B树是为磁盘或其他直接存储设备设计的一种平衡查找树。如下图所示。每一个结点箭头指向的我们称为入度,指出去的称为出度。树结构的结点入度都是1,不然就变成图了,所以我们一般说树的度就是指树结点的出度,也就是一个结点的子结点个数。有了度的概念我们就简单定义一下B树(假设一棵树的最小度数为M):
1.每个结点至少有M-1个关键码,至多有2M-1个关键码;
2.除根结点和叶子结点外,每个结点至少有M个子结点,至多有2M个子结点;
3.根结点至少有2个子结点,唯一例外是只有根结点的情况,此时没有子结点;
4.所有叶子结点在同一层。
我们看看它的结点的结构,如下图所示:
每个结点存放着关键字和指向子结点的指针,很容易看出指针比关键码多一个。
由B树的定义我们可以看出它的一些特点:
1.树高平衡,所有叶结点在同一层;
2.关键字没有重复,按升序排序,父结点的关键码是子结点的分界;
3.B树把值接近的相关记录放在同一磁盘页中,从而利用了访问局部性原理;
4.B树保证一定比例的结点是满的,能改进空间利用率。
B树结点的大小怎么确定呢?为了最小化磁盘操作,通常把结点大小设为一个磁盘页的大小。一般树的高度不会超过3层,也就是说,查找一个关键码只需要3次磁盘操作就可以了。
在实现的时候,我是参照了《算法导论》的内容,先假定:
1.B树的根结点始终在主存中,不需要读磁盘操作;但是,根结点改变后要进行一次写磁盘操作;
2.任何结点被当做参数传递的时候,要做一次读磁盘。
在实现的时候其实还做了简化,每个结点除了包含关键码和指针外,还应该有该关键码所对应记录所在文件的信息的,比如文件偏移量,要不然怎么找到这条记录呢。在实现的时候这个附加数据就没有放在结点里面了,下面是定义树的结构,文件名为btrees.h,内容如下:
1 | /* btrees.h */ |
2 | |
3 | # define M 2 |
4 | /* B树的最小度数M>=2 |
5 | * 每个非根结点必须至少有M-1个关键字。每个非根结点至少有M个子女 |
6 | * 每个结点可包含至多2M-1个关键字。所以一个内结点至多可以有2M个子女 |
7 | */ |
8 | |
9 | typedef int bool ; |
10 | |
11 | struct btnode{ /* B树结点 */ |
12 | int keyNum; /* 节点中键的数目 */ |
13 | int k[2*M-1]; /* 键 */ |
14 | struct btnode * p[2*M]; /* 指向子树的指针 */ |
15 | bool isleaf; |
16 | }; |
17 | |
18 | struct searchResult{ |
19 | struct btnode *ptr; /* 数据所在节点指针 */ |
20 | int pos; /* 数据在节点中位置 */ |
21 | }; |
下面是创建一颗空树的代码,文件名为btree.c:
1 | # include <stdio.h> |
2 | # include <stdlib.h> |
3 | |
4 | # include "btrees.h" |
5 | |
6 | /* 给一个结点分配空间 */ |
7 | struct btnode * allocateNode( struct btnode *ptr){ |
8 | int i,max; |
9 | ptr = ( struct btnode *) malloc ( sizeof ( struct btnode)); |
10 | if (!ptr){ |
11 | printf ( "allocated error!/n" ); |
12 | exit (1); |
13 | } |
14 | max = 2*M; |
15 | for (i=0; i<max; i++) |
16 | ptr->p[i] = NULL; /* 初始化指针 */ |
17 | memset (ptr->k, 0, (max-1)* sizeof ( int )); /* 初始化键的值*/ |
18 | return ptr; |
19 | } |
20 | |
21 | /* 创建一个空的B树,就一个根结点 */ |
22 | struct btnode * btreeCreate( struct btnode *root){ |
23 | root = allocateNode(root); |
24 | root->keyNum = 0; |
25 | root->isleaf = 1; |
26 | return root; |
27 | } |
B树的插入都是在叶子结点进行的,由于B树的结点中关键码的个数是有限制的,最小度数为M的B树的结点个数是从M-1到2M-1个。比如下图是最小度数为2的B树(又称为2-3树),如下图所示,它的结点的个数就是1-3个。
先定位到要插入的位置,如果叶子结点的关键码个数还没达到上限,比如插入32,就比较简单,直接插入就行;如果叶子结点的关键码数到达了上限,就要分裂成2个子结点,把中间的关键码往上放到父节点中。但有极端的情况,就是父结点也是满的,就需要再次分裂,可能最后要把根结点也分裂了。但是这种算法不太好实现。
在《算法导论》中实现用的是另外一种思想,就是先分裂,在查找插入位置的过程中,如果发现有满的结点,就先把它分裂了,这就保证了在最后叶结点上插入数据的时候,这个叶结点的父结点总是不满的。下面我们看一个例子:
我们用逐个结点插入的方法创建一棵B树,结点顺序分别是{18, 31, 12, 10, 15, 48, 45, 47, 50, 52, 23, 30, 20},我们看看具体过程:
1.创建一个空的B树;
2.插入18,这时候是非满的,如下所示:
4.插入10,这时候根结点是满的,就要分裂,由于根结点比较特殊,没有父结点,就要单独处理,先生成一个空结点做为新的根结点,再进行分裂,如下所示:
6.插入47,这次叶结点满了,就要先分裂,再插入,如下所示:
其他都是同样的道理,就不赘述了,下面是源码,加入到btree.c中,最后写了个main函数和一个广度优先显示树的方法,大家可以自己对比结果,代码的实现参照了《算法导论》和博客
http://hi.baidu.com/kurt023/blog/item/4c368d8b51c59ed3fc1f10cc.html
他博客里面已经实现了,只是在定义B树的时候指针数和关键码数成一样了,我于是自己重写了一下。
1 | //函数目的:分裂存储数达到最大的节点 |
2 | void btreeSplitChild( struct btnode *parent, int pos, struct btnode *child){ |
3 | struct btnode *child2; |
4 | int i; |
5 | //为新分裂出的节点分配空间 |
6 | child2 = allocateNode(child2); |
7 | //与被分裂点同级 |
8 | child2->isleaf = child->isleaf; |
9 | //设置节点数 |
10 | child2->keyNum = M-1; |
11 | |
12 | //复制数据 |
13 | for (i=0; i<M-1; i++) |
