二叉查找树已经能够很好的应用到应用程序中，但它们在最坏的情况下性能还是很糟糕。考虑到如图所示这种情况：
查找操作的性能完全等同于线性。而AVL树的查找操作，能够保证无论怎么构造它，运行时间一直对数级别的。一起来学习一下AVL树吧。
什么是AVL
AVL(Adelson-Velsky 和 Landis)树,是带有平衡条件的二叉查找树，这个平衡条件必须要容易保持，并且它保证树的深度是O(LogN).
一颗AVL树是其每个节点的左右子树节点高度最多差1的二叉查找树。
平衡条件
我门上面说，一颗AVL树是其每个节点的左右子树节点高度最多差1的二叉查找树。 左右子树的高度最多差1便是AVL树的平衡条件。
当进行插入操作时，我们需要更新通往根节点的所有节点的平衡信息。而插入操作隐含困难的原因在于，可能会破坏AVL树的特性（例如，考虑将6插入到图1的AVL树中将会破坏节点为8的平衡条件）。如果发生这种情形，那么就要考虑在插入完成之后重新回复节点的平衡信息。事实上，总可以通过对树进行简单的修正得到，我们称其为旋转(ratation).
在插入以后，只有那些从插入点到根节点的平衡条件可能变化，因为只有这些节点的字数可能发生变化。当我们沿着这条路路径行进到根节点，可以发现一个节点它的新平衡破坏了AVL树的特性。我们需要在这个节点重新平衡这棵树。
我们把必须重新平衡的节点叫做α。因为平衡条件是高度最多相差1，那么出现不平衡就是α点的高度相差为2。容易看出这种不平衡可能出现在下面这四种情况下：
- 对α的左儿子的左子树进行一次插入
- 对α的左儿子的右子树进行一次插入
- 对α的右儿子的左子树进行一次插入
- 对α的右儿子的右子树进行一次插入
1和4，2和3 是关于α点的镜像对称。因此理论上讲只有两种情况，当然编程上还是四种情况。
第一种情况是插入发生在外边的情况(即左-左的情况或者右-右的情况)，该情况是通过对树的一次单旋转来完成操作。
第二种情况是插入发生在内部的情形(即左-右的情况或者右-左的情况)，该情况通过稍微复杂点的双旋转操作来处理。
单旋转
下图显示了单旋转如何调整情形1。旋转前的图在左边，旋转后的图在右边。 
让我们来分析具体的做法。节点K2不满足平衡条件， 因为它的左子树比右子树深两层（图中的虚线表示树的各层）.
为使树恢复平衡，我们把节点X向上移一层，并把Z像下移一层，为此我们重新安排节点以形成一颗等价的树。如上图的右边部分。抽象的形容就是，把把树想象成一棵柔软灵活的树，抓住子节点K1，闭上眼睛使劲的摇动它，这样由于重力的作用，K1就变成了新的根。二叉树的性质告诉我们，在原树中K2>K1，这样在新树中，K2变成了K1的右儿子，Y变成了K2的左子树，而X、Z依然是K1的左子树和K2的右子树。
让我们演示一个更长的例子，假设从初始的空的AVL树开始依次插入3、2、1,然后再依次插入4-7.
在插入关键字1的时候第一个问题就出现了，AVL性质在根处被破坏，我们在根和其左儿子之间施加单旋转操作来修正问题。下图是旋转之前和之后的两棵树。
图中虚线连接的两个节点，它们是旋转的主体。下面我们插入关键字4这没有问题，在我们插入关键字5的时候，问题又出现了，平衡条件在关键字3处被破坏，而通过单旋转再次将问题修复。
接下来插入6，平衡条件在根节点处被打破，因此我们在根处，在2、4之间施加一次单旋转操作。
我们插入最后的关键字7，它导致另外的旋转。
双旋转
单旋转对情形2、3无效愿因在于子树Y太深。单旋转没有降低它的深度。
对于子树Y我们可以假设他有一个根和两棵子树（对应上图的K2、B、C）。
为了平衡期间，我们不能再把K3当成根了，而如上图所示K3和K1之间旋转又解决不了问题，唯一的选择是把K2当成根，这迫K1成为K2的左子树，K3成为K1的右子树，而K2的左子树成为K1的右子树，K2的右子树成为K3的左子树。容易看出最后得到的树满足AVL树的特征。
我们继续在前面例子的基础上以倒序插入10-16，接着插入8，再插入9.插入16很容易这并不破坏树的平衡,插入15会引起节点7处的高度不平衡，这属于情形3，需要通过右-左双旋转来解决。如图：
下面我们来插入14，它也需要一个双旋转。此时修复树的旋转还是右-左双旋转
如果现在插入13那么在根处就会出现不平衡，由于13不在4-7之间，我们知道只要一次单旋转就行.
