1. 什么是线段树?
1.1 初探线段树
定义：线段树是一种用于解决区间查询问题的数据结构，是一种广义上的二叉搜索树。
原理：它将一个区间划分为多个较小的子区间，并为每个子区间存储一些有用的信息，例如最大值、最小值或总和。
可以解决的问题：通过将区间存储的信息逐级向上汇总，线段树可以快速回答各种类型的区间查询，例如求和、最大值、最小值或更新某个区间的值。
**时间复杂度：**线段树的构建和查询操作的时间复杂度都是O(logN)，其中 N 是区间的大小。
限制条件：能用线段树解决的问题必须满足区间加法，区间加法也就是对于[L,R] 区间，它的答案可以由[L,M] 和 [M+1,R] 的答案合并给出。其中，M 是区间的中点。
1.2 线段树与二叉树的区别
对于一个数组 [1,2,3,4,5,6]，它的二叉树和线段树如下图所示**「区间下标从 0 开始」**：
从图中可以看出，二叉树中单个节点存储的内容是值 val，而线段树中存储的是区间信息。
观察线段树，我们还可以快速得出以下结论：
- 每个节点的左右孩子，分别存储该节点区间的一半
- 当区间无法划分时，得到叶子节点
1.3 线段树的下标
接着，我们给线段树的每个节点加上数组的下标，得到的结果如下：
可以看到，在线段树中，当节点的下标为 i 时，其左孩子的下标为 2 * i + 1，右孩子的下标为 2 * i + 2。这个时候，我们需要考虑一个问题：当数组大小是 n 时，线段树的空间应该为多少?
答案：2 * n - 1，在一颗完全二叉树中，叶子节点的数量等于非叶子结点的数量减一。在线段树中，叶子节点的个数等于数组大小 n ，非叶子节点的个数为 n - 1，因此线段树的空间应该为 2 * n - 1。注意，为了方便计算以及防止数组越界，我们通常会将线段树的空间大小开到比总节点数更大的最小的2的幂次方，即 4*n 大小的空间。
1.4 线段树的存储内容
1.1 小节中说到：线段树可以快速回答各种类型的区间查询，例如求和、最大值、最小值。那么在求和中，线段树是如何表示的呢？
可以看到，每个叶子节点的存储的是数组下标值 val，每个非叶子节点的求和值等于其左右孩子节点存储值之和；同理，在最大\最小值中，非叶子节点存储的值是其左右孩子节点中的较大\较小值。
2. 线段树解决问题的步骤
2.1 建树
虽然线段树中存储的是一段区间的信息，但我们并不需要定义一个类，让它存储区间左值，区间右值以及求和。因为我们可以借助递归+下标关系的方式创建线段树，这样线段树的节点就只需要存储求和。
int nums[] = new int[]{1, 2, 3, 4, 5, 6};
int n = nums.length;
int[] segTree = new int[4 * n]; // 为线段树分配空间
void buildTree(int index, int left, int right) { // index 表示下标，left 表示左区间，right 表示右区间
if (left == right) {
segTree[index] = nums[left];
return; // 到叶子节点就不能继续划分啦~
}
int mid = (left + right) / 2; // 一分为 2，例如将 [1,6] 划分为 [1,3] 和 [4,6]
buildTree(2 * index + 1, left, mid); // 构建左子树，左孩子的下标为 2 * index + 1
buildTree(2 * index + 2, mid + 1, right); // 构建右子树，右孩子的下标为 2 * index + 2
segTree[index] = segTree[2 * index + 1] + segTree[2 * index + 2]; // 这里是求和，所以非叶子节点存储的值是左右孩子节点存储的值之和
}
public static void main(String[] args) {
Solution solution = new Solution();
solution.buildTree(0, 0, solution.nums.length - 1);
}
2.2 单点修改
单点修改是区间修改的一种特殊情况，我们先从简单的单点修改看看线段树是如何实现更新的。
思路：假如我们要更新数组的第 i 个值为 x ，那么我们可以从根节点去寻找区间左侧和区间右侧均等于 i 的节点，修改它的值。然后在返回的路上不断更新其祖先节点的值。
public void update(int i, int value) {
update(0, 0, nums.length - 1, i, value);
}
private void update(int index, int left, int right, int i, int value) { // i 表示要更新数组的下标，value 是更改后的值
if (left == right) { // 当搜寻到叶子节点的时候，就可以修改了，前提是 i 在[0,2 * n - 2] 之间，下标从 0 开始算
segTree[left] = value;
return; // 赋值完就结束
}
int mid = (left + right) / 2;
if (i <= mid) update(2 * index + 1, left, mid, i, value);
