一、 二叉树
二叉树是每个节点最多有两个子树的树结构。它有五种基本形态：二叉树可以是空集；根可以有空的左子树或右子树；或者左、右子树皆为空。如下图所示
1 二叉树的五种性质
掌握二叉树的五种性质，能让我们在笔试中做题变得游刃有余，也就有更多的时间处理其他的题目。其具体的性质看下图。
![二叉树的5个性质]
2 两个特别的二叉树
完全二叉树:
满二叉树:
完全二叉树和满二叉树长啥样呢？
3 常见的存储方法
我们知道数组最大的一个特点就是内存连续，方便随机访问，下标通常从0开始。好了，知道这些我们就先看看用数组如何存储一棵二叉树。
我们了解了二叉树的一点基本概念后，为了表示节点之间的关系，引入链表结构，用左右两个指针分别指向左节点和右节点，这样就可以串联整个二叉树，如下图所示。
3 二叉树的遍历
先序遍历:访问根节点，访问当前节点的左子树；若当前节点无左子树，则访问当前节点的右子树；
中序遍历访问当前节点的左子树；访问根节点；访问当前节点的右子树；
后序遍历:从根节点出发，依次遍历各节点的左右子树，直到当前节点左右子树遍历完成后，才访问该节点元素。
层次遍历:
二、 二叉排序树
二叉排序树（Binary Sort Tree）又称二叉查找树、二叉搜索树。 它或者是一棵空树；或者是具有下列性质的二叉树：
（1）若左子树不空，则左子树上所有结点的值均小于它的根结点的值；
（2）若右子树不空，则右子树上所有结点的值均大于它的根结点的值；
（3）左、右子树也分别为二叉排序树；
其高度与树中结点个数n成对数关系，检索的时间开销为O(logn)。但是很有可能检索的时间将变成线性的情况。
三、 哈夫曼树
哈夫曼树也叫做最优二叉树，一种带权路径长度最短的二叉树。那么什么是树的带权路径长度，它是树中所有的叶子节点的权值乘上其根节点的路径长度。
1 如何构造哈夫曼树
四、 平衡二叉树
之前我们知道了二叉排序树出现了线性的情况，所以需要想办法避免那种情况发生。这样两位爷爷发明了平衡二叉排序树，又叫AVL树。那么是怎么定义的呢？平衡二叉排序树是一类特殊的二叉排序树，它或者为空树，或者其左右子树都是平衡二叉排序树，而且其左右的子数高度之差绝对值不超过1.为了保证相对平衡，每次插入元素都会做相应的旋转，那么下面来看看这几种情况。
1 平衡二叉树与非平衡二叉树
2 平衡调整
LL型调整
如下图，因为在A的左孩子的左孩子插入新的节点，导致A的平衡因子从1变为2，不在满足根本性质[-1,1]，所以需要通过旋转。显然，按照大小关系，结点B应作为新的根结点，其余两个节点分别作为左右孩子节点才能平衡，这样看来，仿佛A结点绕结点B顺时针旋转一样。
下图中，当在节点5的左子树中插入节点的时候而导致不平衡。这种情况调整如下：首先将元素5的左孩子2提升为新的根结点；然后将原来的根结点元素5降为元素2的右孩子；其他各子树按大小关系连接。
RR型调整
如下图，因为在A的右孩子的右孩子插入新的节点，导致A的平衡因子从-1变为-2，不在满足根本性质[-1,1]，所以需要通过旋转。显然，按照大小关系，结点元素7应作为新的根结点，其余两个节点分别作为左右孩子节点才能平衡，这样看来，仿佛节点元素5绕结点元素7逆时针旋转一样。
如下图，因为在元素5的右孩子的右孩子插入新的节点，导致元素5的平衡因子从-1变为-2，不在满足根本性质[-1,1]，所以需要通过旋转。显然，按照大小关系，结点元素7应作为新的根结点，其余两个节点分别作为左右孩子节点才能平衡，这样看来，仿佛节点元素5绕结点元素7逆时针旋转一样。
LR调整
由于节点元素5的左孩子的右子树上插入新节点，导致不平衡。此时元素5的平衡因子由1变为2。第一张图是LR型的最简单形式。显然，按照大小关系，元素3应作为新的根结点，其余两个节点分别作为左右孩子节点才能平衡。
由于节点元素6增加一个左孩子，导致元素4变得不平衡。先顺时针旋转元素7再逆时针旋转4元素达到平衡。
RL调整
当在元素5的右孩子的左子树增加一个节点7的时候，会造成不平衡的情况。先逆时针旋转成RR情况，再将元素5顺时针旋转。
第二种情况方法类似，看起来会复杂一点。当在元素7得左孩子6增加左孩子元素5得时候，导致元素4变得不平衡。那么先顺时针调整元素7，再逆时针调整元素4
五、 B树和B+树
小伙伴们有没有想过，为什么很多数据库中的索引采用B+树呢？以及为什么索引是放在磁盘上。
1 B树
如果使用二叉树作为索引的底层实现结构，树会变得很高，从而增加了磁盘的IO次数，从而影响数据查询时间。因此为了降低其高度，让一个节点有多个子节点，B树就诞生了。
B树的容颜
一个M阶B树的哪些特性
官方英文
1、Every node has at most m children.
