数据结构与算法——树（2）_数据结构与算法-树(2)-CSDN博客

本文链接：https://blog.csdn.net/Areay_GK/article/details/50700613

树是目前大家用得最多的数据结构之一，而且品种繁多。所以在这里再开一讲，但是现在所讲的树大多都是应用于硬盘的。

2-3树

每一个节点都有2个节点或三个节点，所以叫2-3树。下图的右子树就是由2个节点和三个节点。但大家请仔细看，这不光是一颗2-3树，还是一颗二叉查找树。

下面是2-3树的添加跟删除，一般插入就不讲了，没什么特别的，下面讲的是比较特殊的插入。

如图8-8-4，2-3树每个节点最多放两个元素，如果吧5插入6 7之间就超过了2-3树的标准，因为6大与5小于7，所以上升到第二层节点。

如图8-8-5，将11插入9与10之间，同上原理，所以10应该上升到第二层节点，但是第二层节点已经有两个了，为了不破坏2-3树的规则，12上升到根节点，10在8与12之间。

最后一种2-3树的特殊情况，将2插入1和3之间，同2-3树规则，因为1>2>3，所以2应该提升到第二层节点。同2-3树规则2>4>6所以4应该上升到根节点。同2-3树规则，4>8>12所以8应该向上升一级。

2-3树删除：依然不讲普通的删除规则。

删除1节点之后，最后的以4为根的树就剩下4 6 7，因为二叉查找树的规则，根节点必须比左大比右小，所以4下降6上升，形成图8-8-9中的结果。

特殊情况2：如果删除4为了保持左右子树的平衡（AVL）。直接左旋转是不行的，那就得使用右左旋转，9上升8下降，然后删除掉4,因为6>7>8所以最终结果就成下图

如果左右旋转没懂，请看我的“数据结构与算法——树”之中的AVL左右旋转讲解。

2-3树删除特殊情况3：如果删除8，此时因为6,7>9所以67应该存放在一个子节点中，然后因为9>13>14>15,所以形成下图

2-3-4树

如果理解了2-3树，那么2-3-4树就迎刃而解。2-3-4树的规则是：节点最多有3个数4个子节点或者没有子节点。如图8-8-15是2-3-4树的生成过程，而8-8-16是删除过程。

b树

很多人都听过B树这个概念，甚至可能有人直接看这个位置，其实不必，我们从一开始讲的就是B树。B树是一种平衡的多路查找树，2-3树和2-3-4树都是B树的特例。2-3树就是3阶B树，2-3-4树就是4阶B树。最大得孩子数就是B树的阶

至于添加和删除，是与2-3树一样的，只不过数目可能很大。

b+树

从B+树开始引用自 http://blog.csdn.net/v_JULY_v/article/details/6530142

尽管我们说B树的好处特别多，但是他还是有缺陷的。我们需要遍历来顺序查找树种的元素，这是在内存中进行的。在B树种往返与每个节点之间，意味着每次都在硬盘的内存块之间多次的访问。而且我们每次遍历都会遍历节点中得元素，这非常糟糕，所以B+树比B树更适合做数据库的索引跟操作系统的文件搜索。
B+树是应文件系统产生的一种B树的变形树，严格的讲他不是我们前面所说的基础树了。

所有叶子节点包含全部的关键字信息，

B*树

B*树是B+树的变形，在B+树的基础上增加了指向兄弟的指针如下图。B*树的分裂：当一个节点满时，如果他得兄弟节点未满，那一部分数据会转移到兄弟节点当中。如果兄弟节点也满了，就再原节点和兄弟节点之间建立节点同时各转移1/3的数据到新节点当中，最后根节点和新节点建立连接。所以B*树的空间利用比B+树高。

R树

R树（ Rectangle，可不是Region哟。。）。B树和B+树能很好的解决一维空间的存储问题，B树是一颗平衡树，它把一条直线分成若干段。当满足哪段的要求时就哪段去，逐步缩小范围。

举个R树在现实领域中能够解决的例子：查找20英里以内所有的餐厅。如果没有R树你会怎么解决？一般情况下我们会把餐厅的坐标(x,y)分为两个字段存放在数据库中，一个字段记录经度，另一个字段记录纬度。这样的话我们就需要遍历所有的餐厅获取其位置信息，然后计算是否满足要求。如果一个地区有100家餐厅的话，我们就要进行100次位置计算操作了，如果应用到谷歌地图这种超大数据库中，这种方法便必定不可行了。

这幅图很形象的介绍了R树，什么意思呢R树是矩形树，在二维的定义上就是大圈套小圈。像上个地图上如果要查某个你需求红点时，在B树中就要遍历全部地图。那么R树的一圈套一圈，只要遍历某个符合条件的圈就可以了，而不用遍历整张地图。