引言
我想本篇文章红黑树的故事应该从一个实际的应用讲起。如果我们选择用AVL树来存储数据，会有几个缺点：
首先AVL树的条件太过于苛刻，平衡系数如果大于2，那么我们就需要进行调整，也就是说，如果运气不是很好，我们只要插入两个数，我们就需要调整一次二叉树，很浪费时间。所以我们想要放宽这个条件。放宽这个条件有两个做法，一个是把平衡系数调大，一个是让这个树变成完全二叉树，尽量不去调整二叉树，每个结点可以存放多个数据。
而方法二就是我们的B树。什么是B树，就是一个结点可以存放多个数据，如图：
而我们的红黑树，就是把B树变成二叉树，而这里我们只变化2-3树和2-3-4树。
什么是2-3树，什么是2-3-4树？
拿2-3-4树举例子：
一棵树里面结点有三种类型
1、结点的度为2，可以存储1个数据
2、结点的度为3，可以存储2个数据
3、结点的度为4，可以存储3个数据
因为如果结构太复杂了，2-3-4-5-6。。。那样子也不好变化，所以我们的红黑树只包含2-3树和2-3-4树。
红黑树
红黑树的本质就是B树，它要把B树变成二叉树，所以要把数据不断的往下拆开。但是为什么我们需要分颜色，其实就是因为如果我们要还原成B树，我们需要直到我们那些结点是原来的结点，那些结点是被拆分开的，而原来的结点是黑色，被拆分的结点是红色的。
所以我们对于红黑树，我们可以得到一些性质，这些性质也十分重要：
1、因为根节点不可能是被拆分开的，所以根节点一定是黑色的
2、我们在红黑树里面，把叶子节点叫做失败结点，也就是nullptr结点，可能和我们之前学的结点的意义有些不一样，而红黑树里面的叶子节点一定是黑色的。
3、我们红颜色的来源是由黑节点拆分开的，所以红节点不可能和红节点在一起，因为如果红节点和红节点待在了一起，那下面哪个红节点是由谁拆分开的呢？如果是由上面那一层，那么那一层就应该是黑色的。但是黑色和黑色可以呆在一起，这也比较好理解，没有拆分数据嘛~~
4、一个结点到所有叶子结点的所经历的黑节点数量都相同。红黑树的本质就是B树，而B树的本质是完全二叉树，我们拆开完全二叉树的时候，是不断的往下增加红色的结点，不会有任何黑色结点的增加，所以自然而然，经过的黑色结点数量一样。
5、满足二叉排序树的顺序性。
所以说了半天，其实大家也发现了，红色结点的出现根本不影响黑色结点的本来性质，因为红色节点就是由黑色结点拆分出来的，而标记颜色也仅仅只是为了更方便合并回去。
6、结点的黑高（bh）：从某个结点出发，到叶子结点经过的黑色结点（起点不算）
这个概念很容易和树高搞混，因为树的高度是不计算nullptr这个结点的，但是要计算起点，也就是根节点。
所以整个红黑树的黑高就是B树的树高。因为红色结点就是拆分出来的，根本不影响B树本身的性质。
7、那红黑树也有它自己的平衡性。
最长的黑高不可以超过最短的黑高的两倍。理解也非常的简单，假设一个B树一边是一个不拆分，也就是这个路径上根本没有红色节点的出现，而另一边全部拆开，得到红色的结点数量和黑色结点的数量相同
8、红黑树的高度也有所限制，一下是推到过程
总结（红黑树的应用）
Linux的CPU调度算法（完全公平算法）
Linux的epoll多路复用
这主要是因为红黑树对于平衡树的限制条件放宽了，所以可以减少调整的次数，来满足对于更多数据的存储。
本篇文章主要是对于红黑树的性质做了一个陈述，而对于红黑树的代码，会在之后的文章中慢慢呈现出来