else update(2 * index + 2, mid + 1, right, i, value);
segTree[index] = segTree[index * 2 + 1] + segTree[index * 2 + 2]; // 更新祖先节点
}
2.3 仅存在单点修改的区间查询
还记得线段树的使用条件吗？必须满足区间加法
因此，当我们查询一个区间 [a,b] 时，可以将其拆分成满足区间加法的子区间。还是以求和为例：sum[1,5] = sum[1,3] + sum[4,5]，sum[2,5] = sum[2,2] + sum[3,3] + sum[4,5] 。
public int query(int x, int y) {
return query(0, 0, nums.length - 1, x, y);
}
private int query(int index, int left, int right, int x, int y) { // x 表示要查询的左区间，y 表示要查询的右区间
if (x > right || y < left) return 0; // 如果查询区间在线段树区间外返回 0
if (x <= left && y >= right) return segTree[index]; // 当查询区间包含线段树区间，返回节点值
int mid = (left + right) / 2;
int leftQuery = query(2 * index + 1, left, mid, x, y); // 计算左孩子
int rightQuery = query(2 * index + 2, mid + 1, right, x, y); // 计算右孩子
return leftQuery + rightQuery; // 求和
}
2.4 区间修改
当我们需要修改的内容是一个区间而不是一个单点，就不能通过 for 循环的方式调用单点循环，因为这样与暴力破解无异。
为了解决这个问题，我们需要引入一个新的概念：延迟标记，你也可以叫它懒标记。这个标记的意义是：被这个标记过的区间值已经被更新，但它的子区间未被更新，更新的信息是标记中存储的值。
引入延迟标记的区间修改遵循以下规则：
（1）如果要修改的区间完全覆盖当前区间，直接更新这个区间，并打上延迟标记
（2）如果没有完全覆盖，且当前区间有延迟标记，先下传延迟标记到子区间，再清除当前区间的延迟标记。
（3）如果修改区间与左儿子有交集，就搜索左儿子；如果与右儿子有交集，就搜索右儿子
（4）更新当前区间的值
文字太多，是不是感觉头晕了。没关系，我们用一个具体的例子来看看区间修改~
将 nums 数组[0,3] 区间中的每个数加上 1 ，加上后数组将变成 [2,3,4,5,5,6]。在线段树中，我们首先访问根节点 [0,5]，修改区间显然不完全覆盖区间[0,5]，且当前节点不存在延迟标记；我们再看当前节点的左孩子[0,2]，很显然 [0,3] 与 [0,2] 存在交集，搜索左孩子：
接着，我们来搜索 [0,2] 左孩子，首先 [0,3] 完全覆盖 [0,2]，那么我们更新这个区间，因为节点记录的是求和，而我们要对这个区间的每个数加上 1 ，那么总和 sum = sum + 1 * 区间长度，也就是 sum = 6 + (2 - 0 + 1) * 1 = 9；接下来，我们给节点打上延迟标记 LazyTag = + 1，表示这个节点的子节点都还没进行 +1 操作。
搜索完了[0,2]左孩子，我们又看到[0,3] 与[0,5] 的右孩子[3,5] 存在交集，我们开始搜索右孩子：首先，[0,3] 不覆盖[3,5] 且 [3,5] 不存在延迟标记；我们分别查看[3,5] 的左孩子和右孩子，发现其与左孩子[3,4] 有交集，开始搜索 [3,4]：
我们发现 [0,3] 不完全覆盖 [3,4]，且[3,4] 所在节点不包含延迟标记，我们搜索它的子节点。发现 [0,3] 和 [3,3] 有交集，且 [0,3] 完全覆盖[3,3]，我们更新该区间：sum = sum + 更新值 * 区间长度，即 sum = 4 + 1 * ( 3 - 3 + 1) = 5 ；然后给节点打上延迟标记 LazyTag = +1。「正是因为叶子节点也有延迟标记，还需要继续下放，也就还需要2倍的空间，因此 2 * n - 1 空间不足，需要4 * n 的空间」
至此，我们搜索完毕，开始逐层向上更新区间值：
到这里，细心的你可能会发现延迟标记规则的第二条「如果没有完全覆盖，且当前区间有延迟标记，先下传延迟标记到子区间，再清除当前区间的延迟标记」在刚刚的例子中并没有出现下传延迟标记到子区间的情况。这是因为我们只进行了一次区间更新，当我们进行多次区间更新时，就会出现这个情况~~
假设我们又要对区间 [0,1] 进行全部加一的更新。首先判断根节点区间与 [0,1] 区间的关系，[0,1] 不覆盖 [0,5]，我们搜索 [0,5] 的孩子节点；[0,1] 部分覆盖 [0,2] ，且 [0,2] 所在节点有延迟标记，所以我们执行以下操作：
- 下传延迟标记到其左右孩子节点
- 更新左右孩子节点的区间值，
[0,1]处更新为sum = sum + 更新值 * 区间长度，即sum = 3 + (1 - 0 + 1) * 1 = 5。右孩子节点sum = 3 + (2 - 2 + 1) * 1 = 4 - 将当前节点的延迟标记重置为 0，即不存在延迟标记
