AVL和红黑树都是自平衡的，除了节点中的红色和黑色。选择红黑树而不是AVL树的主要原因是什么？红黑树有哪些应用？
答案 0 :(得分：87)
选择红黑树而不是AVL树的主要原因是什么？
红黑树和AVL树是最常用的平衡二叉搜索树，它们支持保证O(logN) time中的插入，删除和查找。但是，两者之间有以下几点比较：
O(N) extra space。但是，如果我们知道将插入树中的键总是大于零，我们可以使用键的符号位来存储红黑树的颜色信息。因此，在这种情况下，红黑树需要O(1) extra space。红黑树的应用是什么？
红黑树更为通用。它们在添加，删除和查找方面表现相对较好，但AVL树的查找速度更快，代价是添加/删除速度较慢。红黑树用于以下内容：
答案 1 :(得分：8)
尝试阅读此article
它提供了一些关于差异，相似性，表现等的好的见解。
以下是文章的引用：
RB-Trees和AVL树一样，是自平衡的。它们都提供O（log n）查找和插入性能。
不同之处在于RB-Trees保证每次插入操作的O（1）旋转。这就是实际实现中实际成本的原因。
简化后，RB-Trees从概念上获得了2-3个树的优势，而没有携带动态节点结构的开销。物理RB-Trees实现为二叉树，红色/黑色标志模拟2-3行为
就我自己的理解而言，AVL树和RB树在性能方面并不是很遥远。 RB树只是B树的变体，平衡的实现方式与AVL树不同。
答案 2 :(得分：3)
多年来我们对性能差异的理解有所改善，现在使用红黑树而不是AVL的主要原因是无法获得良好的AVL实施，因为它们稍微不那么常见，可能是因为它们没有被覆盖在CLRS。
这两棵树现在都被认为是rank-balanced trees的形式，但红黑树的速度始终慢about 20% in real world tests。甚至在sequential data is inserted时慢30-40％。
所以研究红黑树而不是AVL树的人往往会选择红黑树。红色 - 黑色树木的主要用途详见Wikipedia entry for them。
答案 3 :(得分：1)
程序员通常不喜欢动态分配内存。 avl树的问题是对于“n”元素，你需要至少log2（log2（n））...（height-> log2（n））位来存储树的高度！ 因此，当您处理大量数据时，无法确定在每个节点上分配多少位来存储高度。
例如，如果使用4个字节int（32位）来存储高度。最大高度可以是：2 ^ 32，因此你可以在树中存储的元素的最大数量是2 ^（2 ^ 32） - （似乎非常大，但在这个数据时代，我猜不会太大）。因此，如果你超过这个限制，你必须动态分配更多的空间来存储高度。
这是我大学教授提出的答案，这对我来说似乎是合理的！ 希望我有意义。
编辑：与红黑树相比，AVL树更加平衡，但它们可能会在插入和删除过程中引起更多旋转。因此，如果您的应用程序涉及许多频繁的插入和删除，那么应该首选红黑树。如果插入和删除频率较低且搜索操作更频繁，那么AVL树应优先于红黑树。 - 来源GEEKSFORGEEKS.ORG
答案 4 :(得分：1)
这里的其他答案总结了专业人士和RB和AVL树的缺点很好，但我发现这种差异特别有趣：
AVL树不支持持续的摊销更新费用 [但是红黑树会这样做]
来源：Mehlhorn & Sanders (2008)（第7.4节）
因此，虽然RB和AVL树都保证O（log（N））最坏情况下的查找，插入和删除时间，但在插入或删除节点后恢复AVL / RB属性可以在O（1）amortized time中为红黑树做。
答案 5 :(得分：0)
在 AVL 树和 RB 树中的插入都需要最多 2 次旋转。来自https://adtinfo.org/：
<块引用>红黑树的主要优势在于，在 AVL 树中，从包含 n 个节点的树中删除一个节点可能需要 log 2 n 次旋转，但在红黑树中删除不需要超过 3 次旋转。< /p>
答案 6 :(得分：-1)
AVL树的重新平衡应满足以下属性。 （Wiki参考 - AVL Tree）
在AVL树中，任何节点的两个子子树的高度最多相差一个;如果它们在任何时候相差多于一个，则重新平衡以恢复此属性。
因此，这意味着AVL树的整体高度不会发疯，即AVL树的查找效果会更好。并且由于要进行额外的操作（旋转）以避免高度变粗，树修改操作可能会有点费用。