很重要。
1. 很多逻辑结构就是树，比如文件目录
2. 树具有递归性，许多算法都是递归完成的。（递归到左/右子树，并以抵达叶子节点为递归终止条件）
3. “查找树”的应用：
不是：因为数据本身的逻辑结构是这样！
而仅仅：是一种组织数据、便于高效查找/增加/删除（O(lgn)复杂度）的方式。
根据具体的情况 （如：查找的次数远大于增删的次数 ； 数据量很大，需要多次从磁盘读取数据到内存），去选用合适的查找树。
扫描二维码关注公众号，回复：
5243276 查看本文章
二叉查找树（Binary Search Tree）:
主要是用树结构来保存排序好的数据，使得查找/增加/删除 （定位到一个数据）时自然符合“二分查找”， 其时间复杂度为 O(lgn)
● 一般的二叉查找树（BST）
弊端： 左右子树不平衡，可能一些深度比较深，而查找的效率正比于树的深度
平衡的二叉查找树： 维基百科：平衡树
● AVL 树：
实现：在每次插入/删除节点后进行banlance()调整，保持任一节点的左右子树的深度差不超过1
● 伸展树（Splay Tree）:
使得经常查找的结点深度较小，从而降低均摊复杂度。
在均摊O(log n)的时间内完成基于伸展（Splay）操作的插入、查找、修改和删除操作 （注意：即使是查找，也会引起树结构的调整）
● 红黑树 （Red Black Tree）
二叉的限制太强，数据量很大时树的深度势必仍然过高。 所以引入B树，由于可以组织的数据量变大、可以减少IO读取。