多路查找树 B数 B+树 B*树 原理

常规二叉树问题

1)二叉树需要加载到内存的，如果二叉树的节点少，没有什么问题,但是如果二叉树的节点很多(此如1亿)，就存在如下问题
2)问题1: 在构建二叉树时,需要多次进行/o操作海量数据存在数据库或文件中)节点海量,构建二叉树时，速度有影响
3)问题2: 节点海量，也会造成二叉树的高度很大，会降低操作速度

多叉树

1)在二叉树中，每个节点有数据项，最多有两个子节点。如果允许每个节点可以
有更多的数据项和更多的子节点，就是多叉树(multiwaytree )
2)后面我们讲解的2-3树，2-3-4树就是多叉树，多叉树通过重新组织节点，减少树的高度，能对二叉树进行优化。
3)举例说明(下面2-3树就是一颗多叉树)

B树

B树通过重新组织节点，降低树的高度，并且减少i/o读写次数来提升效率。

1)如图B树通过重新组织节点，降低了树的高度
2)文件系统及数据库系统的设计者利用了磁盘预读原理，将-一个节 点的大小设为等于-一个页(页
得大小通常为4k),这样每个节点只需要一次I/0就可以完全载入
3)将树的度M设置为1024，在600亿个元素中最多只需要4次I/O操作就可以读取到想要的元素, B
树(B+)广泛应用于文件存储系统以及数据库系统中

2-3树

2-3树是最简单的B树结构，具有如下特点:

1. 2-3树的所有叶子节点都在同一层.(只要是B树都满足这个条件)
2. 有两个子节点的节点叫二节点，二节点要么没有子节点，要么有两个子节点.
3. 有三个子节点的节点叫三节点，三节点要么没有子节点，要么有三个子节点.
4. 2-3树是由二节点和三节点构成的树。

演示说明
将数列{16, 24, 12, 32, 14, 26, 34, 10, 8, 28, 38, 20}构建成2-3树，并保证数据插入的大小顺序。(演示一下 构建2-3树的过程.)

插入规则:

1. 2-3树的所有叶子节点都在同一层.(只要是B树都满足这个条件)
   2.有两个子 节点的节点叫二节点，二节点要么没有子节点，要么有两个子节点
   3.有三 个子节点的节点叫三节点，三节点要么没有子节点，要么有三个子节点
   4.当按照规则插入-个数到某个节点时，不能满足上面三个要求，就需要拆，先向上拆，如果上层满，则拆本层，拆后仍然需要满足上面3个条件。
   5.对于三节点的子树的值大小仍然遵守(BST二叉排序树)的规则
   除了23树，还有234树等，概念和23树类似，也是一种B树。
   B树的介绍
   B-tree树即B树，B即Balanced, 平衡的意思。有人把B-tree翻译成B_树，容易让人产生误解。会以为B-树是一种树，而B树又是另一种树。实际上，B-tree就是指的B树。
   B树的说明:

1. B树的阶: 节点的最多子节点个数。比如2-3树的阶是3, 2-3-4树 的阶是4
   2)B-树的搜索，从根结点开始，对结点内的关键字(有序)序列进行二分查找，如果命中则结束，否则进A查询关键字所属范围的儿子结点;重复，直到所对应的儿子指针为空，或已经是叶子结点
   3)关键字集合分布在整颗树中，即叶子节点和非叶子节点都存放数据.
   4)搜索有可能在非叶子结点结束
   5)其搜索性能等价于在关键字全集内做一次分查找
   

B+树的介绍

B+树是B树的变体，也是一种多路搜索树。
B+树的说明:
1.B+树的搜索与B树也基本相同，区别是B+树只有达到叶子结点才命中( B树可以在非叶子结点命中)，其性能也等价于在关键字全集做一次二分查找
2.所有关键字都出现在叶子结点的链表中(即数据只能在叶子节点[也叫稠密索引] )，且链表中的关键字(数据)恰好是有序的。
3. 不可能在非叶子结点命中
4. 非叶子结点相当于是叶子结点的索引(稀疏索引)，叶子结点相当于是存储(关键字)数据的数据层
5.更适合文件索引系统
6.B树和B+树各有自己的应用场景，不能说B+树完全比B树好，反之亦然.

B*树的介绍

B星树（打出来的符号总被屏蔽）是B+树的变体，在B+树的非根和非叶子结点再增加指向兄弟的指针。
B星树的说明:
1)B*树定义了非叶子结点关键字个数至少为(2/3)*M，即块的最低使用率为2/3，而B+树的块的最低使用率为B+树的1/2。
2)从第1个特 点我们可以看出，B星树分配新结点的概率比B+树要低，空间使用率更高