算法精讲 | 树（番外）：平衡世界的四大守护者：AVL vs 红黑树 vs B树 vs B+树

news2025/4/22 3:42:54

🌲 算法精讲 | 树（番外）：平衡世界的四大守护者：AVL vs 红黑树 vs B树 vs B+树

📅 2025/03/12 || 🌟 推荐阅读时间 30分钟

🚀 开篇：数据结构界的四大天王

想象你是一名图书管理员，面对四种神奇的书架：

AVL树书架：强迫症晚期，每放一本书都要拿水平仪测量 📏
红黑树书架：时尚弄潮儿，给书架涂红黑条纹 🎨
B树书架：俄罗斯套娃大师，每个隔层能装 100 本书 📚
B+树书架：目录狂魔，把索引刻在每一层 🗂️

今天我们一起破解它们的秘密！

🗺️ 知识导航图

在这里插入图片描述

一、AVL树：平衡强迫症患者

1.1 旋转手术四部曲

在这里插入图片描述

⚔️ 右旋代码演示

TreeNode rightRotate(TreeNode y) {
    TreeNode x = y.left;   // 抓住左孩子
    TreeNode T2 = x.right; // 寄存右孙子
  
    x.right = y;           // 乾坤大挪移
    y.left = T2;           // 认领新孙子
  
    updateHeight(y);       // 📏 更新身高
    updateHeight(x);       // 📐 精确到毫米
    return x;              // 新掌门登基
}

二、红黑树：染发艺术家

2.1 红黑法典五条

在这里插入图片描述

2.2 插入修复三部曲

在这里插入图片描述

🎨 染色代码片段

void fixInsertion(Node z) {
    while (z.parent.color == RED) {
        if (uncle.color == RED) {         // 叔叔是红发
            parent.color = BLACK;        // 🔴 → ⚫
            uncle.color = BLACK;         // 🔴 → ⚫
            grandparent.color = RED;     // ⚫ → 🔴
            z = grandparent;             // 向上检查
        } else {
            // 旋转操作...
        }
    }
    root.color = BLACK; // 最终染黑
}

三、B树：图书馆长

3.1 B树结构解剖

在这里插入图片描述

📚 节点分裂演示

在这里插入图片描述

3.2 实战代码：B树插入

class BTreeNode:
    def __init__(self, t):
        self.keys = []         # 关键码库
        self.children = []     # 子节点库
        self.leaf = True       # 是否叶子

def insert(self, key):
    if len(self.keys) == 2*t - 1:  # 🚨 节点满了！
        new_node = BTreeNode(self.t)
        # 分裂过程...
    # 插入逻辑...

四、B+树：超级目录

4.1 与B树的三大区别

📚 数据只存在叶子节点
🔗 叶子节点形成有序链表
🧲 非叶节点是密集索引

4.2 范围查询演示

在这里插入图片描述

🚀 查询代码示例

List<Integer> rangeQuery(BPlusTree tree, int start, int end) {
    Node curr = findLeaf(tree.root, start);
    List<Integer> result = new ArrayList<>();
    while (curr != null && curr.keys[0] <= end) {
        for (int key : curr.keys) {
            if (key >= start && key <= end) 
                result.add(key);
        }
        curr = curr.next; // 链表跳跃
    }
    return result;
}

五、华山论剑：四大天王终极PK

在这里插入图片描述

特性	AVL树	红黑树	B树	B+树
平衡标准	绝对平衡	黑高平衡	节点填充率	节点填充率
插入复杂度	O(log n)	O(log n)	O(log_t n)	O(log_t n)
查询速度	⚡极快	🚀快速	🚢稳定	✈️极速
适用场景	内存敏感	综合场景	文件系统	数据库索引
磁盘友好度	❌	❌	✅	✅✅
代码复杂度	😫高	😣中	😌较高	😅较高
经典应用	内存数据库	Java TreeMap	NTFS文件系统	MySQL索引

六、灵魂拷问室 💬

面试官：为什么Linux文件系统用B树而不用B+树？

答：① 文件系统需要快速定位单个文件 ② B树非叶节点存数据有利小文件 ③ B+树更适合范围扫描

面试官：红黑树为什么比AVL树应用更广？

答：① 插入删除旋转次数少 ② 颜色标记比存储高度节省内存 ③ 综合性能更均衡

面试官：B+树叶子链表如何维护？

答：分裂时更新指针→类似双向链表插入节点，合并时同步调整

面试官：为什么数据库用B+树不用B树？

答：① 查询更稳定（都要到叶子层） ② 范围查询吊打B树 ③ 非叶节点更"苗条"

面试官：HashMap为什么不用红黑树？

答：① 哈希冲突少时链表更快 ② 红黑树适合持久化结构 ③ 达到阈值才树化

面试官：B树的t值怎么选？

答：根据磁盘页大小！比如4KB页，假设key占16B，t≈4KB/(16B+8B)=170

七、实战训练场

7.1 AVL树平衡检测

在这里插入图片描述

7.2 红黑树插入案例

// 插入数字序列：3 → 7 → 2 → 5 → 4
public static void main(String[] args) {
    RedBlackTree tree = new RedBlackTree();
    tree.insert(3); // ⚫
    tree.insert(7); // 🔴 → 触发染色
    tree.insert(2); // 🔴 → 触发旋转
    tree.insert(5); // 🔴 → 叔叔节点处理
    tree.insert(4); // 🔴 → 复杂旋转
}