RB-Tree和AVL樹作為BBST，其實現的算法時間復雜度相同，AVL作為最先提出的BBST，貌似RB-tree實現的功能都可以用AVL樹是代替，那么為什么還需要引入RB-Tree呢？
- 紅黑樹不追求"完全平衡"，即不像AVL那樣要求節點的
|balFact| <= 1，它只要求部分達到平衡，但是提出了為節點增加顏色，紅黑是用非嚴格的平衡來換取增刪節點時候旋轉次數的降低，任何不平衡都會在三次旋轉之內解決，而AVL是嚴格平衡樹，因此在增加或者刪除節點的時候，根據不同情況，旋轉的次數比紅黑樹要多。 - 就插入節點導致樹失衡的情況，AVL和RB-Tree都是最多兩次樹旋轉來實現復衡rebalance，旋轉的量級是O(1)
刪除節點導致失衡，AVL需要維護從被刪除節點到根節點root這條路徑上所有節點的平衡，旋轉的量級為O(logN)，而RB-Tree最多只需要旋轉3次實現復衡，只需O(1)，所以說RB-Tree刪除節點的rebalance的效率更高，開銷更小！ - AVL的結構相較於RB-Tree更為平衡，插入和刪除引起失衡，如2所述，RB-Tree復衡效率更高；當然，由於AVL高度平衡，因此AVL的Search效率更高啦。
- 針對插入和刪除節點導致失衡后的rebalance操作，紅黑樹能夠提供一個比較"便宜"的解決方案，降低開銷，是對search，insert ，以及delete效率的折衷，總體來說，RB-Tree的統計性能高於AVL.
- 故引入RB-Tree是功能、性能、空間開銷的折中結果。
5.1 AVL更平衡，結構上更加直觀，時間效能針對讀取而言更高；維護稍慢，空間開銷較大。
5.2 紅黑樹，讀取略遜於AVL，維護強於AVL，空間開銷與AVL類似，內容極多時略優於AVL，維護優於AVL。
基本上主要的幾種平衡樹看來，紅黑樹有着良好的穩定性和完整的功能，性能表現也很不錯，綜合實力強，在諸如STL的場景中需要穩定表現。
紅黑樹的查詢性能略微遜色於AVL樹，因為其比AVL樹會稍微不平衡最多一層，也就是說紅黑樹的查詢性能只比相同內容的AVL樹最多多一次比較，但是，紅黑樹在插入和刪除上優於AVL樹，AVL樹每次插入刪除會進行大量的平衡度計算，而紅黑樹為了維持紅黑性質所做的紅黑變換和旋轉的開銷，相較於AVL樹為了維持平衡的開銷要小得多
- 總結：實際應用中，若搜索的次數遠遠大於插入和刪除，那么選擇AVL，如果搜索，插入刪除次數幾乎差不多，應該選擇RB。