红黑树在avl树

除了节点中的红色和黑色外，AVL和红色黑树都是自平衡的。选择红黑树而不是AVL树的主要原因是什么？红黑树有哪些应用？

选择红黑树而不是AVL树的主要原因是什么？

无论红黑树和AVL树是最常用的平衡二叉搜索树，它们支持插入，删除和查询的保证O(logN) time。但是，两者之间存在以下比较点：

• AVL树更加严格地平衡，因此提供了更快的查找。因此，对于查找密集型任务，请使用AVL树。
• 对于插入密集型任务，请使用红黑树。
• AVL树在每个节点上存储平衡因子。这会占用O(N)额外的空间。但是，如果我们知道将要插入树中的键始终大于零，则可以使用键的符号位来存储红黑树的颜色信息。因此，在这种情况下，红黑树不会占用额外的空间。

红黑树有哪些应用？

红黑树更通用。它们在添加，删除和查找方面表现相对较好，但AVL树的查找速度更快，但添加/删除速度较慢。红黑树用于以下用途：

• Java ：java.util.TreeMap、java.util.TreeSet
• C ++ STL（在大多数实现中）：映射，多图，多集
• Linux内核：完全公平的调度程序，linux / rbtree.h

尝试阅读这篇文章

它提供了关于差异，相似性，性能等的一些很好的见解。

这是文章的引文：

RB树以及AVL树都是自平衡的。它们都提供O（log n）查找和插入性能。

不同之处在于，RB-Trees保证每次插入操作的旋转次数为O（1）。这实际上是在实际实现中牺牲性能的原因。

简化的RB树从概念上讲是2-3个树，而又不承担动态节点结构的开销，从而获得了这一优势。物理上RB树被实现为二叉树，红色/黑色标志模拟2-3行为

就我自己的理解而言，AVL树和RB树在性能方面相差不远。RB树只是B树的一种变体，并且平衡的实现方式不同于AVL树。

多年来，我们对性能差异的了解有所提高，现在，在AVL上使用红黑树的主要原因是无法获得良好的AVL实施，因为它们不太常见，也许是因为它们未包含在CLRS中。

现在，这两棵树都被认为是等级平衡树的形式，但是在现实世界的测试中，红黑树的速度始终降低约20％。插入顺序数据后，速度甚至会降低30-40％。

因此，研究过红黑树而不是AVL树的人们倾向于选择红黑树。红黑树的主要用途在Wikipedia条目中有详细介绍。

这里的其他答案很好地总结了RB和AVL树的利弊，但我发现这种区别特别有趣：

AVL树不支持固定的摊销更新成本 [但是红黑树则支持]

资料来源：Mehlhorn＆Sanders（2008）（第7.4节）

因此，尽管RB树和AVL树都保证O（log（N））最坏情况下的查找时间，但是插入和删除时，插入或删除节点后恢复AVL / RB属性仍可以在O（1）的摊销时间内完成。红黑的树木。

程序员通常不喜欢动态分配内存。Avl树的问题在于，对于“ n”个元素，您需要至少log2（log2（n））...（height-> log2（n））位来存储树的高度！因此，当您处理大量数据时，您无法确定要分配多少位来存储每个节点的高度。

例如，如果您使用4个字节的int（32位）存储高度。最大高度可以是：2 ^ 32，因此可以在树中存储的最大元素数是2 ^（2 ^ 32）-（似乎很大，但是在这个数据时代，我猜没有什么太大的）。因此，如果您超出此限制，则必须动态分配更多空间来存储高度。

这是我大学的教授提出的答案，对我来说似乎很合理！希望我有道理。

编辑：与红黑树相比，AVL树更加平衡，但是它们可能会在插入和删除过程中引起更多旋转。因此，如果您的应用程序涉及许多频繁的插入和删除操作，则应首选Red Black树。而且，如果插入和删除操作的频率较低，而搜索操作的频率较高，则AVL树应优先于Red Black Tree。-来源GEEKSFORGEEKS.ORG

重新平衡AVL树应满足以下属性。（Wiki参考-AVL树）

在AVL树中，任何节点的两个子树的高度最多相差1个。如果它们之间的任何时间差超过一个，则将进行重新平衡以恢复此属性。

因此，这意味着AVL树的整体高度不会发疯，即使用AVL树进行查找会更好。并且由于要进行附加的操作（旋转）以不使高度变差，因此树修改操作可能会有点昂贵。