前言：通常我们会遇到一些问题，采用一些标准的数据结构，如双链表、散列表或二叉查找数时，不能够满足操作要求，需要对这些数据结构进行扩张，添加一些额外的信息使得能够完成新的操作。附加的信息需要对数据结构的某些操作进行调整，这个是非常关键的步骤，决定着数据结构扩张是否能够实现。本章主要讨论了红黑树结构的扩张，介绍了两种扩张方式。第一种方式扩张使得红黑色能够支持动态集合上顺序统计，快速找出集合中第i小的数，或给出某个元素在集合的全序中的排名。第二种方式扩张使得红黑色能够进行区间操作，可以很快地找到集合中覆盖的区间。关于红黑色请参考第13章，http://www.cnblogs.com/Anker/archive/2013/01/30/2882773.html。
1、动态顺序统计
在第九章介绍了顺序统计的概念，大概的意思是在包含有n个元素的集合中，第i个顺序统计量指的是该集合中第i小的元素。在一个无序的集合中，任意顺序统计量都可以在O(n)时间内找到，详细情况可以参考http://www.cnblogs.com/Anker/archive/2013/01/25/2877311.html。书中在此基础上修改红黑树的结构，使得任意的顺序统计量都可以再O(lgn)时间内确定。向红黑树的结构中添加一个size域，表示包含自身节点的当前节点的子树节点的数目。这样修改后可以快速支持顺序统计量操作，将这种修改后的红黑树叫做：顺序统计量树T。修改后的结构如下所示：
struct RBTreeNode
{
int key;
int color;
struct RBTreeNode *parent;
struct RBTreeNode *left;
struct RBTreeNode *right;
int size;
};
例如给定红黑树的一个节点x，则size[x] = size[left[x]]+size[right[x]]+1。size[x]为包含以x为根的子树的节点数（包含x本身），即子树的大小。如果哨兵定义为0，即设置size[nil[T]]=0。
下面给出一个修改后的红黑树的例子，如下图所示：
红黑树是二叉排序树，按照中序遍历从小到大输出红黑树中的关键字。从图中可以看出，添加size域后，很方便看出每个节点的子树的节点数目（包含自身节点）。书中在后面讨论这种结构的操作，分别讨论如下：
（1）检索具有给定排序的元素
过程OS_SELECT(x,i)返回一个指向以x为根的子树中包含第小关键字的结点的指针，即为了找出顺序统计量树T中的第i小关键字，可以调用OS_SELECT(root[T],i)。书中给出了伪代码如下：
OS_SELECT(x,i)
r = size[left[x]]+1; //先计算x的处于的位置
if i = r //x正好是第i小的关键字
then return x;
else if i < r //x比第i关键字大，则在其左子树查找
then return OS_SELECT(left[x],i)
else return OS_SELECT(right[x],i-r) //x比第i关键字小，则在其右子树查找
该过程类似二分查找，每一次递归调用都在顺序统计数中下降一层，故最坏情况下OS_SELECT的总时间与树的高度成正比，红黑树的高度为lgn。故OS_SELECT的运行时间为：O(lgn)。
（2）确定一个元素的秩（位置）
给定指向一顺序统计树T中节点x的指针，求x在顺序统计树中序遍历得到的线性序中的位置。书中给出了OS_RANK(T,x)过程的伪代码：
OS_RANK(T,x)
r = size[left[x]]+1; //获取以x为根子树中x的位置（中序遍历）
y = x;
while y != root[T] //从下向上直到根节点
do if y = right[p[y]] //如果是右子树
then r = r + size[left[p[y]]]+1;
y = p[y]; //向上移动
return r;
从程序总可以看出当y == root[T]时候循环终止，此时以y为根的子树是课完整树，此时r值是这颗整树中key[x]的秩。while循环中的每一次迭代花O(1)时间，且y在每次迭代中沿树上升一层，故在最坏情况下0S_RANK的运行时间与树的高度成正比：对含n个节点的顺序统计树时间为O(lgn)。
（3）对子树规模的维护
在红黑树中添加size域后，能够通过OS_SELECT和OS_RANK迅速计算出所需的顺序统信息。通过修改红黑树的插入和删除操作，在此过程是通过旋转来修改size域。关于这部分需要在红黑树的基础上进行改进，比较复杂，暂时没有实现。
2、如何扩张数据结构
对一种数据结构的扩张过程分为四个步骤：
1）选择基础数据结构
2）确定要在基础数据结构中添加哪些信息
3）验证可用基础数据结构上的基本修改操作来维护这些新添加的信息
4）设计新的操作
书中给出了对红黑树进行扩张的定理，并给出了证明，这个看的时候有些难度，暂时跳过了。大概意思就是说当红黑树被选作基础数据结构时，某些类型的附加信息总是可以用插入和删除来进行有效地维护。
3、区间树
这小结讲的是扩张红黑树以支持由区间构成的动态集合上的操作。区间可以很方便的表示各占用一段连续时间的一些事情。区间树是一种动态集合进行维护的红黑树，该集合中的每个元素x都包含在一个区间int[x]。区间树支持下列操作：
