面经手册 · 第5篇《看图说话，讲解2-3平衡树「红黑树的前身」》
做者：小傅哥
博客：https://bugstack.cnhtml
沉淀、分享、成长，让本身和他人都能有所收获！😄
1、前言
讲道理5年开发，没用过数据结构，你只是在作CRUD！程序员
不少时候大部分程序员👨💻头疼于，查询慢、效率低、一堆的关联SQL，主要缘由是在程序设计上没有作出很好的数据结构。固然也还有一部分是因为老业务代码，或者没有用到一些大数据服务等。面试
数据结构、算法、设计模式，是每个程序员成长过程当中的内功心法修炼，而你的新技能用的再绚、多线程使的再六、加锁玩的再牛🐂，也只能说明你这我的身体好，但身体好是不能抗住子弹的。只有身体+心法都好，都能纵横捭阖。算法
这一章节是结合HashMap的延展，在Jdk1.8中HashMap是使用桶数组+链表和红黑树实现，因此顺着上一章节的核心原理和API功能讲解后，原本这一章节想直接进入到红黑树，但若是想把红黑树学明白，就须要了解他的前因后果，也就是它的前身2-3树🌲。数据库
2、面试题
谢飞机，考你几个简单的知识点🦀设计模式
- 飞机，看你简历写了解数据结构，能够简单介绍下2-3树吗？
- 这种树节点有什么特色，与你了解其余的树结构对比下？
- 你看这个图，向里面插入和删除节点，要怎么操做？
🤥飞机，回去等消息吧！数组
3、什么是2-3树
平常的学习和一部分伙伴的面试中，居然会听👂到的是；从HashMap中文红黑树、从数据库索引为B+Tree，但问2-3树的状况就不是不少了。数据结构
1. 为何使用树结构
从最根本的缘由来看，使用树结构就是为了提高总体的效率；插入、删除、查找(索引)，尤为是索引操做。由于相比于链表，一个平衡树的索引时间复杂度是O(logn)，而数组的索引时间复杂度是O(n)。多线程
从如下的图上能够对比，二者的索引耗时状况；函数
- 从上图能够看到，使用树结构有效的下降时间复杂度，提高数据索引效率。
- 另外这个标准的树结构，是二叉搜索树(Binary Search Tree)。除此以外树形结构还有；AVL树、红黑树、2-3树等
2. 二叉搜索树退化链表
在树的数据结构中，最早有点是二叉查找树，也就是英文缩写BST树。在使用数据插入的过程当中，理想状况下它是一个平衡的二叉树，但实际上可能会出现二叉树都一边倒，让二叉树像列表同样的数据结构。从而树形结构的时间复杂度也从O(logn)升级到O(n)，以下图；
- 二叉搜索树的数据插入过程是，插入节点与当前树节点作比对，小于在左，大于在右。
- 随着数据的插入顺序不一样，就会出现彻底不一样的数据结构。多是一棵平衡二叉树，也极有可能退化成链表的树。
- 当树结构退化成链表之后，整个树索引的性能也跟着退化成链表。
综上呢，若是咱们但愿在插入数据后又保持树的特色，O(logn)的索引性能，那么就须要在插入时进行节点的调整
3. 2-3树解决平衡问题
2-3树是什么结构，它怎么解决平衡问题的。带着问题咱们继续🤔。
2-3树是一种很是巧妙的结构，在保持树结构的基础上，它容许在一个节点中能够有两个元素，等元素数量等于3个时候再进行调整。经过这种方式呢，来保证整个二叉搜索树的平衡性。
这样说可能尚未感受，来看下图；
- 左侧是二叉搜索树，右侧是2-3平衡树，分别插入节点四、5，观察树形结构变化。
- 二叉搜索树开始出现偏移，节点一遍倒。
- 2-3树经过一个节点中存放2到3个元素，来调整树形结构，保持平衡。所谓的保持平衡就是从根节点，到每个最底部的本身点，链路长度一致。
2-3树已经能够解决平衡问题那么，数据是怎么存放和调整的呢，接下来咱们开始分析。
4、2-3树使用
1. 树结构定义和特色性质
2-3树，读法；二三树，特性以下；
| 序号 | 描述 | 示意图 |
|---|---|---|
| 1 | 2-，1个数据节点2个树杈 |  |
| 2 | 3-，2个数据节点3个树杈 |  |
| 3 | 三叉与两叉的不一样点在于，除了两边的节点，中间件还有一个节点。这个节点是介于二、4之间的值。 |  |
| 4 | 当随着插入数据，会出现临时的一个节点中，有三个元素。这时会被调整成一个二叉树。 |  |
综上咱们能够总结出，2-3树的一些性质；
