AVL树、红黑树、B/B+树和Trie树的比较
AVL树
最早的平衡二叉树之一。AVL是一种高度平衡的二叉树，所以通常的结果是，维护这种高度平衡所付出的代价比从中获得的效率收益还大，故而实际的应用不多，更多的地方是用追求局部而不是非常严格整体平衡的红黑树。当然，如果场景中对插入删除不频繁，只是对查找特别有要求，AVL还是优于红黑的。
使用场景：Windows对进程地址空间的管理用到了AVL树。
红黑树
平衡二叉树，通过对任何一条从根到叶子的简单路径上各个节点的颜色进行约束，确保没有一条路径会比其他路径长2倍，因而是近似平衡的。所以相对于严格要求平衡的AVL树来说，它的旋转保持平衡次数较少。用于搜索时，插入删除次数多的情况下我们就用红黑树来取代AVL。
使用场景
- 广泛用在C++的STL中。map和set都是用红黑树实现的
- 著名的linux进程调度Completely Fair Scheduler,用红黑树管理
- 进程控制块
- epoll在内核中的实现，用红黑树管理事件块
- nginx中，用红黑树管理timer等
- Java的TreeMap实现
B树、B+树
它们特点是一样的，是多路查找树，一般用于数据库系统中，为什么，因为它们分支多层数少呗，都知道磁盘IO是非常耗时的，而像大量数据存储在磁盘中所以我们要有效的减少磁盘IO次数避免磁盘频繁的查找。
使用场景
- 主要用在文件系统以及数据库中做索引等，比如Mysql：B-Tree Index in MySql
- 像mysql的数据库定义是可以指定B+ 索引还是hash索引。
Trie树
又名单词查找树，一种树形结构，常用来操作字符串。它是不同字符串的相同前缀只保存一份。相对直接保存字符串肯定是节省空间的，但是它保存大量字符串时会很耗费内存。
类似的有
前缀树(prefix tree)，后缀树(suffix tree)，radix tree(patricia tree, compact prefix tree)，crit-bit tree（解决耗费内存问题），以及前面说的double array trie。
使用场景
- 字符匹配
前缀树：字符串快速检索，字符串排序，最长公共前缀，自动匹配前缀显示后缀。
后缀树：查找字符串s1在s2中，字符串s1在s2中出现的次数，字符串s1,s2最长公共部分，最长回文串。
radix tree：linux内核，nginx。 - IP选路
也是前缀匹配，一定程度会用到trie
本Markdown编辑器使用[StackEdit][6]修改
而来，用它写博客，将会带来全新的体验哦：
