我在这个链接http://www.ibm.com/developerworks/linux/library/l-completely-fair-scheduler上研究了使用RED-BLACK_TREE数据结构的CFS调度算法
我的问题是：在 CFS 中使用红黑树的目的是什么，为什么不能使用 AVL 树？
【问题讨论】：
标签： linux algorithm data-structures
注意：我是从纯算法的角度回答这个问题（在实践中基本搜索树操作的性能），我不知道 Linux 开发人员是否有其他内部原因选择 RB树（它可能会让它们做某些 AVL 树不做的事情）。
一般来说，两者是可以互换的，就功能而言，它们也可以与基本的搜索树、treaps、splay 树等互换。区别在于实际性能，因为所有平衡搜索树（AVL 和 RB 树都是平衡的）具有相同的理论性能。
根据两种数据结构（AVL、RB）的 wiki 页面，AVL 树在查询方面表现更好，而在插入和删除方面表现更差。如果您查看实现，很容易注意到这一点：平衡 AVL 树涉及更多内容，导致实践中的性能下降。
所以我的猜测是，他们可以使用 AVL 树（除非他们利用 RB 树具有而 AVL 树没有的结构属性，这是不太可能的），但他们更关心插入和删除性能而不是查询性能，所以他们选择了RB。
还值得一提的是，许多 C++、Java 和 .NET 中的内置数据结构在其实现中使用红黑树，这可能也是因为它们在所有操作中的性能相似。
【讨论】：
CFS Linux 调度程序实际上使用了定制的 RB 树 (linux/rbtree.h)。但这里的关键是，CFS 基本上想知道接下来要选择哪个任务。这是通过从树中选择最左边的节点来实现的（因为它将是具有较小切片时间的节点）。但是，为了方便，CFS 使用的 RBT 也有一个指向该节点的指针。
在这一点上，您可以说 AVL 树可以以相同的复杂性完成相同的任务。另一方面，在添加或删除任务条目时，您必须重新平衡并遍历 RBT。据我所知，RBT 比 AVL 更适合这项工作。
【讨论】：
因为 RB 树是自平衡的，所以树中的任何路径都不会是任何其他路径的两倍，因为树的自平衡特性，因此，所有操作都是 O (log n)，因此从树中插入和删除任务可以快速高效地完成。
【讨论】：