学过数据数据结构都知道二叉树的概念，而又有多种比较常见的二叉树类型，比如完全二叉树、满二叉树、二叉搜索树、均衡二叉树、完美二叉树等；今天我们要说的红黑树就是就是一颗非严格均衡的二叉树，均衡二叉树又是在二叉搜索树的基础上增加了自动维持平衡的性质，插入、搜索、删除的效率都比较高。红黑树也是实现TreeMap存储结构的基石。
二叉搜索树又叫二叉查找树、二叉排序树，我们先看一下典型的二叉搜索树，这样的二叉树有何规则特点呢？
下图就是一颗典型的二叉搜索树
二叉搜索树是均衡二叉树的基础，我们看一下它的搜索步骤如何
我们要从二叉树中找到值为 58 的节点
第一步：首先查找到根节点，值为60的节点
第二步：比较我们要找的值58与该节点的大小
如果等于，那么恭喜，已经找到；
如果小于，继续找左子树；
如果大于，那么找右子树；
很明显58 < 60，因此我们找到左子树的节点 56，此时我们已经定位到了节点56
第三步：按照第二步的规则继续找
58 > 56 我们需要继续找右子树，定位到了右子树节点58，恭喜，此时我们已经找到了。
我们经过三步就已经找到了，其实就是我们平时所说的二分查找，这种二叉搜索树好像查找效率很高，但同样它也有缺陷，如下面这样的二叉搜索树。
看到这样的二叉搜索树是否很别扭，典型的大长腿瘸子，但它也是二叉搜索树，如果我们要找值为50的节点，基本上和单链表查询没多大区别了，性能将大打折扣。这个时候我们的均衡二叉树就粉墨登场了，均衡二叉树就是在二叉搜索树的基础上添加了自动维持平衡的性质。
上面的大长腿瘸子二叉搜索树经过自动平衡后，可能就成为了下面这样的二叉树。
经过了自动平衡，再去找值为50的节点，查找性能将提升很多。红黑树就是非严格均衡的二叉搜索树。
红黑树具体有哪些规则特点呢？
规则看着好像挺多，没错，因为红黑树也是均衡二叉树，需要具备自动维持平衡的性质，上面的6条就是红黑树给出的自动维持平衡所需要具备的规则
我们看一看一个典型的红黑树到底是什么样儿？
首先解读一下规则，除了字面上看到的意思，还隐藏了哪些意思呢？
第一. 从根节点到叶子节点的最长路径不大于最短路径的2倍
??怎么样的路径算最短路径？
??从规则5中，我们知道从根节点到每个叶子节点的黑色节点数量是一样的，那么纯由黑色节点组成的路径就是最短路径；
??什么样的路径算是最长路径？
??根据规则4和规则3，若有红色节点，则必然有一个连接的黑色节点，当红色节点和黑色节点数量相同时，就是最长路径，也就是黑色节点（或红色节点）* 2
第二. 为什么说新加入到红黑树中的节点为红色节点
??从规则4中知道，当前红黑树中从根节点到每个叶子节点的黑色节点数量是一样的，此时假如新的黑色节点的话，必然破坏规则，但加入红色节点却不一定，除非其父节点就是红色节点，因此加入红色节点，破坏规则的可能性小一些，下面我们也会举例来说明。
什么情况下，红黑树的结构会被破坏呢？破坏后又怎么维持平衡，维持平衡主要通过两种方式【变色】和【旋转】，【旋转】又分【左旋】和【右旋】，两种方式可相互结合。
下面我们从插入和删除两种场景来举例说明
当我们插入值为66的节点时，红黑树变成了这样
很明显，这个时候结构依然遵循着上述6大规则，无需启动自动平衡机制调整节点平衡状态；
如果再向里面插入值为51的节点呢，这个时候红黑树变成了这样
很明显现在的结构不遵循规则 4 了，这个时候就需要启动自动平衡机制调整节点平衡状态
我们可以通过变色的方式，使结构满足红黑树的规则
最终调整完成后的树为：
但并不是什么时候都那么幸运，可以直接通过变色就达成目的，大多数时候还需要通过旋转来解决。
如在下面这棵树的基础上，加入节点65.
