二叉搜索树有其自身的缺陷，假如往树中插入的元素有序或者接近有序，二叉搜索树就会退化成单支树，时间复杂度会退化成 O(N)，因此 map、set 等关联式容器的底层结构是对二叉树进行了平衡处理，即采用平衡树来实现

1.AVL树的概念

我们已经从多种树型结构走到现在，每一次变化都是为了提高搜索的效率，即时间复杂度

二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序二叉搜索树将退化为单支树，查找元素相当于在顺序表中搜索元素，效率低下，因此发明了 AVL 树

那么什么是AVL树呢？

当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过 1 (需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度

一棵 AVL 树或者是空树，应该是具有以下性质的二叉搜索树：

• 它的左右子树都是 AVL 树
• 左右子树高度之差(简称平衡因子)的绝对值不超过 1(-1/0/1)

二叉搜索树在理想情况下时间复杂度与二叉平衡搜索树相同，均为$O(lo{g}_{2}n)$，但在极端情况下二叉平衡搜索树优于二叉搜索树，因为二叉平衡搜索树会自己调整平衡（后面会详细解释）

为什么是严格的绝对值为 1，不是 0 或者更大的数字？

若要求高度差为 0，即严格平衡，树的结构会过于 rigid（僵化）。每次插入或删除节点都可能需要大量调整操作，导致性能下降。允许高度差为 1，在保持较好平衡性的同时，减少了不必要的调整
若允许高度差为 2，树的平衡性会明显下降，可能出现一侧子树比另一侧高很多的情况，导致查找等操作的时间复杂度增加
所以平衡因子为 1 是最合适的

2.AVL树的结构

template<class K, class V>
struct AVLTreeNode
{pair<K, V> _kv;AVLTreeNode<K, V>* _left;AVLTreeNode<K, V>* _right;AVLTreeNode<K, V>* _parent;int _bf;AVLTreeNode(const pair<K, V>& kv):_kv(kv),_left(nullptr),_right(nullptr),_parent(nullptr),_bf(0){ }
};

• pair<K, V> _kv：用于存储键值对，pair 是 C++ 标准库中的一个模板类，可将两个不同类型的值组合在一起
• AVLTreeNode<K, V>* _left：指向左子节点的指针
• AVLTreeNode<K, V>* _right：指向右子节点的指针
• AVLTreeNode<K, V>* _parent：指向父节点的指针，这在调整树的平衡时很有用
• int _bf：平衡因子（Balance Factor），用来记录该节点左右子树的高度差。平衡因子为 0 时表示左右子树高度相等；为 1 时表示右子树比左子树高 1；为 -1 时表示左子树比右子树高 1

3.AVL树的插入

	typedef AVLTreeNode<K, V> Node;
public:bool Insert(const pair<K, V>& kv){if (_root == nullptr){_root = new Node(kv);return true;}//寻找节点插入位置Node* cur = _root;Node* parent = nullptr;while (cur){if (cur->_kv.first < kv.first){parent = cur;cur = cur->_right;}else if (cur->_kv.first > kv.first){parent = cur;cur = cur->_left;}else{return false;}}//链接插入节点与AVL树cur = new Node(kv);if (parent->_kv.first < kv.first){parent->_right = cur;}else{parent->_left = cur;}cur->_parent = parent;//调整平衡因子while (parent){if (cur == parent->_left){parent->_bf--;}else{parent->_bf++;}if (parent->_bf == 0){break;}else if (parent->_bf == 1 || parent->_bf == -1){cur = parent;parent = parent->_parent;}else if (parent->_bf == 2 || parent->_bf == -2){//旋转调整（...）}else{assert(false);}}return true;}

AVL 树的插入和二叉搜索树是很像的，先根据左大右小的原则，寻找插入节点的位置，然后判断父母节点与插入节点的关系，连接新节点，唯一不同的地方是平衡因子调节的部分，高度差是由右子树减去左子树得出的，可以总结出以下方法：

🚩 (1)新增在左，parent平衡因子减减

🚩 (2)新增在右，parent平衡因子加加

🚩 (3)更新后parent平衡因子 == 0

说明 parent 所在的子树的高度不变，不会影响祖先，不用再继续沿着到 root 的路径往上更新，然后循环结束

🚩 (4)更新后parent平衡因子 == 1 or -1

说明 parent 所在的子树的高度变化，会影响祖先，需要继续沿着到 root 的路径往上更新，循环继续

🚩 (5)更新后parent平衡因子 == 2 or -2

说明 parent 所在的子树的高度变化且不平衡，需要对parent所在子树进行旋转，让他平衡，然后循环结束

🔥值得注意的是： 如果平衡因子出现比 2 还大，比 -2 还小的数，说明之前的插入就已经出问题了

4.AVL树的旋转

4.1 左单旋

void RotateL(Node* parent)
{Node* cur = parent->_right;Node* curleft = cur->_left;parent->_right = curleft;if (curleft){curleft->_parent = parent;}cur->_left = parent;Node* ppnode = parent->_parent;parent->_parent = cur;if (parent == _root){_root = cur;cur->_parent = nullptr;}else{if (ppnode->_left == parent){ppnode->_left = cur;}else{ppnode->_right = cur;}cur->_parent = ppnode;}parent->_bf = cur->_bf = 0;
}