2、Every non-leaf node (except root) has at least [m/2] child nodes.
3、The root has at least two children if it is not a leaf node.
4、A non-leaf node with k children contains k − 1 keys.
5、All leaves appear in the same level.
中文
-
根节点的儿子数量范围[2,M]
-
每个中间节点包含 k-1 个关键字和 k 个孩子，孩子的数量 = 关键字的数量 +1，k 的取值范围为 [ceil(M/2), M]。
-
叶子节点包括 k-1 个关键字（叶子节点没有孩子），k 的取值范围为 [ceil(M/2), M]。
-
假设中间节点节点的关键字为：Key[1], Key[2], …, Key[k-1]，且关键字按照升序排序，即 Key[i]<Key[i+1]。此时 k-1 个关键字相当于划分了 k 个范围，也就是对应着 k个指针，即为：P[1], P[2], …, P[k]，其中 P[1] 指向关键字小于 Key[1] 的子树，P[i] 指向关键字属于 (Key[i-1], Key[i]) 的子树，P[k] 指向关键字大于 Key[k-1] 的子树。
-
所有叶子节点位于同一层。
举个例子
上图为三阶图，查看磁盘3，关键字为20，30.三个孩子分别是(18,19),(22,25),(32,36).其中(18,19)小于20，(22,25)在(20,30)之间，(32，36)大于30.
那么在查找搜索的过程中，是怎样的访问过程呢？假设查找元素7
- 与根节点比较，得到指针p1
- 根据p1来到磁盘2，关键字为(9,15),发现小于9，得到指针p1
- 根据p1来到磁盘5，关键字为(7,8),发现正好有7.
2 B+树
前文介绍了二分查找方法为O(log2n)，但是会出现深度非常大退化为链表，其查找数据的时间复杂度变为O(n)。从而就出现了平衡二叉树。
B+树容颜
B+树性质
-
有m个孩子的节点就有m个关键字(孩子数量=关键字数)，而在B树中孩子数量=关键字数+1
-
非叶子节点关键字也会出现在子节点中，而且子节点中为所有关键字的最大或最小
非叶子节点只是用来索引，不保存数据的记录。在B树中，非叶子节点既保存索引也保存数据记录。 -
所有关键字都存在于叶子节点，叶子节点构成有序链表，而且关键字按照从大到小或者从小到大顺序连接。
优点：
- 因为B+树中间节点没有关键字，所以同样大小的磁盘页可以容纳更多的节点元素，也就是说在相同的情况下，B+树更加的矮胖，这样的话，IO的次数也就比较少。
- B+树的查询相比B树更加稳定，因为B+树的查询是必须到叶子节点，而B树有可能在中间节点，也可能非中间节点。
- B+树叶子节点形成了有序链表，更加有利于范围的查询
那么其查询的过程是什么样的呢。我们假设查询元素13
- 首先与根节点的关键字(10,18,40)比较，13在10和18之间，此时得到P1指针
- 磁盘2中的关键字为(10,12,15),这时15大于13，所有磁盘6
- 关键字为(12,13)，找到13
六、 红黑树
虽然在大部分情况下，面试中不会让你写出来，在面试中还是经常会问原理的内容，所以了解了解更稳妥(比如c++中的很荣STL底层就是基于它),时间复杂度是O(lgn)。其基本概念如下。
1 红黑树的性质
首先红黑树的节点要么是红色，要么是黑色。
1 根节点是黑色的
2 每个叶子节点是黑色的且不存储数据
3 任何相邻的节点不能同时为红色
4 每个节点，从该节点到可达的叶子节点的所有路径，其黑色节点的数目相同。
参考资料
https://blog.csdn.net/isunbin/article/details/81707606
https://www.javatpoint.com/b-plus-tree
https://www.cnblogs.com/geektcp/p/9992213.html
转载：https://blog.csdn.net/L15519543837/article/details/105402027