信息处理的典型模式是，将所有数据项视为一个集合，并将其组织为适宜的数据结构（或者说使用适宜的数据结构对之进行存储以及组织），进而借助操作接口高效访问。
为了考查和评价各操作接口的效率，除了从最坏情况的角度出发，也可假定所有操作彼此独立、次序随机且概率均等，也即从平均情况的角度出发。然而，实际中，后一尺度所依赖的假定条件（独立随机等概率），往往不足以反映真实的情况。
实际上，在任意数据结构的生命周期内，不仅执行不同操作的概率往往极不均衡，而且各操作之间具有极强的相关性，并在整体上呈现出极强的规律性。其中最为典型的就是所谓的“数据局部性（data locality）”，这包括两方面的含义：
- 1）刚刚被访问过的元素，极有可能在不久之后再次被访问到；
- 2）将被访问的下一个元素，极有可能就处于之前被访问过的某个元素的附近；
充分利用好此类特性，即可进一步地提高数据结构和算法的效率。就二叉搜索树而言，数据局部性表现在：
- 刚刚被访问过的结点，极有可能在不久之后再次被访问到；
- 将被访问的下一节点，极有可能处于不久之前被访问过的某个结点的附近；
如何利用这一重要的访问特性呢？
只需将刚被访问的结点，及时地“转移”至树根（附近），即可加速后续的操作。当然，转移前后的搜索树必须相互等价。