【数据结构】B+树

已于 2022-01-25 17:56:12 修改
阅读量1.3k 收藏 2
点赞数 1
分类专栏： 数据结构 文章标签： 数据结构 b树
于 2022-01-25 15:41:46 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Elephant_King/article/details/122685689
版权

目录

概念

对于卫星数据的理解

指定元素的查找

B+树与B-树的区别与好处

在看B+树之前，推荐先看一下B-树的原理

概念

        1.有k个子树的中间节点包含有k个元素（B树中是k-1个元素），每个元素不保存实际的时候，只用来作为索引，所有数据都保存在叶子结点。

        2.所有叶子结点中包含了全部信息，以及志向含这些元素记录的指针，并且叶子结点本身依靠关键字的大小自小到大按照顺序链接

        3.所有中间节点的元素都同时存在于子节点，在子节点元素中是最大（或最小）的元素

如图就是一个B+树，其中中间节点和根节点都存储的数据不是实际的数据，都是对应孩子节点元素中的最大值，所有元素都存储在叶子结点中，同时叶子结点互相相连，形成一个链表

对于卫星数据的理解

B-树和B+树还有一点明显的区别是，B+树只有叶子结点有卫星数据，中间节点仅仅是索引，没有任何数据

我对于卫星数据的理解是，存储实际数据的结点叫做卫星数据，而作为作为位置的数据不叫卫星数据，比如一个链表结构

struct Node{
    int data;
    struct Node *next;
}

其中data就是卫星数据，用于存储整形数据，而*next只是作为链表链接，并不是存储实际的数据，所以不叫卫星数据

指定元素的查找

假设要查找的元素为3

第一次查找 

第二次查找

 第三次查找

B+树与B-树的区别与好处

1.IO次数更少

        因为B+树的中间节点没有卫星数据，只有代表地址的数据，对应的节点就可以省下卫星数据的空间，所以同样大小的磁盘页可以容纳更多的节点元素

        代表着数据量相同的情况下B+树比B-树的高度更加低，查询时的IO次数也会更少

2.查询性能更稳定

        因为B-树每个节点都存储着数据，B+树只有叶子结点存储着数据，所以B-树的查询性能并不稳定（最好情况是只查跟节点，最坏情况是查到叶子结点），而B+树的每一次查找都是稳定的

