摘要
二叉搜索树的特性-节点的左侧部分比它小，右侧部分比它大，使得二叉搜索树在查找节点有二分法的效果，也提高了它的添加和删除处理，毕竟添加和删除也是先查找位置，然后再处理。
平衡二叉搜索树就是持续保证这样的高效性，进入正题：
二叉搜索树在添加或者删除的过程中，在一些场景下退化为链表，比如对比一组数据：7、4、9、2、5、8、11。按照现在的顺序添加和按照数据的大小依次添加的结果：
当数据已经有顺序，使用二叉搜索树添加就会变成一个线性链表，这是我们不愿意看到的结果。
同理，在删除节点的时候，也是容易多次删除之后的二叉搜索树也会是一个线性链表。
所以就引入平衡二叉搜索树来避免退化成线性表的问题。
平衡
二叉搜索树节点数量确定不变的情况下，左右子树的高度越接近，这个二叉搜索树就越平衡。最理想的平衡就是左右子树的高度差为 0 或 1，比如满二叉树或完全二叉树。
如何平衡？
添加节点或者删除节点是不能限制，也就是不能控制二叉搜索树的节点数量。所以只能在添加或者删除之后去调整二叉搜索树的高度，达到平衡。
若要达到理想中的平衡（比如完全二叉树），也是没有问题的，就是增加调整的次数的处理。但是凡事都要有个度，调整的次数多了，反而会增加时间复杂度。所以调整到平衡的原则就是用尽量少的调整次数达到适度平衡就好，这样达到适度平衡的二叉搜索树，也叫做平衡二叉搜索树。
平衡二叉搜索树
平衡二叉搜索树，英文为 Balanced Binary Search Tree，简称 BBST。比较经典的平衡二叉搜索树有AVL 树和红黑树。这里先简单介绍，平衡二叉搜索树逻辑和细节很多，后在接下来分很多期来说明。
AVL 树
AVL 树命名是根据它的两位发明者名称得来，是相对很早发明的自平衡搜索树之一。
AVL 树引入平衡因子的概念，平衡因子为某个节点的左右子树的高度差。每个节点的平衡因子只可能是 1、0、-1，当超过这个范围就是失衡。
红黑树
红黑树也是自平衡的二叉搜索树，它的节点只有红色或者黑色，并且根节点是黑色，叶子节点是红色，红色节点的子节点必须是黑色，父节点也必须是黑色。
这些规则构成整个红黑树。
AVL 树和红黑树被应用到很多场景，是数据结构中基础并且重要的部分。很多优秀的数据结构或者算法基于它实现或者借鉴它的思路。很值得花费精力去弄懂它。
