1. AVL树（平衡二叉树）
2. 红黑树
3. B(+)树
4. Trie树（字典树）
1. AVL树（平衡二叉树）
任何一个节点的左子支高度与右子支高度之差的绝对值不超过1的平衡二叉树。
AVL树特性 ：
- 一般是用平衡因子差值决定并通过旋转来实现，左右子树树高差不超过1。
- 与红黑树比较它是严格的平衡二叉树，平衡条件非常严格（树高差只有1），只要插入或删除不满足上面的条件就要通过旋转来保持平衡。
- 由于旋转是非常耗费时间的。我们可以推出AVL树适合用于插入删除次数比较少，但查找多的情况。
AVL树应用场景：
应用相对其他数据结构比较少。windows对进程地址空间的管理用到了AVL树。
2. 红黑树
平衡二叉树，通过对任何一条从根到叶子的简单路径上各个节点的颜色进行约束，确保没有一条路径会比其他路径长2倍，因而是近似平衡的。
红黑树特性 ：
- 相对于严格要求平衡的AVL树来说，它的旋转保持平衡次数较少。
- 用于搜索时，插入删除次数多的情况下我们就用红黑树来取代AVL。
红黑树应用场景（比较广泛）：
- 广泛用在C++的STL中。map和set都是用红黑树实现的。
- 著名的linux进程调度Completely Fair Scheduler,用红黑树管理进程控制块。
- epoll在内核中的实现，用红黑树管理事件块
- nginx中，用红黑树管理timer等
- Java的TreeMap实现，Java8的HashMap实现；
3. B(+)树
B树（Balance tree）和B+树应用在数据库索引，可以认为是m叉的多路平衡查找树。
B树，B+树的特性 ：
- 它们特点是一样的，是多路查找树，一般用于数据库中做索引，因为它们分支多层数少，因为磁盘IO是非常耗时的，而像大量数据存储在磁盘中所以我们要有效的减少磁盘IO次数避免磁盘频繁的查找。
- B+树是B树的变种树，有n棵子树的节点中含有n个关键字，每个关键字不保存数据，只用来索引，数据都保存在叶子节点。是为文件系统而生的。
B+树（相对于B树）的优点：
- B+树相对B树磁盘读写代价更低：因为B+树非叶子结点只存储键值，单个节点占空间小，索引块能够存储更多的节点，从磁盘读索引时所需的索引块更少，所以索引查找时I/O次数较B-Tree索引少，效率更高。
- 而且，B+Tree在叶子节点存放的记录以链表的形式链接，范围查找或遍历效率更高。
B(+)树应用场景：
- Mysql InnoDB用的就是B+Tree索引。
4. Trie树（字典树，单词查找树）
又名单词查找树，一种树形结构，常用来操作字符串。
Trie树的特性 ：
- 它是不同字符串的相同前缀只保存一份。相对直接保存字符串肯定是节省空间的，但是它保存大量字符串时会很耗费内存（是内存）。
- 类似的有：前缀树(prefix tree)，后缀树(suffix tree)，radix tree(patricia tree, compactprefix tree)，crit-bit tree（解决耗费内存问题），以及前面说的double array trie。
前缀树&后缀树的区别
- 前缀树：字符串快速检索，字符串排序，最长公共前缀，自动匹配前缀显示后缀。
- 后缀树：查找字符串s1在s2中，字符串s1在s2中出现的次数，字符串s1,s2最长公共部分，最长回文串。
Trie树应用场景：
trie 树的一个典型应用是前缀匹配，比如下面这个很常见的场景，在我们输入时，搜索引擎会给予提示。
分享到:
閱讀更多 架構師訓練營 的文章