3.范围查询更方便

        因为B+树底层是链表结构，所以在连续查询时只需要顺着底部的链表进行查询就可以了，而B-树需要在叶子结点、中间节点上反复横跳

参考文章

什么是B+树？（详细图解）_jiang_wang01的博客-CSDN博客_b+树

漫画：什么是B+树？ - 知乎

什么是数据结构的卫星信息？ - IT屋-程序员软件开发技术分享社区

Elephant_King
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
B+树数据结构详解
01-31
本文是对B+树数据结构和算法的详细介绍文档。文章详细，生动的描述了如何构建一个B+树。
数据结构——B+树
weixin_52821814的博客
07-15 1万+
B+树
经典树结构——B+树的原理及实现
c630843901的博客
11-19 2万+
文章目录B+树的概念B+树实现B+树节点参数B+树插入实现B+树删除实现 B+树的概念 规则: B+跟B树不同B+树的非叶子节点不保存关键字记录的指针，只进行数据索引，这样使得B+树每个非叶子节点所能保存的关键字大大增加 B+树叶子节点保存了父节点的所有关键字记录的指针，所有数据地址必须要到叶子节点才能获取到。所以每次数据查询的次数都一样 B+树叶子节点的关键字从小到大有序排列，左边结尾数据都会保存右边节点开始数据的指针 非叶子节点的子节点数=关键字数（来源百度百科）(Mysql 的B+树） B+树相比
B+树详解，一次就懂
qq_41076531的博客
12-23 1万+
一键读懂B+树原理
B+Tree详解
我的博客
11-17 1万+
不爱写博客。但是为了流水线，为了乐爷，为了zzq，为...(可变参数)能咋办。写呗
BPlusTree_capturedrx5_高级数据结构B+树实现_balance_
10-04
B+树的实现，用的是C++，全称Balance-tree(平衡多路查找树)，平衡的意思是左边和右边分布均匀。多路的意思是相对于二叉树而言的，二叉树就是二路查找树，查找时只有两条路，而B-tree有多条路，即父节点有多个子节点...
C++ 数据结构 算法B+树实现
04-22
C++ 数据结构 算法B+树 实现。 实现了 B+树的初始化 插入 遍历 删除
数据结构课设_B+树
06-12
用c编写的B+树，BUG较少，综合了网上的优秀代码，并进一步形成自己的代码。代码基本有注释，风格良好，能够很快看懂。内含有比较规范的报告文档，包含所有流程图，说明图，以及文档风格绝对不错，无需更改，建议下载...
B树和B+树
12-14
索引：用于快速查找行的数据结构 B树 所有的值都是按照顺序存储，没有重复的元素，并且每个叶子节点到根节点的距离相同，B树的中间节点会存储数据指针信息，B树索引能够加快访问速度，是因为存储引擎不再需要全表...
B+树详解(附代码)
qq_39454212的博客
11-07 3502
我们谈起B+树，可能最先想到它是MySQL中底层存储所采用的数据结构，其实B+树和二叉树、平衡二叉树一样，都是经典的数据结构。B+树由B树和索引顺序访问方法（ISAM，是不是很熟悉？对，这也是MyISAM引擎最初参考的数据结构）演化而来，MongDB中就采用的B树。 为啥MySQL中不采用B树，而采用B+树呢？(或者说MongDB中为啥不采用B+树呢？) 这是因为MySql是关系型数据库，数据的关联性是非常强的，区间访问是常见的一种情况，底层索引组织数据使用B+树，B+树由于数据全部存储在叶子节点，并且通过
什么是B+树？
热门推荐
初念初恋的博客
02-07 6万+
有k个子树的中间节点包含有k个元素（B树中是k-1个元素），每个元素不保存数据，只用来索引，所有数据都保存在叶子节点。所有的叶子结点中包含了全部元素的信息，及指向含这些元素记录的指针，且叶子结点本身依关键字的大小自小而大顺序链接。所有的中间节点元素都同时存在于子节点，在子节点元素中是最大（或最小）元素。根节点元素8是子节点2,5,8 的最大元素，也是叶子节点6,8 的最大元素；根节点元素15是子节点11,15 的最大元素，也是叶子节点13,15 的最大元素；
【B+树】树结构之B+树简介
Eternally123的博客
04-26 2295
todo
数据结构(54) B树、B+树
李白
08-08 3811
1、B树 1.1、B树的定义 B树，又称多路平衡查找树，B树中所有结点的孩子个数的最大值称为B树的阶，通常用m表示。一棵m阶B树或为空树，或为满足如下特性的m叉树： 1）树中每个结点至多有m棵子树，即至多含有m-1个关键字。 2）若根节点不是终端结点，则至少有两棵子树。 3）除根节点外的所有非叶结点至少有棵子树，即至少含有个关键字。 4）所有非叶结点的结构如下： Ki(i = 1,2,...,n)代表关键字且满足K1<K2<...<Kn; Pi(i = 0,1,...,
b+树详解
pdc9527的博客
12-02 670
本篇文章从二叉查找树，详细说明了为什么 MySQL 用 B+ 树作为数据的索引，以及在 InnoDB 中数据库如何通过 B+ 树索引来存储数据以及查找数据。我们一定要记住这句话：数据即索引，索引即数据。
数据结构之B+树
qq_54247497的博客
07-07 420
1.非叶子节点仅具有索引功能，也就是说非叶子节点只能存储key值，不能存储value值 2.B+树的所有叶子节点后构成一个有序的链表，这样就可以根据key值遍历数据
C++数据结构 B+树
最新发布
12-24
B+树是一种常用的树数据结构，通常用于数据库和操作系统的文件系统中。它具有以下特点： - B+树能够保持数据稳定有序，即所有的数据都按照一定的顺序存储在树中。 - B+树的插入和修改操作具有较稳定的对数时间复杂度，即O(log n)。 - B+树的元素是自底向上插入的，与二叉树相反。 下面是一个C++实现的B+树的代码示例： ```cpp // BPulsTree.h #ifndef BPLUSTREE_H #define BPLUSTREE_H // B+树节点的定义 struct Node { int *keys; // 存储关键字的数组 Node **childPointers; // 存储子节点指针的数组 bool isLeaf; // 是否为叶子节点 int numKeys; // 当前节点的关键字数量 Node *next; // 指向下一个叶子节点的指针 // 构造函数 Node(bool isLeafNode); // 插入关键字 void insert(int key); // 删除关键字 void remove(int key); // 查找关键字 bool search(int key); }; // B+树的定义 class BPlusTree { private: Node *root; // 根节点 public: // 构造函数 BPlusTree(); // 插入关键字 void insert(int key); // 删除关键字 void remove(int key); // 查找关键字 bool search(int key); }; #endif ``` ```cpp // BPulsTree.cpp #include "BPulsTree.h" Node::Node(bool isLeafNode) { keys = new int[3]; // 假设每个节点最多存储3个关键字 childPointers = new Node*[4]; // 假设每个节点最多有4个子节点 isLeaf = isLeafNode; numKeys = 0; next = nullptr; } void Node::insert(int key) { // 插入关键字的逻辑 // ... } void Node::remove(int key) { // 删除关键字的逻辑 // ... } bool Node::search(int key) { // 查找关键字的逻辑 // ... } BPlusTree::BPlusTree() { root = nullptr; } void BPlusTree::insert(int key) { // 插入关键字的逻辑 // ... } void BPlusTree::remove(int key) { // 删除关键字的逻辑 // ... } bool BPlusTree::search(int key) { // 查找关键字的逻辑 // ... } ``` ```cpp // Demo.cpp #include "BPulsTree.h" #include <iostream> int main() { BPlusTree tree; tree.insert(10); tree.insert(20); tree.insert(30); tree.insert(40); tree.insert(50); std::cout << "Search 30: " << (tree.search(30) ? "Found" : "Not found") << std::endl; std::cout << "Search 60: " << (tree.search(60) ? "Found" : "Not found") << std::endl; return 0; } ``` 这是一个简单的B+树的C++实现示例，其中包含了B+树节点的定义和B+树的操作方法。你可以根据需要进行插入、删除和查找操作。在示例中，我们创建了一个B+树对象，并插入了一些关键字，然后进行了查找操作。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值