B+树与2-3-4树

转载自http://blog.csdn.net/v_july_v/article/details/6531399

 

 B⁺-tree

B⁺-tree：是应文件系统所需而产生的一种B-tree的变形树。

一棵m阶的B+树和m阶的B树的差异在于：

      1.有n棵子树的结点中含有n个关键字； (而B 树是n棵子树有n-1个关键字)

      2.所有的叶子结点中包含了全部关键字的信息，及指向含有这些关键字记录的指针，且叶子结点本身依关键字的大小自小而大的顺序链接。 (而B 树的叶子节点并没有包括全部需要查找的信息)

      3.所有的非终端结点可以看成是索引部分，结点中仅含有其子树根结点中最大（或最小）关键字。 (而B 树的非终节点也包含需要查找的有效信息)

 

 

a)     为什么说B⁺-tree比B 树更适合实际应用中操作系统的文件索引和数据库索引？

 

1) B⁺-tree的磁盘读写代价更低

B⁺-tree的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对B 树更小。如果把所有同一内部结点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多。相对来说IO读写次数也就降低了。

    举个例子，假设磁盘中的一个盘块容纳16bytes，而一个关键字2bytes，一个关键字具体信息指针2bytes。一棵9阶B-tree(一个结点最多8个关键字)的内部结点需要2个盘快。而B⁺树内部结点只需要1个盘快。当需要把内部结点读入内存中的时候，B 树就比B⁺树多一次盘块查找时间(在磁盘中就是盘片旋转的时间)。

2) B⁺-tree的查询效率更加稳定

由于非终结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当。

b)    B⁺-tree的应用: VSAM(虚拟存储存取法)文件(来源论文 the ubiquitous Btree 作者：D COMER - 1979 )

 

 

5.B^*-tree

B*-tree是B⁺-tree的变体，在B⁺树非根和非叶子结点再增加指向兄弟的指针；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（代替B+树的1/2）。给出了一个简单实例，如下图所示：

 

B+树的分裂：当一个结点满时，分配一个新的结点，并将原结点中1/2的数据复制到新结点，最后在父结点中增加新结点的指针；B+树的分裂只影响原结点和父结点，而不会影响兄弟结点，所以它不需要指向兄弟的指针。

B*树的分裂：当一个结点满时，如果它的下一个兄弟结点未满，那么将一部分数据移到兄弟结点中，再在原结点插入关键字，最后修改父结点中兄弟结点的关键字（因为兄弟结点的关键字范围改变了）；如果兄弟也满了，则在原结点与兄弟结点之间增加新结点，并各复制1/3的数据到新结点，最后在父结点增加新结点的指针。

所以，B*树分配新结点的概率比B+树要低，空间使用率更高；

 

2-3-4树

2-3-4 树在计算机科学中是阶为 4 的B树。根据维基百科上的介绍：大体上同B树一样，2-3-4 树是可以用做字典的一种自平衡数据结构。它可以在O（log n）时间内查找、插入和删除，这里的 n 是树中元素的数目。2-3-4 树在多数编程语言中实现起来相对困难，因为在树上的操作涉及大量的特殊情况。红黑树实现起来更简单一些，所以可以用它来替代（红黑树稍后介绍）。以下就是一棵2-3-4树：

 

    2-3-4 树把数据存储在叫做元素的单独单元中。那么请问，到底什么是2-3-4树呢?顾名思义，就是有2个子女，3个子女，或4个子女的结点，这些含有2、3、或4个子女的结点就构成了我们的2-3-4树。所以，它们组合成结点，每个结点都是下列之一：
2-节点，就是说，它包含 1 个元素和 2 个儿子，
3-节点，就是说，它包含 2 个元素和 3 个儿子，
4-节点，就是说，它包含 3 个元素和 4 个儿子 。

 

            
                 2-结点
       
                 3-结点

                4-结点

     每个儿子都是（可能为空）一个子 2-3-4 树。根节点是其中没有父亲的那个节点；它在遍历树的时候充当起点，因为从它可以到达所有的其他节点。叶子节点是有至少一个空儿子的节点。同B树一样，2-3-4 树是有序的：每个元素必须大于或等于它左边的和它的左子树中的任何其他元素。每个儿子因此成为了由它的左和右元素界定的一个区间。如下图所示（你可以看到，图中这棵2-3-4树是由2-结点，3-结点，4-结点元素组成的）： 

