在计算机科学中，树形数据结构广泛用于优化搜索、插入和删除等操作。其中，二叉搜索树（BST）是一种基础结构，但可能会因不平衡而影响性能。为了解决这个问题，出现了自平衡的红黑树（Red-Black Tree）。
此外，在处理字符串匹配和搜索的场景中，Trie（前缀树）提供了一种高效的解决方案。然而，由于 Trie 可能存在较大的空间占用，因此衍生出了 Patricia Tree（压缩前缀树），以减少存储开销，提高查询效率。
本文将分别介绍 BST 和红黑树在数值数据存储中的应用，以及 Trie 和 Patricia Tree 在字符串匹配中的作用，分析它们的特点、优势、缺点及应用场景。
二叉搜索树（Binary Search Tree, BST）
特点
二叉搜索树（BST）是一种特殊的二叉树，满足以下性质：
- 每个节点的左子树中的所有节点值都小于该节点值。
- 每个节点的右子树中的所有节点值都大于该节点值。
- 左右子树也分别是二叉搜索树。
优缺点
优点：
- 结构简单，易于实现。
- 平均情况下，查找、插入和删除的时间复杂度为 O(log n)。
缺点：
- 在最坏情况下（例如插入顺序导致树退化为链表），时间复杂度会变为 O(n)。
应用场景
变量和符号管理： 在编译器和解释器中，BST 可用于管理变量、函数、类等标识符，并支持高效的查找、插入和删除操作。例如，在编译器解析源代码时，BST 可用于维护作用域中的变量，以便快速检索和更新变量信息。
Code 实现
请点击这里查看typescript版本的BST.
红黑树（Red-Black Tree）
特点
红黑树是一种自平衡二叉搜索树，具有以下性质：
- 每个节点是红色或黑色。
- 根节点是黑色。
- 每个叶子节点（NIL）是黑色。
- 如果一个节点是红色，则它的子节点必须是黑色（即不能有两个连续的红色节点）。
- 从任一节点到其每个叶子节点的所有路径上，黑色节点的数量相同。
优缺点
优点：
- 通过旋转和重新着色操作保持平衡，避免退化为链表。
- 插入、删除、查找的时间复杂度始终保持在 O(log n)。
缺点：
- 实现复杂，相比普通 BST 需要额外的存储空间。
- 旋转和着色操作可能会增加插入和删除的开销。
应用场景
操作系统进程调度（Linux CFS 调度器） ： 在 Linux 内核中，完全公平调度器（CFS）使用红黑树存储进程。每个进程根据其"虚拟运行时间"存储在红黑树中，确保调度算法能够高效地找到下一个需要执行的进程，实现较为公平的 CPU 资源分配。
Code 的实现
请点击这里查看typescript版本的红黑树.
Trie（前缀树 / 字典树）
特点
Trie 是一种高效的数据结构，特别适用于前缀匹配。其基本结构如下：
- 每个节点表示一个字符。
- 从根到某个节点的路径表示一个字符串的前缀。
- 一个额外的标志表示该路径是否构成一个完整的字符串。
优缺点
优点：
- 高效的前缀匹配，查找时间复杂度为 O(m)，其中 m 为字符串长度。
- 支持自动补全和词频统计。
缺点：
- 可能占用较多存储空间，尤其是当存储的数据较为稀疏时。
应用场景
搜索引擎的自动补全： 搜索引擎使用 Trie 结构来实现高效的自动补全功能。例如，当用户在搜索框输入部分关键词时，Trie 结构可以迅速匹配所有以该前缀开头的搜索建议，提高用户体验。
Code 的实现
请点击这里查看typescript版本的Trie.
Patricia Tree（压缩前缀树）
特点
Patricia Tree（Practical Algorithm to Retrieve Information Coded in Alphanumeric）是一种压缩版的 Trie，适用于存储稀疏键值对，减少 Trie 树的存储空间需求。
Patricia Tree 的主要特点：
- 合并只有一个子节点的中间节点，减少树的高度。
- 仅存储关键路径，提高查找效率。
- 适用于 IP 地址前缀匹配、路由表等应用。
优缺点
优点：
- 相比 Trie，占用更少的存储空间。
- 适用于存储较长字符串且节点稀疏的数据。
缺点：
- 实现较复杂。
- 在频繁修改的情况下，维护成本较高。
应用场景
IP 路由表的前缀匹配（如 BGP 协议） ： 在网络通信中，路由器需要快速查找 IP 地址前缀，以决定数据包的转发路径。Patricia Tree 通过压缩存储，提高查询效率，广泛用于 BGP（边界网关协议）等网络协议的实现。
相比 Trie，Patricia Tree 在处理长字符串或稀疏数据时更加紧凑，并减少了不必要的存储开销。
Code 的实现
请点击这里查看typescript版本的patricia tree.