https://baijiahao.baidu.com/s?id=1646617486319372351&wfr=spider&for=pc
平衡二叉树，又称AVL树，指的是左子树上的所有节点的值都比根节点的值小，而右子树上的所有节点的值都比根节点的值大，且左子树与右子树的高度差最大为1。因此，平衡二叉树满足所有二叉排序（搜索）树的性质。至于AVL，则是取自两个发明平衡二叉树的科学家的名字：G. M. Adelson-Velsky和E. M. Landis。
二叉搜索树
平衡二叉树是在二叉排序树的基础上发展而来的，那为什么要引入二叉搜索树呢？
所谓二叉搜索树（Binary Search Tree），又叫二叉排序树，简单而言就是左子树上所有节点的值均小于根节点的值，而右子树上所有结点的值均大于根节点的值，左小右大，并不是乱序，因此得名二叉排序树。
一个新事物不能凭空产生，那二叉搜索树又有什么用呢？
有了二叉搜索树，当你要查找一个值，就不需要遍历整个序列或者说遍历整棵树了，可以根据当前遍历到的结点的值来确定搜索方向，这就好比你要去日本，假设你没有见过世界地图，你不知道该往哪个方向走，只能满地球找一遍才能保证一定能够到达日本；而如果你见过世界地图，你知道日本在中国的东边，你就不会往西走、往南走、往北走。这种思维在搜索中被叫做“剪枝”，把不必要的分枝剪掉可以提高搜索效率。在二叉搜索树中查找值，每次都会把搜索范围缩小，与二分搜索的思维类似。
如下图所示的二叉搜索树：
要想查找到8，则是先到达根节点，其值为5，8比5大因此继续往右子树上找，到达9，8比9小因此往左子树上找，最终找到8；
要想查找4，则是先到达根节点其值为5，4比5小因此往左子树上找，到达1，4比1大因此往右子树上找，到达3，4比3大因此往右子树上找，而值为3的节点的右子树是空的，因此该搜索二叉树中不存在值为4的节点。
有了二叉排序树就可以使插入、搜索效率大大提高了，为什么还要引入平衡二叉树？
二叉搜索树的结构与值的插入顺序有关，同一组数，若其元素的插入顺序不同，二叉搜索树的结构是千差万别的。举个例子，给出一组数[1,3,5,8,9,13]。
若按照[5,1,3,9,13,8]这样的顺序插入，其流程是这样的：
若按照[1,3,5,8,9,13]这样的顺序插入，其流程是这样的：
如果在上面的二叉搜索树中查找13，是要将所有节点都遍历一遍的，时间复杂度就变成了O(n)，几乎就是一个链表。
细心的朋友可能已经发现，插入的序列越接近有序，生成的二叉搜索树就越像一个链表。
为了避免二叉搜索树变成“链表”，我们引入了平衡二叉树，即让树的结构看起来尽量“均匀”，左右子树的节点数尽量一样多。
生成平衡二叉树:
那给定插入序列，如何生成一棵平衡二叉树呢？
先按照生成二叉搜索树的方法构造二叉树，直至二叉树变得不平衡，即出现这样的节点：左子树与右子树的高度差大于1。至于如何调整，要看插入的导致二叉树不平衡的节点的位置。主要有四种调整方式：LL（左旋）、RR（右旋）、LR（先左旋再右旋）、RL（先右旋再左旋）。
解析：二叉树的高度取决于高度大的子树，为高度大的子树的高度+1。空树的高度为0。
所谓LL（左旋）就是向左旋转一次，下图所示为最简洁的左旋（插入3导致值为1的节点不平衡）：
然而更多时候根节点并不是只有一个子树，下图为复杂的LL（左旋，插入13导致值为4的节点不平衡）：
红色节点为插入后不平衡的节点，黄色部分为需要改变父节点的分支，左旋后，原红色节点的右孩子节点变成了根节点，红色节点变成了它的左孩子，而它原本的左孩子（黄色部分）不能丢，而此时红色节点的右孩子是空的，于是就把黄色部分放到了红色节点的右孩子的位置上。调整后该二叉树还是一棵二叉排序（搜索）树，因为黄色部分的值大于原来的根节点的值，而小于后来的根节点的值，调整后，黄色部分还是位于原来的根节点（红色节点）和后来的根节点之间。
RR（右旋）如下：
解析：返回的是左旋后的根节点，左旋后的根节点是原来根节点的右孩子，左旋后的根节点的左孩子需要嫁接到原来根节点的右孩子上，原来的根节点嫁接到左旋后根节点的左孩子上。temp对应上图中值为8的节点，root对应上图中值为4的节点。
所谓RR（右旋）就是向右旋转一次，下图所示为最简洁的右旋（插入1导致值为3的节点不平衡）：
然而更多时候根节点并不是只有一个子树，下图为复杂的RR（右旋，插入1导致值为9的节点不平衡）：
红色节点为插入后不平衡的节点，黄色部分为需要改变父节点的分支，右旋后，原红色节点的左孩子节点变成了根节点，红色节点变成了它的右孩子，而它原本的右孩子（黄色部分）不能丢，而此时红色节点的左孩子是空的，于是就把黄色部分放到了红色节点的左孩子的位置上。调整后该二叉树还是一棵二叉排序（搜索）树，因为黄色部分的值小于原来的根节点的值，而大于后来的根节点的值，调整后，黄色部分还是位于后来的根节点和原来的根节点（红色节点）之间。
解析：返回的是右旋后的根节点，右旋后的根节点是原来根节点的左孩子，右旋后的根节点的右孩子需要嫁接到原来根节点的左孩子上，原来的根节点嫁接到右旋后根节点的右孩子上。temp对应上图中值为5的节点，root对应上图中值为9的节点。
所谓LR（先左旋再右旋）就是先将左子树左旋，再整体右旋，下图为最简洁的LR旋转（插入2导致值为3的节点不平衡）：
然而更多时候根节点并不是只有一个子树，下图为复杂的LR旋转（插入8导致值为9的节点不平衡）：
先将红色节点的左子树左旋，红色节点的左子树的根原本是值为4的节点，左旋后变为值为6的节点，原来的根节点变成了左旋后根节点的左孩子，左旋后根节点原本的左孩子（蓝色节点）变成了原来的根节点的右孩子；再整体右旋，原来的根节点（红色节点）变成了右旋后的根节点的右孩子，右旋后的根节点原本的右孩子（黄色节点）变成了原来的根节点（红色节点）的左孩子。旋转完成后，仍然是一棵二叉排序（搜索）树。
解析：返回的是LR旋转后的根节点，先对根节点的左子树左旋，再整体右旋。root对应上图中值为9的节点。
所谓RL（先右旋再左旋）就是先将右子树右旋，再整体左旋，下图为最简洁的RL旋转（插入2导致值为1的节点不平衡）：
然而更多时候根节点并不是只有一个子树，下图为复杂的RL旋转（插入8导致值为4的节点不平衡）：
先将红色节点的右子树右旋，红色节点的右子树的根原本是值为9的节点，右旋后变为值为6的节点，原来的根节点变成了右旋后根节点的右孩子，右旋后根节点原本的右孩子（蓝色节点）变成了原来的根节点的左孩子；再整体左旋，原来的根节点（红色节点）变成了左旋后的根节点的左孩子，左旋后的根节点原本的左孩子（黄色节点）变成了原来的根节点（红色节点）的右孩子。旋转完成后，仍然是一棵二叉排序（搜索）树。