- 2-3树全部子叶节点都在同一层
- 1个节点能够有1到2个数据，若是有三个须要调整树结构
- 1个节点1个数据时，则有两个子节点
- 1个节点2个数据时，则有三个子节点，且中间子节点是介于两个节点间的值
2. 数据插入
接下来咱们就模拟在二叉搜索树中退化成链表的数据，插入到2-3树的变化过程，数据包括；一、二、三、四、五、六、7，插入过程图以下；
以上，就是整个数据在插入过程当中，2-3树的演化过程，接下来咱们具体讲解每一步的变化；
- α，向节点1插入数据2，此时为了保持平衡，不会新产生分支，只会在一个节点中存放两个节点。
- β，继续插入数据3，此时这个节点有三数据，一、二、3，是一个临时区域。
- γ，把三个数据的节点，中间节点拉起来，调整成树形结构。
- δ，继续插入数据4，为了保持树平衡，会插在节点3的右侧。
- ε，继续插入数据5，插入后
三、四、5共用1个节点，当一个节点上有三个数据时候，则须要进行调整。 - ζ，中间节点4向上⏫调整，调整后，1节点在左、3节点在中间、5节点在右。
- η ，继续插入数据6，在保持树平衡的状况下，与节点5公用。
- θ ，继续插入数据7，插入后，节点7会与当前的节点
5 6共用。此时是一个临时存放，须要调整。初步调整后，抽出6节点，向上存放，变为2 4 6共用一个节点，这是一个临时状态，还须要继续调整。 - ι，由于根节点有三个数据
二、四、6，则继续须要把中间节点上移，一、3和五、7则分别成二叉落到节点2、节点6上。
🇬🇷希腊字母：α(阿尔法)、 β(贝塔)、γ(伽马)、δ(德尔塔)、ε(伊普西隆)、ζ(截塔)、η(艾塔)、θ(西塔)、ι(约塔)
3. 数据删除
有了上面数据插入的学习，在看数据删除其实就是一个逆向的过程，在删除的主要包括这样两种状况；
- 删除了3-节点，也就是包含两个数据元素的节点，直接删除便可，不会破坏树平衡。
- 删除了2-节点，此时会破坏树平衡，须要将树高缩短或者元素合并，恢复树平衡。
承接上面👆的例子，咱们把数据再从七、六、五、四、三、二、1顺序删除，观察2-3树的结构变化，以下；
- α，删除节点7，由于节点7只有一个数据元素，删除节点
五、6合并，但此时破坏了2-3树的平衡性，须要缩短树高进行调整。 - β，由于删除节点后，整个树结构不平衡，因此须要缩短树高，调整元素。节点
二、4合并，节点一、3分别插入左侧和中间。 - γ，删除节点6，这个节点是3-节点(能够分出3个叉的意思)，删除后不会破坏树平衡，保持不变。
- δ，删除节点5，此时会破坏树平衡，须要把跟节点4下放，与3合并。
- ε，删除节点4，这个节点依旧是3-节点，因此不须要改变树结构。
- ζ，删除节点3，此时只有一、2节点，须要合并。
- η ，删除节点2，此时节点依旧是3-节点，因此不须要改变树结构。
再看一个稍微复杂点2-3树删除：
上面👆这张图，就一个稍微复杂点的2-3平衡树，树的删除过程主要包括；
- 删除4，其实须要将节点
三、5合并，指向节点2，保持树平衡。 - 删除7，节点
八、9合并。 - 删除14，节点
15上移，恢复成3-叉树。
🤔若是有时候很差理解删除，能够试想下，这个要删除的节点，在插入的时候是一个什么效果。
4. 数据索引
相比于插入和删除，索引的过程仍是比较简单的，不须要调整数据结果。基本原则就是；
- 小于当前节点值，左侧寻找
- 大于当前节点值，右侧寻找
- 一直到找到索引值，中止。
🔍第一层寻找：
🔍第二层寻找：
🔍第三次寻找：
5、总结
- 综上讲解了2-3树🌲的核心内容，经过本章节的学习，能够了解2-3树是一种怎样的数据结构、如何插入数据、删除数据以及数据的索引，同时要知道这是一种平衡树的结构，包括2-叉和3-叉节点以及数结构随着数据的添加删除调整。
- 2-3树是红黑树的演变前身，经过这一章节的学习就很容易学习红黑树的相关知识，在红黑树中添加数据进行的渲染、旋转等来保持树平衡。红黑树接近平衡
- 数据结构方面的知识学习起来，可能会比较🤯烧脑，由于须要思考出那种模型结构和变化的过程，因此会感受困难。但这个烧脑的过程也是对学习很是有帮助的，能够迅速建设知识凸起，当突破不理解到理解，能够有很是多的收获。