用视觉化思维拆解AVL树旋转：三行代码背后的平衡艺术

每次看到AVL树的四种旋转操作，总有人觉得这是需要死记硬背的算法知识点。但今天我要告诉你一个秘密——理解AVL旋转根本不需要记忆，只需要掌握一个核心视觉模式和三条通用代码逻辑。作为曾经也被这个问题困扰过的开发者，我发现用图形化方式思考，能让你在五分钟内建立起对AVL旋转的直觉理解。

1. 为什么AVL树值得你掌握？

想象你正在开发一个实时排行榜系统，每秒都有上万用户刷新数据。如果用普通二叉搜索树存储这些数据，最坏情况下（比如用户按顺序注册）查询效率会退化为O(n)，相当于链表。这就是AVL树发明的背景——两位俄罗斯数学家Adelson-Velsky和Landis在1962年提出的自平衡二叉搜索树。

AVL树保持平衡的秘诀在于：

• 每个节点的左右子树高度差不超过1（平衡因子∈[-1,0,1]）
• 通过四种旋转操作在插入/删除时动态调整平衡
• 保证所有操作的时间复杂度稳定在O(log n)

python复制class AVLNode:
    def __init__(self, val):
        self.val = val
        self.left = None
        self.right = None
        self.height = 1  # 新增高度属性

平衡因子 = 右子树高度 - 左子树高度。当绝对值>1时触发旋转

2. 旋转的本质：子树高度再分配

所有旋转操作都在做同一件事：重新分配子树高度。让我们用跷跷板模型来理解：

• 左子树过重时（平衡因子<-1）：需要右旋抬升左边
• 右子树过重时（平衡因子>1）：需要左旋抬升右边
• 双旋场景：当"重"的一侧形成折线时

2.1 单旋的通用模式

无论是左旋还是右旋，都遵循相同三步逻辑：

python复制def rotate_left(A):
    B = A.right
    A.right = B.left  # 步骤1：B的左子树变为A的右子树
    B.left = A        # 步骤2：A变为B的左孩子
    update_height(A)  # 步骤3：更新高度
    update_height(B)