一、AVL树简单介绍
在前面二叉搜索树中，我们可以看出它的查找销率非常高，最优可到达O(Log2(N))，但是当数据越接近有序的时候二叉搜索树将退化成一个链表，查找效率就能变成了O(N)，因此，两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landis(AVL的由来)发明了AVL树：当向二叉搜索树中插入新结点后，如果能保证每个结点的左右子树高度之差的绝对值不超过1(需要对树中的结点进行调整)，即可降低树的高度，从而减少平均搜索长度。
性质1：左右子树都是AVL树
性质2：左右子树的高度之差(平衡因子)的绝对值不能超过1。
这样，AVL树的搜索时间复杂度就一定在O(Log2(N))。
二、插入
1、先按照二插搜索树的方法找到插入的位置并插入
2、插入完后判断插入节点的是它父节点的左孩子还是右孩子：
左孩子—>给父节点的平衡因子-1
右孩子—>给父节点的平衡因子+1
3、父节点平衡因子的判断：
(1) 若父节点平衡因子 = 1或 = -1，继续向上判断，并且每次修改父节点的平衡因子，是父节点的左孩子就 -1，右孩子就 +1，直到找到根或者进入(2)、(3)退出
(2) 若父节点平衡因子的绝对值 > 1,开始调整(具体操作在下面旋转中解释)
(3) 若父节点平衡因子=0，因为其平衡因子虽然改变，但树高没有发生变化，不会影响父节点的平衡因子，不用调整，直接退出即可
三、旋转
细分可分为6种情况，但是其他的情况都是建立的左右旋的基础之上，而且左右旋还是镜像关系，所以下面只讨论两种情况，左旋和右旋左旋(包括其中的两种情况)
1、左旋
①将pre的父节点右节点确立父子关系
②将cur的右孩子过继给pre，cur的右孩子若存在就认pre做爸爸，不存在那就让pre的左孩子指向空即可
③最后pre认cur做父亲，cur认pre做孩子
④旋转完毕之后，cur的左孩子成了pre的右孩子，高度和pre的左孩子相同，所以pre的平衡因子置为0，pre的高度为H-1那么cur的左孩子高度就是H-1+1(pre) = H = 右孩子，平衡因子=0
右旋和左旋是镜像关系，所以将所有的左孩子和右孩子交换就是右旋
2、右旋左旋
最左边的树插入之前还是平衡的，当在其L节点的任意孩子插入节点之后就会导致他的爷爷节点平衡因子 = 2，开始调整，分为两种情况：
(1)在L节点的左孩子插入了节点导致不平衡：
①先对C和L节点进行右旋，旋成右右的情况。此时L被旋上去，C被旋下来，L的右孩子(没有插入节点的孩子)被挂到C节点的左孩子上，导致C节点平衡因子 = 1。
②在对pre和L进行一次左旋，L的左孩子(插入节点的孩子)被挂到了P的右孩子上，导致P的平衡因子 = 0。
③两次旋转完毕后，P和C成了的L的左右孩子，P的深度为H，C的深度为H，所以L的平衡因子 = 0。
(2)在L节点的右孩子插入了节点导致不平衡：
①先对C和L节点进行右旋，旋成右右的情况。此时L被旋上去，C被旋下来，L的右孩子(插入节点的孩子)被挂到C节点的左孩子上，导致C节点平衡因子 = 0。
②在对pre和L进行一次左旋，L的左孩子(没有插入节点的孩子)被挂到了P的右孩子上，导致P的平衡因子 = -1。
③两次旋转完毕后，P和C成了的L的左右孩子，P的深度为H，C的深度为H，所以L的平衡因子 = 0。
五、代码实现 ：GitHub（相当详细的注释，就怕自己哪天忘了，翻出来看看）