下传延迟标记完毕。搜索与[0,2] 有交集的 [0,1] 节点，我们发现 [0,2] 完全覆盖[0,1]，直接更新 [0,1] 区间等于 5+(1-0+1)=7，添加延迟标记 LazyTag = + 1，最后向上更新区间值：
为了方便记忆，我们把区间更新的步骤简记为：完全覆盖、部分覆盖「标下下传」、搜索孩子、更新区间。下面来看看它的代码实现：
void pushUp(int index) {
segTree[index] = segTree[index * 2 + 1] + segTree[index * 2 + 2]; // 向上更新，用孩子节点更新父节点
}
void pushDown(int index, int left, int right) { // 向下传递延迟标记
if (lazyTag[index] != 0) {
int mid = (left + right) / 2;
lazyTag[index * 2 + 1] += lazyTag[index]; //更新左孩子的延迟标记
lazyTag[index * 2 + 2] += lazyTag[index];//更新右孩子的延迟标记
segTree[index * 2 + 1] += lazyTag[index] * (mid - left + 1); // 区间值 = sum + 更新值 *（区间长度）
segTree[index * 2 + 2] += lazyTag[index] * (right - mid);
lazyTag[index] = 0; // 清除延迟标记
}
}
public void intervalUpdate(int x, int y, int value) {
intervalUpdate(0, 0, nums.length - 1, x, y, value);
}
private void intervalUpdate(int index, int left, int right, int x, int y, int value) {
if (x <= left && y >= right) { // 完全覆盖
segTree[index] += value * (right - left + 1); // 更新区间值
lazyTag[index] += value; // 更新延迟标记
return;
}
pushDown(index, left, right); // 部分覆盖，下传延迟标记
int mid = (left + right) / 2;
if (x <= mid) intervalUpdate(index * 2 + 1, left, mid, x, y, value);
if (y > mid) intervalUpdate(index * 2 + 2, mid + 1, right, x, y, value);
pushUp(index);
}
2.5 基于区间修改的查询
因为存在延迟标记，所以基于区间修改的查询有所不同。它遵循以下规则：
- 当我们查询的区间完全覆盖节点区间时，直接返回区间值即可
- 部分覆盖时，需要先下传延迟标记，再进行查询
接下来，我们看看它的代码实现~
public int query(int x, int y) {
return query(0, 0, nums.length - 1, x, y);
}
private int query(int index, int left, int right, int x, int y) { // x 表示要查询的左区间，y 表示要查询的右区间
if (x > right || y < left) return 0; // 如果查询区间在线段树区间外返回 0
if (x <= left && y >= right) return segTree[index]; // 当查询区间包含线段树区间，返回节点值
pushDown(index,left,right); //下传延迟标记
int mid = (left + right) / 2;
int leftQuery = query(2 * index + 1, left, mid, x, y); // 计算左孩子
int rightQuery = query(2 * index + 2, mid + 1, right, x, y); // 计算右孩子
return leftQuery + rightQuery; // 求和
}
与 2.3 小节中的查询相比，我们可是发现它仅仅在完全覆盖这一步之后增加了一个下传延迟标记的操纵~
3. 完整代码
最后附上完整代码和测试数据：
import java.util.List;
public class Solution {
int nums[] = new int[]{1, 2, 3, 4, 5, 6};
int n = nums.length;
int[] segTree = new int[4 * n]; // 为线段树分配空间
int lazyTag[] = new int[4 * n]; // 为延迟标记分配空间
void buildTree(int index, int left, int right) { // index 表示下标，left 表示左区间，right 表示右区间