插入节点65后进行以下步骤
这个时候，你会发现对于节点64无论是红色节点还是黑色节点，都会违反规则5，路径中的黑色节点始终无法达成一致，这个时候仅通过【变色】已经无法达成目的。我们需要通过旋转操作，当然【旋转】操作一般还需要搭配【变色】操作。
旋转包括【左旋】和【右旋】，
逆时针旋转两个节点，让一个节点被其右子节点取代，而该节点成为右子节点的左子节点
左旋操作步骤如下：
首先断开节点PL与右子节点G的关系，同时将其右子节点的引用指向节点C2；然后断开节点G与左子节点C2的关系，同时将G的左子节点的应用指向节点PL
顺时针旋转两个节点，让一个节点被其左子节点取代，而该节点成为左子节点的右子节点
右旋操作步骤如下：
首先断开节点G与左子节点PL的关系，同时将其左子节点的引用指向节点C2；然后断开节点PL与右子节点C2的关系，同时将PL的右子节点的应用指向节点G
无法通过变色而进行旋转的场景分为以下四种：
这种情况下，父节点和插入的节点都是左节点，如下图(旋转原始图1)这种情况下，我们要插入节点65
规则如下：以祖父节点【右旋】，搭配【变色】
按照规则，步骤如下：
这种情况下，父节点是左节点，插入的节点是右节点，在旋转原始图1中，我们要插入节点67
规则如下：先父节点【左旋】，然后祖父节点【右旋】，搭配【变色】
按照规则，步骤如下：
这种情况下，父节点是右节点，插入的节点是左节点，如下图(旋转原始图2)这种情况，我们要插入节点68
规则如下：先父节点【右旋】，然后祖父节点【左旋】，搭配【变色】
按照规则，步骤如下：
这种情况下，父节点和插入的节点都是右节点，在旋转原始图2中，我们要插入节点70
规则如下：以祖父节点【左旋】，搭配【变色】
按照规则，步骤如下：
相比较于红黑树的节点插入，删除节点更为复杂，我们从子节点是否为null和红色为思考维度来讨论。
当待删除的节点的子节点至少有一个为null节点时，删除了该节点后，将其有值的节点取代当前节点即可，若都为null，则将当前节点设置为null，当然如果违反规则了，则按需调整，如【变色】以及【旋转】。
这种情况下，
第一步：找到该节点的前驱或者后继
前驱：左子树中值最大的节点（可得出其最多只有一个非null子节点，可能都为null）；
后继：右子树中值最小的节点（可得出其最多只有一个非null子节点，可能都为null）；
前驱和后继都是值最接近该节点值的节点，类似于该节点.prev = 前驱，该节点.next = 后继。
第二步：将前驱或者后继的值复制到该节点中，然后删掉前驱或者后继
如果删除的是左节点，则将前驱的值复制到该节点中，然后删除前驱；如果删除的是右节点，则将后继的值复制到该节点中，然后删除后继；
这相当于是一种“取巧”的方法，我们删除节点的目的是使该节点的值在红黑树上不存在，因此专注于该目的，我们并不关注删除节点时是否真是我们想删除的那个节点，同时我们也不需考虑树结构的变化，因为树的结构本身就会因为自动平衡机制而经常进行调整。
前面我们已经说了，我们要删除的实际上是前驱或者后继，因此我们就以前驱为主线来讲解，后继的学习可参考前驱，包括几种情况
分析：
因为要删除的是左节点64，找到该节点的前驱63；
然后用前驱的值63替换待删除节点的值64，此时两个节点（待删除节点和前驱）的值都为63；
删除前驱63，此时成为上图过程中间环节，但我们发现其不符合红黑树规则4，因此需要进行自动平衡调整；
这里直接通过【变色】即可完成。
分析：
因为要删除的是左节点64，找到该节点的前驱63；
然后用前驱的值63替换待删除节点的值64，此时两个节点（待删除节点和前驱）的值都为63；
删除前驱63，此时成为上图过