红黑树（Red-Black Tree）是一种自平衡的二叉查找树，由 Rudolf Bayer 在 1972 年发明。它在计算机科学中应用广泛，例如在 Java 的 TreeMap、C++ STL 的 std::map 以及 Linux 内核的调度器中都能看到它的身影。红黑树通过为每个节点增加颜色属性，并遵循一组精心设计的规则，确保树的高度始终保持在 O(log n) 级别，从而保证查找、插入和删除操作的高效性。
本文将详细介绍红黑树的五大核心特性，并通过实例帮助读者理解这些规则如何共同作用，维持树的平衡。
红黑树的五大特性
红黑树本质上是一棵二叉查找树，因此它满足二叉查找树的所有性质：左子树所有节点的值小于根节点，右子树所有节点的值大于根节点。但在此基础上，红黑树额外增加了以下五条约束：
-
每个节点不是红色就是黑色
这是最基本的颜色属性，节点要么是红色，要么是黑色，没有其他颜色。
-
根节点是黑色的
树的根节点必须为黑色。这条规则是后续推导的基础。
-
每个叶子节点（NIL节点，空节点）都是黑色的
这里需要特别注意：红黑树中的叶子节点并不是通常意义上的左右子树为空的节点，而是指那些不存储数据的 NIL 节点。我们可以把每个普通节点的左右孩子都视为指向 NIL 节点（有些实现中称为哨兵节点），这些 NIL 节点都是黑色的。这样做是为了统一路径计数。
-
如果一个节点是红色的，则它的子节点必须是黑色的
换句话说，红色节点不能连续出现（即不能有两个相邻的红色节点）。这条规则限制了红色节点的分布，防止树偏向一侧。
-
从任意节点到其所有子孙叶子节点的路径上，包含相同数目的黑色节点
这是红黑树最关键的平衡依据。从某个节点出发，到达任意一个叶子节点（NIL）的路径上，所经过的黑色节点个数（称为该节点的 黑高）必须相等。这保证了树的大致平衡：最短路径可能全是黑色节点，最长路径则是在黑色节点之间穿插红色节点，但最长路径的长度不会超过最短路径的两倍（因为红色不能连续出现，所以红色节点数 ≤ 黑色节点数）。
正是这五条规则，赋予了红黑树近乎平衡的特性。任何插入或删除操作都可能破坏这些规则，因此需要后续的调整（通过旋转和重新着色）来恢复它们。
为什么这些特性可以保持平衡？
我们可以从规则 5 推导出一个重要的结论：从根节点到任意叶子节点的路径长度，其最大值不超过最小值的 2 倍。
-
假设一棵红黑树中，从根到叶子节点的最短路径全由黑色节点组成，长度为 h（即黑高）。
-
由于红色节点不能连续出现，最长路径只能是在每两个黑色节点之间插入一个红色节点，因此最长路径长度最多为 2h。
-
所以整棵树的高度不会超过 2h，而 h 本身又与节点总数 n 满足 n ≥ 2^h - 1（因为每条路径上的黑色节点构成了一个完全平衡的黑色树），因此 h ≤ log₂(n+1)，从而树高 O(log n)。
这种平衡机制避免了二叉查找树在极端情况下退化成链表（例如插入有序数据时），保证了操作的时间复杂度始终为对数级。
红黑树的基本操作
查找
红黑树的查找与普通二叉查找树完全相同，利用节点值的大小关系递归向下搜索，时间复杂度 O(log n)。
插入
插入一个新节点时，通常将该节点着色为红色（因为如果着黑色会破坏规则 5，修复代价较大）。然后根据情况调整，常见的插入情形包括：
-
插入节点的父节点为黑色：直接插入，无需调整。
-
插入节点的父节点为红色：此时破坏了规则 4（红红相邻），需要根据叔父节点的颜色进行不同处理，可能涉及变色和旋转（左旋、右旋）。
调整的目标是恢复红黑树的五条规则，最终使整树平衡。
删除
删除操作更复杂，因为可能同时破坏多个规则。大致思路是：先按二叉查找树的方式删除节点（若删除节点有两个孩子，则用后继节点替换），然后根据被删除节点的颜色及其子节点的情况进行修复。修复过程中也会用到旋转和变色，直至满足所有规则。
由于篇幅限制，具体的插入和删除细节本文不做展开，读者可以参考经典教材或算法资料深入学习。
红黑树与 AVL 树的对比
红黑树和 AVL 树都是自平衡二叉查找树，但它们的侧重点略有不同：
-
AVL 树 对平衡要求更严格（任何节点的左右子树高度差不超过 1），因此查询效率略高，但插入和删除可能需要更多旋转。
-
红黑树 的平衡条件相对宽松，插入和删除的旋转次数通常更少，因此在实际应用中更受欢迎，尤其是在需要频繁插入删除的场景（如操作系统内核、各种库的关联容器）。
总结
红黑树通过简单的颜色标记和五条规则，实现了一种"近似平衡"的二叉查找树。它的设计巧妙之处在于，用有限的颜色和局部调整，换来了整体性能的稳定。理解红黑树的特性，不仅有助于我们掌握数据结构的基础知识，也能让我们在使用相关容器时知其所以然，写出更高效的代码。
希望本文能帮助你揭开红黑树的神秘面纱。如果你对红黑树的具体实现感兴趣，不妨亲自实现一棵红黑树，在实践中加深理解！