以下将根据一个图例来解释如何进行的左单旋：

左单旋顾名思义就是右子树太长，需要向左旋转形成平衡，平衡因子为 2 的节点定为 parent，其右节点为 cur，cur 的左节点为 curleft

1. 调整 parent 的右子节点： 把 parent 的右子节点设置成 curleft，若 curleft 不为空，就把 curleft 的父节点设置成 parent
2. 调整 cur 的左子节点： 把 cur 的左子节点设置成 parent，ppnode 为 parent 的父节点，把 parent 的父节点设置成 cur
3. 调整根节点或者 ppnode 的子节点： 若 parent 是根节点，那就把 cur 设为新的根节点，并且将 cur 的父节点设为 nullptr。若 parent 不是根节点，就依据 parent 是 ppnode 的左子节点还是右子节点，来更新 ppnode 的相应子节点为 cur，同时把 cur 的父节点设为 ppnode

4.2 右单旋

void RotateR(Node* parent)
{Node* cur = parent->_left;Node* curright = cur->_right;parent->_left = curright;if (curright){curright->_parent = parent;}Node* ppnode = parent->_parent;cur->_right = parent;parent->_parent = cur;if (ppnode == nullptr){_root = cur;cur->_parent = nullptr;}else{if (ppnode->_left == parent){ppnode->_left = cur;}else{ppnode->_right = cur;}cur->_parent = ppnode;}parent->_bf = cur->_bf = 0;
}

和左单旋类似，这里就不详细解释了

4.3 右左双旋

void RotateRL(Node* parent)
{Node* cur = parent->_right;Node* curleft = cur->_left;int bf = curleft->_bf;RotateR(parent->_right);RotateL(parent);if (bf == 0){cur->_bf = 0;curleft->_bf = 0;parent->_bf = 0;}else if (bf == 1){cur->_bf = 0;curleft->_bf = 0;parent->_bf = -1;}else if (bf == -1){cur->_bf = 1;curleft->_bf = 0;parent->_bf = 0;}else{assert(false);}
}

右左双旋适用于新节点插入较高右子树的左侧的情况

30 为 parent 节点，90 为 cur 节点，60 为 curleft 节点

先以 90 进行右单旋，再以 30 进行左单旋

双旋的重点是平衡节点的调整，根据多个例子可以知道，主要是看 curleft 节点的平衡因子

如果原来 curleft 平衡因子为 0 ，即 curleft 为新增节点导致的双旋，那么 curleft、cur、parent 平衡因子都为 0

如果原来 curleft 平衡因子为 1 ，即在 curleft 右边新增，那么 cur 和 curleft 平衡因子都为 0，parent 的平衡因子为 1

如果原来 curleft 平衡因子为 -1 ，即在 curleft 左边新增，那么 parent 和 curleft 平衡因子都为 0，cur 的平衡因子为 1

4.4 左右双旋

void RotateLR(Node* parent)
{Node* cur = parent->_left;Node* curright = cur->_right;int bf = curright->_bf;RotateL(parent->_left);RotateR(parent);if (bf == 0){parent->_bf = 0;cur->_bf = 0;curright->_bf = 0;}else if (bf == -1){parent->_bf = 1;cur->_bf = 0;curright->_bf = 0;}else if (bf == 1){parent->_bf = 0;cur->_bf = -1;curright->_bf = 0;}
}

和右左双旋类似，这里就不详细解释了

5.AVL树的删除

在实际开发中，虽然 AVL 树是一种自平衡的二叉搜索树，但其删除操作通常不被优先实现

AVL 树的核心特性是通过旋转操作（左旋、右旋、左右旋、右左旋）来保证树的高度平衡。在插入操作中，仅需从插入节点向上回溯至根节点，检查并调整路径上节点的平衡因子，最多进行两次旋转操作就能恢复树的平衡。然而，删除操作后，平衡的破坏可能会沿着从删除节点到根节点的路径向上传播，导致需要多次旋转操作来恢复平衡。这使得删除操作的实现逻辑变得异常复杂，需要仔细处理各种可能的情况

而且实现插入删除一般会使用 红黑树、B树 等更优的数据结构

6.AVL树的高度

int Height(Node* root)
{if (root == nullptr)return 0;int leftHeight = Height(root->_left);int rightHeight = Height(root->_right);return leftHeight > rightHeight ? leftHeight + 1 : rightHeight + 1;
}

比较左子树和右子树的高度，取较大值并加 1（加上当前根节点），得到当前子树的高度

7.AVL树的平衡判断

bool IsBalance(Node* root)
{if (root == nullptr)return true;int leftHight = Height(root->_left);int rightHight = Height(root->_right);if (rightHight - leftHight != root->_bf){cout << "平衡因子异常:" << root->_kv.first << "->" << root->_bf << endl;return false;}return abs(rightHight - leftHight) < 2&& IsBalance(root->_left)&& IsBalance(root->_right);
}

每遍历一个节点就对其左右子树的高度进行计算，然后判断是否绝对值小于 2

总结： AVL 树是一棵绝对平衡的二叉搜索树，其要求每个节点的左右子树高度差的绝对值都不超过 1，这样可以保证查询时高效的时间复杂度，即$lo{g}_2(N)$。但是如果要对 AVL 树做一些结构修改的操作，性能非常低下，比如：插入时要维护其绝对平衡，旋转的次数比较多，更差的是在删除时，有可能一直要让旋转持续到根的位置。因此：如果需要一种查询高效且有序的数据结构，而且数据的个数为静态的(即不会改变)，可以考虑 AVL 树，但一个结构经常修改，就不太适合

---

希望读者们多多三连支持

小编会继续更新

你们的鼓励就是我前进的动力！