在上一节中，我们分别学习了DFS与BFS。在本节中，我们将继续学习一种特殊的二叉树结构 —— 二叉搜索树（BST）。
先看定义：二叉搜索树（Binary Search Tree），（又：二叉查找树，二叉排序树）它或者是一棵空树，或者是具有下列性质的二叉树：若它的左子树不空，则左子树上所有结点的值均小于它的根结点的值；若它的右子树不空，则右子树上所有结点的值均大于它的根结点的值；它的左、右子树也分别为二叉搜索树。
这里强调一下子树的概念：设T是有根树，a是T中的一个顶点，由a以及a的所有后裔（后代） 导出的子图称为有向树T的子树。具体来说，子树就是树的其中一个节点以及其下面的所有的节点所构成的树。
比如下面这就是一颗二叉搜索树：
下面这两个都不是：
<1>图中4节点位置的数值应该大于根节点
<2>图中3节点位置的数值应该大于根节点
那我们如何来验证一颗二叉搜索树？我们看题。
示例 1:
输入: 5 / \ 1 4 / \ 3 6 输出: false 解释: 输入为: [5,1,4,null,null,3,6]。 根节点的值为 5 ，但是其右子节点值为 4 。示例 2:
输入: 5 / \ 1 4 / \ 3 6 输出: false 解释: 输入为: [5,1,4,null,null,3,6]。 根节点的值为 5 ，但是其右子节点值为 4 。首先看完题目，我们很容易想到 遍历整棵树，比较所有节点，通过 左节点值<节点值，右节点值＞节点值 的方式来进行求解。但是这种解法是错误的，因为对于任意一个节点，我们不光需要左节点值小于该节点，并且左子树上的所有节点值都需要小于该节点。（右节点一致）所以我们在此引入上界与下界，用以保存之前的节点中出现的最大值与最小值。
明确了题目，我们直接使用递归进行求解。这里需要强调的是，在每次递归中，我们除了进行左右节点的校验，还需要与上下界进行判断。由于该递归分析有一定难度，所以我们先展示代码：
func isValidBST(root *TreeNode) bool { if root == nil{ return true } return isBST(root,math.MinInt64,math.MaxInt64) } func isBST(root *TreeNode,min, max int) bool{ if root == nil{ return true } if min >= root.Val || max <= root.Val{ return false } return isBST(root.Left,min,root.Val) && isBST(root.Right,root.Val,max) }运行结果：
如果觉得上文中的递归不太容易理解，可以通过下图理解：
