堆结构是一种隐式数据结构（implicit data structure），用完全二叉树表示的堆在数
组中是隐式存贮的（即没有明确的指针或其他数据能够重构这种结构）。由于没有存贮结构信
息，这种描述方法空间利用率很高，事实上没有空间浪费。尽管堆结构的时间和空间效率都
很高，但它不适合于所有优先队列的应用，尤其是当需要合并两个优先队列或多个长度不同
的队列时。因此需要借助于其他数据结构来实现这类应用，左偏树（ leftist tree）就能满足这
种要求。
左倾树是一种二叉树，它的节点除了和二叉树的节点一样具有左右子树指针（left、right）外，还有两个属性：键值和距离（dist）。键值上面已经说过，是用于比较节点的大小。距离则是如下定义的：
一个具有空左子树或空右子树的节点称为外节点；一个节点的距离是这个节点到最近的外节点所经过的边的数目（最近的意思是边的数目最小），特别的，如果一个节点本身是外节点，则它的距离为0；而空节点的距离规定为-1（后面将会看到这样规定的理由）。在本文中，有时也提到一棵树的距离，这是指该树根节点的距离。
左倾树的各个属性满足下面两条性质：
1. 一个节点的键值小于或等于它的左右子节点的键值（如果有子节点的话）。
2. 一个节点的左子节点的距离大于或等于右子节点的距离。
这两条性质是对每一个节点而言的，可以简单的从中得出，左倾树的左右子树都是左倾树。
不难看到，左倾树的根节点是树中所有节点里键值最小的，它的每一棵子树也具有这样的性质。这样的性质称为堆性质，具有堆性质的数据结构称为堆（heap）。因此左倾树是一种堆。堆是实现优先队列的很好的数据结构，因为我们可以立即取到堆中的最小元素。
leftist tree最关键的操作就是合并两个leftist tree
实现了合并，就能轻松的实现插入和删除
合并也是递归实现的，过程中可能出现右子树距离大于左子树的情况，这时只需要交换两棵子树
跟AVL树的对偶在于，AVL树的平衡条件保证了高度为O(logn)，而leftist tree的
不平衡条件保证了最右端路径长度为O(logn)，AVL树的插入和删除会导致平衡条件
的破坏，这时需要做平衡化旋转。而leftist tree的插入和删除则会导致不平衡
条件的破坏，而此时只需交换两棵子树。