INTERVAL_INSERT(T,x)：将包含区间域int的元素x插入到区间树T中
INTERVAL_DELETE(T,X)：从区间树T中删除元素x
INTERVAL_SEARCH(T,i)：返回一个指向区间树T中元素x的指针，使int[x]与i重叠，若集合中无此元素存在，则返回nil[T]。
修改红黑树得到的区间树如下图所示：
从图可以看出，对区间树以每个节点的左端点值进行中序变量即可得到有序的序列。有了区间树的结果就很容易实现其相关操作。
红黑树
摘要：
红黑树是一种二叉查找树，但在每个结点上增加了一个存储位表示结点的颜色，可以是RED或者BLACK。通过对任何一条从根到叶子的路径上各个着色方式的限制，红黑树确保没有一条路径会比其他路径长出两倍，因而是接近平衡的。本章主要介绍了红黑树的性质、左右旋转、插入和删除。重点分析了在红黑树中插入和删除元素的过程，分情况进行详细讨论。一棵高度为h的二叉查找树可以实现任何一种基本的动态集合操作，如SEARCH、PREDECESSOR、SUCCESSOR、MIMMUM、MAXMUM、INSERT、DELETE等。当二叉查找树的高度较低时，这些操作执行的比较快，但是当树的高度较高时，这些操作的性能可能不比用链表好。红黑树（red-black tree）是一种平衡的二叉查找树，它能保证在最坏情况下，基本的动态操作集合运行时间为O(lgn)。本章内容有些复杂，看了两天，才大概清楚其插入和删除过程，日后需要经常回顾，争取完全消化掉。红黑树的用途非常广泛，例如STL中的map就是采用红黑树实现的，效率非常之高，有机会可以研究一下STL的源代码。
1、红黑树的性质
红黑树中的每个结点包含五个域：color、key、left、right和parent。如果某结点没有一个子结点或父结点，则该结点相应的指针parent域包含值为NIL（NIL并是是空指针，此处有些迷惑，一会解释）。把NIL视为指向红黑树的外结点（叶子）的指针，而把带关键字的结点视为红黑树的内结点。红黑树结点结构如下所示：
1 #define RED 0
2 #define BLACK 1
3 struct RedBlackTreeNode
4 {
5 T key;
6 struct RedBlackTreeNode * parent;
7 struct RedBlackTreeNode * left;
8 struct RedBlackTreeNode * right;
9 int color;
10 };
红黑树的性质如下：
（1）每个结点或是红色，或是黑色。
（2）根结点是黑色。
（3）每个叶子结点（NIL）是黑色。
（4）如果有一个结点是红色，则它的两个儿子都是黑色。
（5）对每个结点，从该结点到其孙子结点的所有路径上包含相同数目的黑色结点。
如下图是一棵红黑树：
从图可以看出NIL不是空指针，而是一个叶子结点。实际操作的时候可以将NIL视为哨兵，这样便于对黑红色进行操作。红黑树的操作主要是对内部结点操作，因为内部结点存储了关键字的值。书中为了便于讨论，忽略了叶子结点的，如是上图红黑树变成如下图所示：
书中给出了黑高度的概念：从某个结点x出发（不包含该结点）到达一个叶子结点的任意一条路径上，黑色结点的个数称为该结点的黑高度。由红黑树的性质（5）可知，从该结点出发的所有下降路径都有相同的黑色结点个数。红黑树的黑高度定义为其根结点的黑高度。
书中给出了一个引理来说明为什么红黑树是一种好的查找树，并对引理进行了证明（采用归纳法进行证明的，需要很强的归纳推理知识，正是我的不足之处，看书的痛苦在于此）。
引理：一棵有n个内结点的红黑树的高度之多为2lg(n+1)。
2、旋转
在红黑树上进行结点插入和删除操作时，会改变树的结构形状，导致结果可能不满足了红黑树的某些性质，为了保证每次插入和删除操作后，仍然能报维持红黑树的性质，需要改变树中某些结点的颜色和指针结构。其中的指针结构的改变通过旋转完成的。书中给出了两种旋转：左旋转和右旋转。如下图是旋转过程：
从图可以得出左右旋转的过程，假设对某个结点x进行左旋转，y是x的右孩子，则左旋转过程为：以x和y之间的链为“支轴”进行的，使得x的右孩子为y的左孩子，y的父节点为x的父节点，y的左孩子为x。书中给出了左旋转的伪代码如下：
1 LEFT_ROTATE(T,x)
2 y = right[x] //获取右孩子
3 rihgt[x] = left[y] //设置x的右孩子为y的左孩子
4 if left[y] != NIL
5 then parent[left[x]] = x
6 parent[y] = parent[x] //设置y的父节点为x的父节点
7 if parent[x] == NIL
8 then root[T] = y
9 else if x==left[parent[x]
10 then left[parent[x]] = y
11 else right[[parent[x]] = y
12 left[y] = x //设置y的左孩子为x
13 parent[x] =y
14
15
假设对某个结点y进行右旋转，x是y的左孩子，则左旋转过程为：y的左孩子设置为x的右孩子，将x的父节点设置为y的父节点，x的右孩子设置为y。书中并没有给出右旋转的伪代码，参照左旋转的伪代码很容易实现：
