真正的操作，其实大可不必按照理解的思路进行旋转
可以类比一个魔方，如果是组装工人，不需要根据规则旋转，而是直接组装。
将需要旋转的祖孙三代，g p v 按照中序遍历重新命名 a < b < c 然后对于g p v 的孩子们（不超过四个） 按照中序遍历次序，从新命名 T0 < T1 < T2 < T3 于是可以重新组装
3+4重构。
对于重命名的规则，可以分四种情况分别列举。
至此，删除与插入操作（包括子操作旋转操作）迎刃而解。
AVL树有什么缺点呢？
需要单独记录平衡因子，需要改造元素结构并且额外封装。 单次动态调整之后，全书的拓扑结构变化量可高达Ω(logn)
数据结构（下） 第八章 高级搜索树 一 伸展树
对于一些元素，很可能要经常对其进行访问，或者对与其相邻的一些元素经常访问，因此可以进行优化。
（与链表进行比较： 某些链表的元素会被集中访问，因此每次访问一个元素可以将之移动到最前端，可以提高访问效率。）
回到BST，可以将某一段时间内经常访问的元素移动到树根的位置。（利用zig 与 zag 旋转）
但这样会遇到只有一个狭长分支的最坏情况。
怎么优化呢？
通过zig zag旋转（AVL树的双旋调整） 通过zig-zag 或者 zag-zag
（相当于不直接旋转所寻找的那个节点在的一级，而是从他的父节点下手旋转）
当需要zigzig或者zagzag（也就是在分支在一侧的情况） 旋转与avl树相同。
代码实现： splay函数：
分情况：1，当前孩子为右孩子还是做孩子
2， 当前孩子的父亲为右孩子还是左孩子 分情况进行zig 、 zag 旋转。
旋转细节：同avl，可以直接进行拆开重接，而非生搬硬套模拟旋转过程
注：还需要考虑没有祖父节点的情况（即只需要直接旋转）
查找函数：查找此节点存在否，若存在，则返回splay后的节点，否则splay与要查找值相似的节点并返回其接口。 插入：
首先调用search（即首先将相似节点splay到了根节点，然后进行插入） 因此可以直接在根节点处进行插入。
删除算法：
依然是调用了search()，所以根节点必为树根
因此直接在树根处进行删除，然后选择左右任意子树中最小的节点作为根节点。
—————————————————————— B树：
每个节点未必只有两个分差 底层节点的深度相同 更宽、更矮。
超级节点的概念：多个关键码位于一个节点。
例如：
为什么如此（这样与上图不是等价吗？）
优点：针对外部查找大大提高了输入输出（I/O）效率
每次访问一个关键码可以读出一组数据，相比于一个节点一个数据，这样的效率提高了很多。
例如有1G的数据，单次查找一个数据，
如果二叉树，则需要log(2,10^9)=30 次，而如果以关键节点有256个关键码的B树，只需要查找log(256,10^9)<4 次。
B树的阶： 阶数=路数
B树的外部节点（也就是叶子节点的下一个节点（空节点））深度相同，且即B树的高度。
B树的命名：