记录AVL树与红黑树

map底层为什么使用红黑树而不使用AVL树？

AVL树是一个高度平衡树，对于插入删除，会耗费更多的时间用来旋转保持平衡。

而红黑树是一个相对来说低平衡二叉树，因为插入判断的左右子树范围最大为2倍。

二叉搜索树本身就是有序的

二叉搜索树：如果插入的节点一直在右边（或左边）就会出现，树退化成链表的情况

树的中序遍历就是升序遍历

AVL是高度平衡的二叉树，红黑树也是平衡儿茶搜索树，以上两者在插入数据时，都会去判断树的平衡。

AVL（平衡因子）：是它的左子树的高度减去它的右子树的高度（有时相反）

Balance factor ={-1,0,1};

它插入的数据通过旋转操作来进行平衡（四种）：

1. 左旋
2. 右旋
3. 左右旋（左旋+右旋）
4. 右左旋（右旋+左旋）

AVL增加节点时，都会判断是否满足AVL条件，当左右子树高度超过1时，就会通过旋转来操作树，来进行平衡。

AVL总结：1.平衡二叉搜索树

2． 每个节点存平衡因子balance factor={-1,0,1}

1. 四种旋转操作

不足：节点需要存储额外信息，且调整次数频繁

近似平衡二叉树：

红黑树：每次插入时判断左右子树高度差的范围变大，减少了调整的次数，它能够确保任何一个节点的左右子树的高度差小于两倍。

具体规定：

1. 每个节点要么是红色，要么是黑色
2. 根节点是黑色
3. 每个叶节点（NIL节点，空节点）是黑色的
4. 不能有相邻接的两个红色节点
5. 从任一节点到其每个叶子的所有路径都包含有相同数目的黑色节点。

红黑树的左右子树的高度差是小于两倍的

对比：AVL树的查询速度比红黑树快，因为AVL是高度平衡的二叉树，也就是说读和查找性能来说的话，AVL更好。

红黑树的插入和删除的操作更快，因为红黑树是相对低平衡的二叉树

AVL树需要存储额外的信息，比如高度差或平衡因子，因此更加耗内存，而红黑树只需要一个bit来存储1,0表示红色黑色。

在使用map时，多用来存储数据，那么以上两者相比之下，使用红黑树更优