高度：根節點的高度最高（從0開始算起）
深度：根節點的深度最淺（從0開始算起）
層：根節點的層數最小（從1開始算起）
二叉樹中有兩種比較特殊的二叉樹：
完全二叉樹：葉子節點都在最底下兩層，最後一層的葉子節點都靠左排列，並且除了最後一層，其他層的節點個數都要達到最大
滿二叉樹：葉子節點全都在最底層，除了葉子節點之外，每個節點都有左右兩 個子節點
二叉樹的存儲最直觀的是鏈式存儲法：
class Node{
int data;
Node left;
Node right;
}
基於數組的順序存儲法：
我們把根節點存儲在下標 i = 1 的位置，那左子節點存儲在下標 2 * i = 2 的位置，右子節點存儲在 2 * i + 1 = 3 的位置。以此類推，B 節點的左子節點存儲在 2 * i = 2 * 2 = 4 的位置，右子節點存儲在 2 * i + 1 = 2 * 2 + 1 = 5。根節點一般不存在下標爲0的位置，因爲這樣的話，左節點就是i2+1，右子節點存儲在i2+2的位置，計算的時候不方便計算，左右子樹都有一個加法。
基於數組的順序存儲方法存儲非完全二叉式的時候會浪費很多空間。這也是爲什麼完全
二叉樹會單獨拎出來的原因，也是爲什麼完全二叉樹要求最後一層的子節點都靠左的原因。
二叉樹的前、中、後序，表示的是節點與它的左右子樹節點遍歷打印的先後順序（根節點的打印時機）。
前序遍歷是指，對於樹中的任意節點來說，先打印這個節點，然後再打印它的左子樹，最後
打印它的右子樹。
中序遍歷是指，對於樹中的任意節點來說，先打印它的左子樹，然後再打印它本身，最後打
印它的右子樹。
後序遍歷是指，對於樹中的任意節點來說，先打印它的左子樹，然後再打印它的右子樹，最
後打印這個節點本身。
實際上，二叉樹的前、中、後序遍歷就是一個遞歸的過程。比如，前序遍歷，其實就是先打印根
節點，然後再遞歸地打印左子樹，最後遞歸地打印右子樹。
寫遞歸代碼的關鍵，就是看能不能寫出遞推公式，而寫遞推公式的關鍵就是，如果要解決問題
A，就假設子問題 B、C 已經解決，然後再來看如何利用 B、C 來解決 A。所以，我們可以把
前、中、後序遍歷的遞推公式都寫出來。
preOrder(Tree)=print(data)->preOrder(Tree.left)->preOrder(Tree.right)
inOrder(Tree)=inOrder(Tree.left)->print(data)->inOrder(Tree.right)
postOrder(Tree)=postOrder(Tree.left)->postOrder(Tree.right)->print(data)
從前面畫的前、中、後序遍歷的順序圖，可以看出來，每個節點最多會被訪問兩次，所以遍歷
操作的時間複雜度，跟節點的個數 n 成正比，也就是說二叉樹遍歷的時間複雜度是 O(n)。
特殊的二叉樹
特殊的的二叉樹，二叉查找樹。二叉查找樹最大的特點就是，支持動態數據集合的快速插入、刪除、查找操作。
極端情況下二叉樹會退化成爲鏈表。
所以說又出現了平衡二叉查找樹。
平衡二叉樹的嚴格定義是：二叉樹中的任何一個節點的左右子樹的高度相差不能大於1
所以說完全二叉樹一定是平衡二叉樹，非完全二叉樹也有可能是平衡樹。
再加上查找二字則是：在樹中的任意一個節點，其左子樹中的每個節點的值，都要小於這個節點的值，而右子樹節點的值都大於這個節點的值
平衡二叉查找樹的數據結構實現有很多種，如：
- AVL樹
- 紅黑樹（不滿足上面的平衡二叉樹的絕對定義）
- 伸展樹（Splay Tree），樹堆（Treap）等等。
由此又延展出了平衡多叉查找樹數據結構，如：
- B樹（B-樹）
- B+樹
- B*樹（B+樹的變種）
二叉樹增加，刪除，刪除的複雜度是的O(log n)
散列表增加，刪除，刪除的複雜度是的O(1)
但是散列表的底層是數組存儲的數據，所以涉及到擴容，縮容並不方便
在加上散列函數的設計，衝突解決辦法等，要考慮的東西很多。如果考慮上散列衝突，這個O(1)並不比常量小。再加上hash函數的耗時，效率並不一定很高。另外散列表中的數據是無序的，所以排列輸出比較不方便。