一、 红黑树
红黑树是一种自平衡的二叉搜索树，通过给每个节点分配“红色”或“黑色”的颜色属性，并遵循特定规则，确保树的高度始终维持在O(log n)级别，避免二叉搜索树退化为链表。
其核心特点如下：
-
自平衡性：通过“旋转”（左旋、右旋）和“颜色调整”，保证任意节点到其所有叶子节点的“黑色路径长度”相等，从而控制树的高度，确保查询、插入、删除操作的时间复杂度均为O(log n)。
-
颜色规则：
1.根节点必为黑色。 2.所有叶子节点（NIL节点，空节点）必为黑色。 3.若一个节点为红色，其两个子节点必为黑色（无连续红色节点）。 4.任意节点到其所有叶子节点的黑色路径长度相同。 -
高效性：相比普通二叉搜索树，在数据量较大或插入/删除顺序无序时，能稳定保持高效操作；相比AVL树，红黑树的平衡调整频率更低，插入/删除的平均性能更优。
二、 AVL树
AVL树是一种自平衡的二叉搜索树，其核心是通过控制“平衡因子”来维持树的高度平衡，确保所有操作的时间复杂度稳定在O(log n)。
-
其核心特点如下：
1.平衡条件严格：任意节点的“平衡因子”（左子树高度-右子树高度）的绝对值必须≤1，通过该条件强制树保持严格平衡，避免退化为链表。 2.自平衡机制：当插入或删除节点导致平衡因子超出范围时，会通过旋转操作（左旋、右旋、左右双旋、右左双旋）调整树结构，恢复平衡。 3.查找性能更优：因严格平衡，AVL树的树高是同节点数下二叉搜索树中最矮的，因此查找操作速度比红黑树等近似平衡树更快。 4.插入/删除成本较高：平衡条件严格，导致插入或删除节点后，需要更频繁地进行旋转调整（最多O(log n)次），操作耗时相对更长。 5.需额外空间存储高度：为计算平衡因子，每个节点需额外存储“子树高度”或“平衡因子”信息，空间开销略大于红黑树。
三、区别
红黑树和AVL树的核心区别在于平衡条件的严格程度不同，这直接导致了两者在平衡调整频率、适用场景上的差异。
1. 平衡条件（核心区别）
- AVL树：要求任意节点的左右子树高度差（平衡因子）的绝对值不超过1，是一种“严格平衡”的二叉搜索树。
- 红黑树：通过颜色规则间接维持平衡（任意节点到叶子的黑色路径长度相等），允许左右子树高度差最大为2倍，是“近似平衡”的二叉搜索树。
2. 操作性能差异
| 对比维度 | AVL树 | 红黑树 |
|---|---|---|
| 插入/删除调整 | 平衡条件严格，需频繁旋转（最多O(log n)次），操作耗时更长 | 平衡条件宽松，旋转次数更少（最多2次），操作更高效 |
| 查找性能 | 树高更矮（严格平衡），查找速度略快 | 树高略高（近似平衡），查找速度稍慢，但仍为O(log n) |
| 空间开销 | 需存储“平衡因子”或“子树高度”，空间开销更大 | 仅需存储“颜色”（1位即可），空间开销更小 |
3. 适用场景
- AVL树：适合查找操作远多于插入/删除的场景（如静态数据查询），追求极致的查找效率。
- 红黑树：适合插入/删除操作频繁的场景（如动态数据维护），如C++的map、Java的TreeMap等容器，优先保证插入/删除的高效性。