1 RIGHT_ROTATE(T,y)
2 x = left[y] //获取左孩子
3 left[y] = right[x] //设置y的左孩子为x的右孩子
4 if right[x] != NIL
5 then parent[right[x]] = y
6 parent[x] = parent[y] //设为x的父节点为y的父结点
7 if parent[y] == NIL
8 then root = x
9 else if y== left[parent[y]]
10 then left[parent[y]] = x
11 else right[parent[y]] = x
12 right[x] = y //设置x的右孩子为y
13 parent[y] = x
为了更好的理解旋转操作，书中给出了一个左旋转的例如，如下图所示：
3、插入
红黑树插入一个新结点的过程RB_INSERT是在二叉查找树插入过程的基础上改进的，先按照二叉排序的插入过程插入到红黑树中，然后将新插入的结点标记为红色（疑问：为什么是红色，而不是黑色呢？），然后调用一个辅助的过程RB_INSERT_FIXUP来调整结点并重新着色，使得满足红黑树的性质。关于二叉查找树的插入过程可以参考上一篇日志：http://www.cnblogs.com/Anker/archive/2013/01/28/2880581.html。书中给出了RB_INSERT的伪代码：
1 RB_INSERT(T,z)
2 y = NIL
3 x =root(T)
4 while x != NIL
5 do y=x
6 if key[z]<key[x]
7 then x=left[x]
8 else x=right[x]
9 parent[z] = y
10 if y =NIL
11 then root =z
12 else if key[z] < key[y]
13 then left[y] =z
14 else right[y] =z
15 left[z] = NIL
16 right[z] =NIL
17 color[z] = RED //新插入结点标记为红色
18 RB_INSERT_FIXUP(T,z) //进行调整，使得满足红黑树性质
红黑树的插入过程最主要的是RB_INSERT_FIXUP过程，书中发了很大的篇幅进行介绍。首先分析了当插入一个新的结点后，会破坏红黑树的哪些性质，然后针对可能的破坏性质进行分类讨论并给出了给出了解决办法。因为每次插入的新元素标记为RED，这样可能性质2（根节点为黑色）和性质4（一个红结点的左右孩子都是黑色的）被破坏。例如下图插入一个新结点，破坏了性质4。
如果每次插入新的结点z导致红黑树性质被破坏，则之多只有一个性质被破坏，并且不是性质2就是性质4。违反性质2是因为z是根且为红色，违反性质4是因为z和其父节点parent[z]都是红色的。
如果性质2被违反了，则红色的根必定是新增的结点z，它是树中唯一的内结点，由于z的父接点和两个子女都是NIL（黑色），不违反性质4。违反性质2在整个插入过程中只有这一次。所以对于违反性质2的结点，直接将其结点变成黑色即可。
剩下的问题是对于违反性质4的处理，在插入新结点z之前，红黑树的性质没有被破坏。插入结点z后违反性质4，必定是因为z和其父亲结点parent[z]都是红色的，此时只违反性质4，而没有违反其他性质。假设新插入结点z，导致红黑树性质4被破坏，此时z和其父节点parent[z]都是红色，由于在插入结点z之前红黑树的性质没有被破坏，parent[z]是红色，很容易推出z的祖父结点parent[parent[z]]必定是黑色。此时根据parent[z]是parent[parent[z]]的左孩子还是右孩子进行讨论。因为左右之间是对称的，书中只给出了parent[z]作为parent[parent[z]]的左孩子进行讨论的，然后给出了三种可能的情况。
情况1）：z的叔叔结点y是红色的
此时parent[z]和y都是红色的，解决办法是将z的父节点parent[z]和叔叔结点y都着为黑色，而将z的祖父结点parent[parent[z]]着为红色，然后从祖父结点parent[parent[z]]继续向上判断是否破坏红黑树的性质。处理过程如下图所示：
情况2）：z的叔叔y是黑色的，而且z是右孩子
情况3）：z的叔叔y是黑色的，而且z是左孩子
情况2和情况3中y都是黑色的，通过z是左孩子还是右孩子进行区分的。可以将情况2通过旋转为情况3。情况2中z是右孩子，旋转后成为情况3，使得z变为左孩子，可以在parent[z]结点出使用一次左旋转来完成。无论是间接还是直接的通过情况2进入到情况3，z的叔叔y总是黑色的。在情况3中，将parent[z]着为黑色，parent[parent[z]]着为红色，然后从parent[parent[z]]处进行一次右旋转。情况2、3修正了对性质4的违反，修正过程不会导致其他的红黑性质被破坏。修正过程如下图所示：
给一个完整的例子来说明插入过程，如下图所示：
书中给出了RB_INSERT_FIXUP的伪代码，伪代码中只给出了z的父节点为左孩子的情况，为右孩子的情况与左孩子的情况是对称的，只需将左孩子中的right换成left即可。
1 RB_INSERT_FIXUP(T,z)
2 while color[parent[z]] = RED
