变成了一个数🌲状结构了。接下来，我们认识一种新的数据结构 - 树。
Tree 树
树是一种数据结构，它是由n(n>=1)个有限结点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。每个结点有零个或多个子结点；没有父结点的结点称为根结点；每一个非根结点有且只有一个父结点；除了根结点外，每个子结点可以分为多个不相交的子树.
首先它有个根节点(root)，B节点和C节点都是它的子树🌲，我们称B和C为左子树和右子树，它们是彼此的兄弟节点，同时B和C节点又为它们子节点的父节点。树还分了不同的层，root节点为第0层，B和C为第一层。
定义树节点
function TreeNode(val) {
this.val = val;
this.left = this.right = null;
}
Binary Tree 二叉树
现实中用的更多的还是二叉树，二叉树的子节点只有2个。
树的延伸 - Graph 图(简介)
那么树和图最关键的一个差别是什么呢，就是看有没有环装结构，如果节点本身的话，只连到新的儿子节点，永远不会走回去，如下图，如果F节点有个next指针指向了E，或者指向了A，或者指向了它的父节点C的话，那么就相当于形成了一个环，这是我们按照定义不称为树，而是叫做图。
但是在特殊情况下，你也可以理解为Linked list就是特殊化的Tree(多个next指针的链表), Tree就是特殊化的Graph(没有环的🌲)。
树的遍历
- 前序遍历(pre-order)：根-左-右
- 中序遍历(In-order)：左-根-右
- 后序遍历(Post-order)：右根左
/**
* @descripe 前序遍历
* @param {TreeNode} root
* @return {number[]}
*/
var preorderTraversal = function (root) {
let arr = [];
preorder(root, arr);
return arr;
}
function preorder(root, arr){
if (!root) {
return;
}
if (root){
arr.push(root.val); // 当前节点收集
preorder(root.left, arr); // 左节点搜集
preorder(root.right, arr); // 右节点搜集
}
}
这么看来，我们要想查找某个节点的值，时间复杂度还是O(n)的，因为看来需要整个遍历一下，它和一个链表基本上没有太大的区别，那么树到底有什么优势呢？一般来说，树的结构我们会把它变得更加有序，这就好像你的宿舍或者你的办公室、或者你的电脑里面，经常使用的东西，把它排的相对有序的话，那你查找和维护起来就会更加有效，二叉树也是这样，这就是我们接下来要介绍的二叉搜索树。
二叉搜索树 (Binary Search Tree)
二叉搜索树，也称为二叉排序树、有序二叉树(Ordered Binary Tree)、排序二叉树(Sorted Binary Tree)，是指一棵空树或者具有下列性质的二叉树：
- 左子节点树上所有节点的值均小于它的根节点上的值
- 右子节点树上所有节点的值均大于它的根节点上的值
- 以此类推，左、右子树也分别为二叉查找树。(这就是重复性！)
二叉搜索树的中序遍历就是升序遍历！！
二叉搜索树常见操作
- 查询
- 插入新节点(创建)
- 删除
它的查询和插入都是O(logn)了，所以就相当于加速了。