14 | child2->k[i] = child->k[i+M]; |
15 | //如果不是叶节点,复制指针 |
16 | if (!child->isleaf) |
17 | for (i=0; i<M; i++) |
18 | child2->p[i] = child->p[i+M]; |
19 | child->keyNum = M-1; |
20 | |
21 | //将中间数作为索引插入到双亲节点中 |
22 | //插入点后面的关键字和指针都往后移动一个位置 |
23 | for (i=parent->keyNum; i>pos; i--){ |
24 | parent->k[i] = parent->k[i-1]; |
25 | parent->p[i+1] = parent->p[i]; |
26 | } |
27 | parent->k[pos] = child->k[M-1]; |
28 | parent->keyNum++; |
29 | parent->p[pos+1] = child2; |
30 | } |
31 | |
32 | /* 函数目的:向非满的节点中插入一个数据 |
33 | * 注意:插入前保证key在原来的B树中不存在 |
34 | */ |
35 | void btreeInsertNoneFull( struct btnode *ptr, int data){ |
36 | int i; |
37 | struct btnode *child; //要插入结点的子结点 |
38 | i = ptr->keyNum; |
39 | //如果是叶节点,直接插入数据 |
40 | if (ptr->isleaf){ |
41 | while ((i>0) && (data<ptr->k[i-1])){ |
42 | ptr->k[i] = ptr->k[i-1]; |
43 | i--; |
44 | } |
45 | //插入数据 |
46 | ptr->k[i] = data; |
47 | ptr->keyNum++; |
48 | } |
49 | else { //不是叶节点,找到数据应插入的子节点并插入 |
50 | while ((i>0) && (data<ptr->k[i-1])) |
51 | i--; |
52 | child = ptr->p[i]; |
53 | if (child->keyNum == 2*M-1){ |
54 | btreeSplitChild(ptr, i, child); |
55 | if (data > ptr->k[i]) |
56 | i++; |
57 | } |
58 | child = ptr->p[i]; |
59 | btreeInsertNoneFull(child, data); //在子树中递归 |
60 | } |
61 | } |
62 | |
63 | /* 插入一个结点 */ |
64 | struct btnode * btreeInsert( struct btnode *root, int data){ |
65 | struct btnode * new ; |
66 | /* 检查是否根节点已满,如果已满,分裂并生成新的根节点 */ |
67 | if (root->keyNum == 2*M-1){ |
68 | new = allocateNode( new ); |
69 | new ->isleaf = 0; |
70 | new ->keyNum = 0; |
71 | new ->p[0] = root; |
72 | btreeSplitChild( new , 0, root); |
73 | btreeInsertNoneFull( new , data); |
74 | return new ; |
75 | } |
76 | else { //还没到最大数据数,直接插入 |
77 | btreeInsertNoneFull(root, data); |
78 | return root; |
79 | } |
80 | } |
81 | |
82 | //函数目的:广度优先显示树 |
83 | void btreeDisplay( struct btnode *root){ |
84 | int i, queueNum=0; |
85 | int j; |
86 | struct btnode *queue[20]; |
87 | struct btnode *current; |
88 | |
89 | //加入队列 |
90 | queue[queueNum] = root; |
91 | queueNum++; |
92 | |
93 | while (queueNum>0){ |
94 | //出队 |
95 | current = queue[0]; |
96 | queueNum--; |
97 | //移出第一个元素后后面的元素往前移动一个位置 |
98 | for (i=0; i<queueNum; i++) |
99 | queue[i] = queue[i+1]; |
100 | //显示节点 |
101 | j = current->keyNum; |
102 | printf ( "[ " ); |
103 | for (i=0; i<j; i++){ |
104 | printf ( "%d " , current->k[i]); |
105 | } |
106 | printf ( "] " ); |
107 | |
108 | //子节点入队 |
109 | if (current!=NULL && current->isleaf!=1){ |
110 | for (i=0; i<=(current->keyNum); i++){ |
111 | queue[queueNum] = current->p[i]; |
112 | queueNum++; |
113 | } |
114 | } |
115 | } |
116 | printf ( "/n" ); |
117 | } |
118 | |
119 | int main() |
120 | { |
121 | struct btnode *root; |
122 | int a[13] = {18, 31, 12, 10, 15, 48, 45, 47, 50, 52, 23, 30, 20}; |
123 | int i; |
124 | |
125 | root = btreeCreate(root); |
126 | for (i=0; i<13; i++){ |
127 | root = btreeInsert(root, a[i]); |
128 | btreeDisplay(root); |
129 | } |
130 | |
131 | return 0; |
132 | } |
运行结果:
同样一批关键码用不同算法生成的B树可能是不同的,比如4个关键码的结点[1,2,3,4]分裂的时候,把2或3放上去都可以;同样的算法插入顺序不同也可能不同。
附件中是源码,在Linux下编译通过。
原帖:http://www.sugarsfree.org/?p=70