3 do if parent[z] == left[parent[parent[z]]]
4 then y = right[parent[parent[z]]]
5 if color[y] == RED //情况1，z的叔叔为红色
6 then color[parent[z]] = BLACK
7 color[y] = BLACK
8 color[parent[parent[z]]=RED
9 z= parent[parent[z]]
10 else if z == right[parent[z]] //情况2，z的叔叔为黑色，z为右孩子
11 then z = parent[z]
12 LEFT_ROTATE(T,z)
13 color[parent[z]]=BLACK //情况3，z的叔叔为黑色，z为左孩子
14 color[parent[parent[z]] = RED
15 RIGHT_ROTATE(T, parent[parent[z]])
16 else (same as then clause with “right” and “left” exchanged)
17 color(root(T)) = BLACK; //将根结点设置为黑色
4、删除
删除过程最复杂，看了好多遍才明白个大概，需要反复看，多想删除过程中会破坏哪些性质，然后又针对性的去调整。
红黑树删除结点过程是在二叉查找树删除结点过程的基础改进的。与二叉查找树类似，删除的结点分为三种情况：<1>无左右孩子、<2>有左孩子或者右孩子、<3>既有树=左孩子又有右孩子。删除过程可以参考前一篇日志：http://www.cnblogs.com/Anker/archive/2013/01/28/2880581.html。红黑树在删除结点后需要检查是否破坏了红黑树的性质。如果删除的结点y是红色的，则删除后的树仍然是保持红黑树的性质，因为树中各个结点的黑高度没有改变，不存在两个相邻（父结点和子结点）的红色结点，y是红色不可能是根，所有根仍然是黑色。如果删除的结点z是黑色的，则这个是破坏了红黑树的性质，需要调用RB_DELETE_FIXUP进行调整。从删除结点y的唯一孩子结点x或者是NIL处开始调整。书中给出了RB_DELETE的伪代码：
1 RB_DELETE(T,z)
2 if left[z] ==NIL or right[z] == NIL
3 then y=z
4 else y=TREE_SUCCESSOR(z)
5 if left[y] != NIL
6 then x=left[y]
7 else x=right[y]
8 parent[x] = parent[y]
9 if p[y] ==NIL
10 then root[T] =x
11 else if y = left[[prarnt[y]]
12 then left[parent[y]] = x
13 else right[parent[y]] =x
14 if y!=z
15 then key[z] = key[y]
16 copy y\'s data into z
17 if color[y] == BLACK //当被删除结点为黑色时候进行调整
18 then RB_DELETE_FIXUP(T,x)
19 return y
书中分析了被删除结点y是黑色会产生的问题：首先，如果y是根，而y的一个红色孩子变成了新根，则违反了性质2。其次，如果x和parent[y]（此时parent[x] = parent[y]）都是红色，就违反了性质4。第三，删除y将会导致先前包含y的任何路径上黑结点个数减少1，违反了性质5。书中给出了解决第三个问题的办法：将结点x设为还有额外的一重黑色（此处看的不是很明白，我的理解是是不管是x是什么颜色，将x增加了额外一重黑色，这样可以保证黑结点数目增加1个），即将任意包含结点x的路径上黑结点个数加1，这样可以保证性质5成立。当将黑色结点y被删除时，将其黑色“下推”至其子结点，导致问题变成为结点x可能即不是红，又不是黑，从而违反性质1。因为给x增加了一种颜色，即结点x是双重黑色或者是红黑色。这样就分别给包含x的路径上黑结点个数贡献2个或1个。但是x的color属性仍然是RED（如果x是红黑的）或BLACK（如果x是双重黑色）。换而言之，一个结点额外的黑色反映在x指向它，而不是它的color属性。
过程RB_DELETE_FIXUP恢复性质1，2，4。对于恢复性质2、4很简单，因为x是红色，所有直接将x结点着为黑色即可。书中着重介绍了如何恢复性质1。此时x是黑色，需要根据x是左孩子还是右孩子两种情况进行恢复，因为左右是对称的，书中只给出了x是左孩子的恢复过程。将x作为第一个额外的黑色结点，从x结点开始循环，将额外的黑色结点沿着树向上移，直到：
（1）x指向一个红黑结点，此时将x单独着为黑色。
（2）x指向根，这时可以简单地消除那个额外的黑色，或者
（3）做必要的旋转和颜色改变
在循环过程中，x总是指向具有双重黑色的那个非根结点。设w是x的兄弟结点，因为x是双重黑色的，故w不可能是NIL。书中分四种情况讨论：
情况1：x的兄弟w是红色的
此时因为x是双重黑色，贡献两个黑色结点，所有w必有黑色孩子。此时将w着为黑色，parent[x]为红色，在对parent[x]做一次左旋转。此时x的新兄弟w是黑色，这样将情况1转换为情况2、3或4。情况1的处理过程下图所示：
