我已经在几个地方阅读了它，可以更快地搜索树，但无法理解。我认为 ： 红黑树的最大高度= 2 * log（N + 1） AVL树的高度= 1.44 * logo（N + 1）
是因为AVL更短吗？
答案 0 :(得分：15)
是
查找项目所需的步骤数取决于项目与根目录之间的距离。
由于AVL树被打包得更紧（即它的最大高度更低），这意味着更多的物品更接近根，而不是红黑的情况。
额外的紧密包装也意味着AVL树在插入元素时需要更多的工作。 任何应用程序的最佳选择取决于它是插入密集型还是搜索密集型......
答案 1 :(得分：5)
如果输入键几乎是上升/下降，则AVL树优于红黑树，因为那时我们必须进行单次旋转（左 - 左或右 - 右）以添加此元素。此外，由于树将紧密平衡，搜索也会更快。
但是对于随机选择的输入键，RBTree更好，因为与AVL相比，它们需要更少的旋转插入。
总的来说，它取决于输入序列，它将决定树的倾斜程度以及执行的操作。对于插入密集型使用红黑树和搜索密集型使用AVL。
答案 2 :(得分：1)
AVL树和RBTree确实各有优点和缺点。如果你已经了解它们是如何工作的，你会感觉更好。
AVL在插入操作中比RBTree略快，因为插入时最多只有一次旋转，而RBTree可能有两次旋转。
RBTree在删除时最多只需要三次旋转，但在AVL中无法保证这一点。因此它可以比AVL更快地删除节点。
然而，最重要的是，它们都具有严格的对数树高度。
选择任何子树，使AVL“平衡”的属性保证两个子子树之间的高度差最多为1，也就是说，直观地说，整棵树都是严格平衡的。
但是当谈到RBTree时，规则变得“松散”，因为RBTree的属性只能保证树的深度不大于节点总数的对数的两倍。
以下是一些可能更精确的事实：
AVL树的高度严格小于：1.44log（n + 2）-0.328 （约）
红黑树的高度最多为2log（n + 1）
有关详细信息，请参阅https://en.wikipedia.org/wiki/AVL_tree#Comparison_to_other_structures。