    2-3-4 树是紅黑树结构的一种等同，这意味着它们是等价的数据结构。换句话说，对于每个 2-3-4 树，都存在着至少一个数据元素是相同次序的红黑树。在 2-3-4 树上的插入和删除操作也等价于在红黑树中的颜色翻转和旋转。这使得它成为理解红黑树背后的逻辑的重要工具（还是如此，红黑树稍后介绍，路得一步一步来）。

1.1、2-3-4树的查找

    2-3-4树中查找结点，怎么查找呢?分为以下几个步骤：

1、把要查找的结点与根结点相比较

2、根据左小右大的原则，寻找含有要查找结点的区间

3、若找到了，则直接返回该结点，否则，在其子女中继续递归寻找。

如下图所示，在下面这棵2-3-4树中寻找L结点：

1.2、2-3-4树的插入

    插入某个结点之前，一般我们先在2-3-4树中寻找是否存在该插入结点（若存在，当然也就没有必要再插入了），如果树中不存在该结点，则执行插入操作。

1.2.1、插入形式一：3-结点元素中插入结点

    如下图所示，插入X结点，首先在树中查找是否存在X结点，

没有找到，则在含有Y Z的结点元素插入X：

1.2.2、插入形式二：

    以下插入H结点，在F G J区间上发现H没有找到后，

且F G J区间上已经没有空间来插入H结点了，这个时候怎么办呢?：

当没有空间执行插入操作的时候，咱们当然得寻找空间来执行插入。怎么寻找呢?看下图：

    由上图，我们发现，H在区间F G J 上没有空间执行插入的时候，我们首先参试着让G元素上移至C E区间，组成C E G根结点，然后分裂F G区间，F和G各自成为独立的元素。当我们发现，H依然不能作为J的子女进行插入时，我们想到了一种折中的办法，这种办法就是，如下图所示，H插入到J元素旁，成为H J区间，F元素不作变动：

    所以，当发现没有空间可执行插入结点的情况时，我们作如下对策：

1、分裂父母结点

2、然后再插入结点

上述的第1点具体怎么分裂呢?分裂的两种情况如下图所示：

 

    下面再具体分析下上述两种分裂情况：

分裂情况1、如下图所示D-K Q W，区间K Q W分裂，Q上移与原根结点D组成新的根结点区间D Q，K和W各自分裂成独自区间，D-K Q W最终分裂成D Q-K-W：

    分裂情况2、如下图所示D H-K Q W分裂，K Q W区间中的Q元素上移与D H组成根元素区间D H Q，K和W 分裂，最终D H-K Q W分裂成D H Q-K-W：

 

    下图是逐步在2-3-4树中依次插入元素A、S、E、R、C、D、I。从中你可以看到

1、当插入元素R时，A E S区间分裂，E成为新的根元素，而要插入的R与S移至一起成为E的右儿子。

2、当插入C、D、I时，都是直接找到相对应的区间，各自插入。不必啰嗦，下图已经很形象了。

 

    但下面，继续在上述的A、S、E、R、C、D、I插入操作的基础上之后，再依次插入N、B、X各元素时，情况，就比较复杂了，但下图还是很清晰的表明了各种插入操作及相关元素的调整情况，在此不赘述：

下图所示的是在2-3-4树中插入结点的insert代码：

    到此，插入情况已经阐述完，删除情况略过。接下来，咱们来分析下2-3-4树的平衡情况。

1.3、2-3-4树的平衡

    2-3-4树的高度为：

1、最坏情况，logn，树中全部都是2结点元素（即如第一节所述的全都是包含一个元素和2个儿子的结点。如此图所示，树中全部都是这样的结点：

2、最好情况，log4N=1/2logN，树中全部都是4结点元素（即如第一节所述的全都是包含 3 个元素和 4 个儿子 的结点，如此图所示，树中全部都是这样的结点：

3、3结点情况是中间情况，即包含 2 个元素和 3 个儿子，

。