情况2：x的兄弟w是黑色的，而且w的两个孩子都是黑色的。
处理过程是从x和w上去掉一重黑色，即x只有一重黑色而w着为红色，给x的父节点parent[x]添加额外黑色。处理过程如下图所示：
情况3：x的兄弟w是黑色的，w的左孩子是红色的，右孩子是黑色的
交换w和其左孩子left[w]的颜色，并对w进行右旋转。旋转后x的新兄弟w是一个有红色右孩子的黑结点，转换成了情况4。处理过程如下图所示：
情况4：x的兄弟w是黑色的，而且w的右孩子是红色的。
执行过程是将w的颜色设置为parent[x]的颜色，将parent[x]的颜色设置为黑色，将w的右孩子着为黑色，然后在parent[x]做一次右旋，最后将x设置为根root。处理过程如下图所示：
书中给出了RB_DELETE_FIXUP的伪代码：
1 RB_DELETE_FIXUP(T,x)
2 while x!= root[T] and color[x] ==BLACK
3 do if x == left[parent[x]]
4 then w = right[parent[x]]
5 if color[w] == RED //case 1 x的兄弟w是红色的
6 then color[w] = BLACK
7 color[parent[x]] = RED
8 LEFT_ROTATE(T,PARENT[x])
9 w = right[parent[x]]
10 if color[left[w]] == BLACK and color[right[w]] = BLACK
11 then color[w] = RED //case 2
12 x = parent[x]
13 else if color[right[w]] =BLACK
14 then color[left[w]] = BLACK //case 3
15 color[w] = RED
16 RIGHT_ROTATE(T,w)
17 w = right[parent[x]]
18 color[w] = color[parent[x]] //case 4
19 color[parent[x]] = BLACK
20 color[right[w]] = BLACK
21 LEFT_ROTATE(T,parent[x])
22 x=root(T)
23 else(same as then clasue with “right” and “left” exchanged)
24 color[x]=BLACK
5、编程实现
这一章看了两天，宏观上把握了红黑树的插入和删除操作，中间还有细节问题需要思考。看完后要实现才能消化，于是我采用C++语言设计了简单的红黑树结点和红黑树类，设计的类如下所示：
1 static const int RED = 0;
2 static const int BLACK = 1;
3
4 template <class T>
5 class RedBlackTreeNode
6 {
7 public:
8 RedBlackTreeNode():key(T()),parent(NULL),left(NULL),right(NULL),color(BLACK){}
9 T key;
10 RedBlackTreeNode<T>* parent;
11 RedBlackTreeNode<T>* left;
12 RedBlackTreeNode<T>* right;
13 int color;
14 };
15
16 template <class T>
17 class RedBlackTree
18 {
19 public:
20 RedBlackTree();
21 int search_element(const T& k) const;
22 int get_minmum(T& retmin)const;
23 int get_maxmum(T& retmax)const;
24 int get_successor(const T& k,T& ret) const;
25 int get_predecessor(const T& k,T& ret) const;
26 int insert_key(const T& k);
27 int delete_key(const T& k);
28 void inorder_tree_walk()const;
29 RedBlackTreeNode<T>* get_root() const;
30 ~RedBlackTree();
31 private:
32 RedBlackTreeNode<T>* root;
33 static RedBlackTreeNode<T> *NIL;
34 RedBlackTreeNode<T>* get_parent(RedBlackTreeNode<T>* pnode) const;
35 RedBlackTreeNode<T>* get_left(RedBlackTreeNode<T>* pnode) const;
36 RedBlackTreeNode<T>* get_right(RedBlackTreeNode<T>* pnode) const;
37 T get_key(RedBlackTreeNode<T>* pnode) const;