插入12也需要一次双旋转
插入11、10都需要进行单旋转，接着我们插入8不需要进行旋转，这样就建成了一颗近乎理想的平衡树
最后我们插入9，在节点10发生不平衡，这里满足情形2，对左儿子的右子树进行一次，需要一次双旋转。
总结
现在让我们对上面的讨论做出总结，除几种情形外，编程的细节是相当简单的。为将节点X插入AVL树T中，我们递归的将X插入到T的子树中。如果子树的高度不变，那么插入完成；如果出现高度不平衡，那么找到不平衡点，做适当的单旋转或者双旋转，更新这些高度，从而完成插入。
scala实现
sealed trait AVLTree[+A] extends Serializable {
def balance: Int
def depth: Int
def contains[B >: A](x: B)(implicit ordering: Ordering[B]): Boolean
def insert[B >: A](x: B)(implicit ordering: Ordering[B]): AVLTree[B]
def rebalance[B >: A]: AVLTree[B]
}
/**
* 叶子节点
*/
case object Leaf extends AVLTree[Nothing] {
override val balance: Int = -1
override val depth: Int = 0
override def contains[B >: Nothing](x: B)(implicit ordering: Ordering[B]): Boolean = false
override def insert[B >: Nothing](x: B)(implicit ordering: Ordering[B]): AVLTree[B] = {
Node(x, Leaf, Leaf)
}
override def rebalance[B >: Nothing]: AVLTree[B] = this
}
case class Node[A](value: A, left: AVLTree[A], right: AVLTree[A]) extends AVLTree[A] {
override def balance: Int = right.depth - left.depth
override def depth: Int = math.max(left.depth, right.depth)
override def contains[B >: A](x: B)(implicit ordering: Ordering[B]): Boolean = ???
override def insert[B >: A](x: B)(implicit ordering: Ordering[B]): AVLTree[B] = {
val cmp = ordering.compare(x,value)
if (cmp < 0){
Node(value, left.insert(x),right).rebalance
} else if (cmp > 0){
Node(value, left, right.insert(x)).rebalance
} else {
this
}
}
override def rebalance[B >: A] = {
if (-2 == balance){
if (1 == left.balance){
doubleRightRotation
} else {
rightRotation
}
} else if(2 == balance) {
if (-1 == right.balance){
doubleLeftRotation
}else {
leftRotation
}
} else {
this
}
}
/*
* 5
* \ 6
* 6 ---- 左单旋转 ---> / \
* \ 5 7
* 7
*
* 在节点5 发生不平衡 5的右节点成为新的根节点
*/
private def leftRotation[B >: A] = {
if (Leaf != right) {
val r = right.asInstanceOf[Node[A]]
Node(r.value, Node(value, left, r.left), r.right)
} else {
sys.error("should not happen.")
}
}
/*
* 7
* / 6
* 6 ---- 右单旋转 ---> / \
* / 5 7
* 5
*
* 在节点7 发生不平衡 7的左节点成为新的根节点
*/
private def rightRotation[B >: A] = {
if (Leaf != left) {
val l = left.asInstanceOf[Node[A]]
Node(l.value, l.left, Node(value, l.right, right))
} else {
sys.error("should not happen.")
}
}
/*
* 左双旋转
*
* 5 5
* \ \ 6
* 7 ----step1 ---> 6 ---step2---> / \
* / \ 5 7
* 6 7
*
* 在节点5处不平衡
* step1 : 节点5的右节点 做一次 右旋转
* step2 : 左旋转
*
*/
private def doubleLeftRotation[B >: A] = {
if (Leaf != right) {
val r = right.asInstanceOf[Node[A]]
val rightRotated = r.rightRotation
Node(rightRotated.value, Node(value, left, rightRotated.left), rightRotated.right)
} else {
sys.error("should not happen.")
}
}
/*
* 右双旋转
*
* 7 7
* / / 6
* 5 ----step1 ---> 6 ---step2---> / \
* \ / 5 7
* 6 5
*
* 在节点7处不平衡
* step1 : 节点7的左节点 做一次 左旋转
* step2 : 右旋转
*
*/
private def doubleRightRotation[B >: A] = {
if (Leaf != left) {
val l: Node[A] = left.asInstanceOf[Node[A]]
val leftRotated = l.leftRotation
Node(leftRotated.value, leftRotated.left, Node(value, leftRotated.right, right))
} else sys.error("Should not happen.")
}
}
参考资料
《数据结构与算法分析java语言描述》 AVL tree (维基百科)