if (left == right) {
segTree[index] = nums[left];
return; // 到叶子节点就不能继续划分啦~
}
int mid = (left + right) / 2; // 一分为 2，例如将 [1,6] 划分为 [1,3] 和 [4,6]
buildTree(2 * index + 1, left, mid); // 构建左子树，左孩子的下标为 2 * index + 1
buildTree(2 * index + 2, mid + 1, right); // 构建右子树，右孩子的下标为 2 * index + 2
segTree[index] = segTree[2 * index + 1] + segTree[2 * index + 2]; // 这里是求和，所以非叶子节点存储的值是左右孩子节点存储的值之和
}
void pushUp(int index) {
segTree[index] = segTree[index * 2 + 1] + segTree[index * 2 + 2]; // 向上更新，用孩子节点更新父节点
}
void pushDown(int index, int left, int right) { // 向下传递延迟标记
if (lazyTag[index] != 0) {
int mid = (left + right) / 2;
lazyTag[index * 2 + 1] += lazyTag[index]; //更新左孩子的延迟标记
lazyTag[index * 2 + 2] += lazyTag[index];//更新右孩子的延迟标记
segTree[index * 2 + 1] += lazyTag[index] * (mid - left + 1); // 区间值 = sum + 更新值 *（区间长度）
segTree[index * 2 + 2] += lazyTag[index] * (right - mid);
lazyTag[index] = 0; // 清除延迟标记
}
}
public void intervalUpdate(int x, int y, int value) {
intervalUpdate(0, 0, nums.length - 1, x, y, value);
}
private void intervalUpdate(int index, int left, int right, int x, int y, int value) {
if (x <= left && y >= right) { // 完全覆盖
segTree[index] += value * (right - left + 1); // 更新区间值
lazyTag[index] += value; // 更新延迟标记
return;
}
pushDown(index, left, right); // 部分覆盖，下传延迟标记
int mid = (left + right) / 2;
if (x <= mid) intervalUpdate(index * 2 + 1, left, mid, x, y, value);
if (y > mid) intervalUpdate(index * 2 + 2, mid + 1, right, x, y, value);
pushUp(index);
}
// 区间查询
public int query(int x, int y) {
return query(0, 0, nums.length - 1, x, y);
}
private int query(int index, int left, int right, int x, int y) { // x 表示要查询的左区间，y 表示要查询的右区间
if (x > right || y < left) return 0; // 如果查询区间在线段树区间外返回 0
if (x <= left && y >= right) return segTree[index]; // 当查询区间包含线段树区间，返回节点值
pushDown(index, left, right); //下传延迟标记
int mid = (left + right) / 2;
int leftQuery = query(2 * index + 1, left, mid, x, y); // 计算左孩子
int rightQuery = query(2 * index + 2, mid + 1, right, x, y); // 计算右孩子
return leftQuery + rightQuery; // 求和
}
public static void main(String[] args) {
Solution solution = new Solution();
solution.buildTree(0, 0, solution.nums.length - 1);
solution.intervalUpdate(0,3,1);
solution.intervalUpdate(1,2,1);
System.out.println(solution.query(0, 2));
}
}
能看到最后，你真的很棒，加油~