38 int get_color(RedBlackTreeNode<T>* pnode) const;
39 void set_color(RedBlackTreeNode<T>* pnode,int color);
40 void left_rotate(RedBlackTreeNode<T> *pnode);
41 void right_rotate(RedBlackTreeNode<T> *pnode);
42 void rb_insert_fixup(RedBlackTreeNode<T> *pnode);
43 void rb_delete_fixup(RedBlackTreeNode<T> *pnode);
44 RedBlackTreeNode<T>* get_maxmum(RedBlackTreeNode<T> *root) const;
45 RedBlackTreeNode<T>* get_minmum(RedBlackTreeNode<T> *root) const;
46 RedBlackTreeNode<T>* get_successor(RedBlackTreeNode<T> *pnode) const;
47 RedBlackTreeNode<T>* get_predecessor(RedBlackTreeNode<T> *pnode) const;
48 RedBlackTreeNode<T>* search_tree_node(const T& k)const;
49 void make_empty(RedBlackTreeNode<T>* root);
50 };
设计过程中采用了C++的模板类型，这样可以支持多种数据类型，使得程序具备扩展性，完整的程序实现如下所示：
1 #include <iostream>
2 #include <stack>
3 using namespace std;
4
5 static const int RED = 0;
6 static const int BLACK = 1;
7
8 template <class T>
9 class RedBlackTreeNode
10 {
11 public:
12 RedBlackTreeNode():key(T()),parent(NULL),left(NULL),right(NULL),color(BLACK){}
13 T key;
14 RedBlackTreeNode<T>* parent;
15 RedBlackTreeNode<T>* left;
16 RedBlackTreeNode<T>* right;
17 int color;
18 };
19
20 template <class T>
21 class RedBlackTree
22 {
23 public:
24 RedBlackTree();
25 int search_element(const T& k) const;
26 int get_minmum(T& retmin)const;
27 int get_maxmum(T& retmax)const;
28 int get_successor(const T& k,T& ret) const;
29 int get_predecessor(const T& k,T& ret) const;
30 int insert_key(const T& k);
31 int delete_key(const T& k);
32 void inorder_tree_walk()const;
33 RedBlackTreeNode<T>* get_root() const;
34 ~RedBlackTree();
35 private:
36 RedBlackTreeNode<T>* root;
37 static RedBlackTreeNode<T> *NIL;
38 RedBlackTreeNode<T>* get_parent(RedBlackTreeNode<T>* pnode) const;
39 RedBlackTreeNode<T>* get_left(RedBlackTreeNode<T>* pnode) const;
40 RedBlackTreeNode<T>* get_right(RedBlackTreeNode<T>* pnode) const;
41 T get_key(RedBlackTreeNode<T>* pnode) const;
42 int get_color(RedBlackTreeNode<T>* pnode) const;
43 void set_color(RedBlackTreeNode<T>* pnode,int color);
44 void left_rotate(RedBlackTreeNode<T> *pnode);
45 void right_rotate(RedBlackTreeNode<T> *pnode);
46 void rb_insert_fixup(RedBlackTreeNode<T> *pnode);
47 void rb_del以上是关于数据结构的扩张的主要内容，如果未能解决你的问题，请参考以下文章