【一文解读】为什么B树的子树数量至少为$\lceil m / 2 \rceil$?

最新推荐文章于 2024-10-02 18:51:00 发布
最新推荐文章于 2024-10-02 18:51:00 发布
阅读量132 收藏
点赞数
文章标签： b树 算法 数据结构
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/KiroELY/article/details/130315207
版权
文章批评了CSDN上关于B树子树数量证明的常见做法，指出这些证明往往不严谨或错误。作者建议直接参考原始论文以获取准确信息，而不是仅仅接受结论。对于想要知道原因的读者，可以将此规定视为优化效率的人为设定。
摘要由CSDN通过智能技术生成

【一文解读】为什么B树的子树数量至少为 ⌈ m / 2 ⌉ \lceil m / 2 \rceil ⌈m/2⌉?

看了很多CSDN上的文章，都是拿着结论去证明结论，“搁这搁这”呢？

不会看看B树的论文？看看人家论文怎么写的：
在这里插入图片描述
如果只是想知道为什么，怎么来的，直接当作“为了效率最优人为规定的”就行了。
至于严格的形式化证明…至少CSDN上面的证明都是不严谨/错误的，俗称“堆屎，还是没用的屎”。
这里也不给出严格证明，没那个精力，有兴趣的自己去看相关论文了解。

和苏Hibna
关注
【数据结构】B树（B Tree）
HaYa
02-28 1083
一、定义 B树是一个平衡的多路搜索树，每个节点可以存储多个元素。 二、性质 对于m阶B树（m>2），设其任意节点存储元素的个数为x，那么： 对于根节点：1 <= x <= m-1 对于非根节点：ceil(m/2) - 1 <= x <= m-1 如果有子节点，子节点个数为 y = x+1， 根节点子节点个数：2 <= y <= m 非根节点子...
《数据结构、算法与应用 —— C++语言描述》学习笔记 — 平衡搜索树 — B树
coding-hwz
10-30 351
《数据结构、算法与应用 —— C++语言描述》学习笔记 — 平衡搜索树 — B树一、索引顺序访问方法 一、索引顺序访问方法 当字典足够小，可以整个驻留在内存中时，AVL树和红黑树都能够保证良好的时间性能。对于那些必须存储在磁盘上的大型字典（外部字典或文件），需要度数更高的搜索树来改善字典操作的性能。我们先学习以下外部字典的索引访问顺序方法（ISAM）。 在ISAM中，可用的磁盘空间被划分为很多块。块是在磁盘空间中用来输入或输出的最小单位。块一般具有和磁道一样的长度，而且可以在一次搜索和延迟中完成输入或输出。
【数据结构】B树、B+树详解
abchhcba2014的博客
07-28 615
B树 前言　　 　　首先，为什么要总结B树、B+树的知识呢？最近在学习数据库索引调优相关知识，数据库系统普遍采用B-/+Tree作为索引结构（例如mysql的InnoDB引擎使用的B+树），理解不透彻B树，则无法理解数据库的索引机制；接下来将用最简洁直白的内容来了解B树、B+树的数据结构 　　另外，B-树，即为B树。因为B树的原英文名称为B-tree，而国内很多人喜欢把B-tree...
B树学习梳理
HelloNiGeSB的博客
04-06 1719
一颗M阶B树T，满足以下条件 1. 每个结点至多拥有M课子树 2. 根结点至少拥有两颗子树 3. 除了根结点以外，其余每个分支结点至少拥有M/2课子树 4. 所有的叶结点都在同一层上 5. 有k课子树的分支结点则存在k-1个关键字，关键字按照递增顺序进行排序 6. 关键字数量满足ceil(M/2)-1 <= n <= M-1 B树和二叉树一样，也属于搜索树，是多叉搜索树，M阶的意思是只每个节点做多可以有M个子树 B树的搜索： 1.先在节点内部从小到大开始搜.
数据结构--知识点16--搜索算法(二叉树)
ANingL的博客
09-06 3129
文章目录一、树的概念1、特点2、树的术语3、树的种类4、树的存储与表示5、常见的树的应用场景二、二叉树1、概念2、性质 一、树的概念 树是一种抽象数据类型(ADT)或是视作这种抽象数据类型的数据结构 1、特点 每个节点有零个或多个子节点 没有父节点的节点称为根节点 每一个非根节点有且只有一个父节点 除了根节点外，每个子节点可以分为**多个不相交(因为都只有一个父节点)**的子树 2、树的术语 节点的度：一个节点含有的子树的个数称为该节点的度 树的度：一棵树中，最大的节点的度称为树的度 叶节点或终端节点
理解B树的设计与定义
小小东西的博客
12-15 894
1、索引多到内存存不下的时候，需要把索引存储到磁盘，如果层高过高会导致对磁盘访问次数增多 在多叉树的基础上要求所有叶子节点在一个层高 B树定义： 一颗M阶B树T，满足以下条件 每个结点至多拥有M课子树 根结点至少拥有两颗子树 除了根结点以外，其余每个分支结点至少拥有M/2课子树 所有的叶结点都在同一层上 有k课子树的分支结点则存在k-1个关键字，关键字按照递增顺序进行排序 关键字数量满足ceil(M/2)-1 <= n <= M-1 B树中所有节点的孩子节点数中的最大值称为B树的阶，记为M（
mysql b树子节点个数_Mysql的索引结构为什么要用B+数
weixin_36480721的博客
02-01 243
前言在MySQL中，无论是Innodb还是MyIsam，都使用了B+树作索引结构(这里不考虑hash等其他索引)。本文将从最普通的二叉查找树开始，逐步说明各种树解决的问题以及面临的新问题，从而说明MySQL为什么选择B+树作为索引结构。整理了一份328页MySQLPDF文档一、二叉查找树(BST)：不平衡二叉查找树(BST，Binary Search Tree)，也叫二叉排序树，在二叉树的基础上需...
如何判断B树或B+树的几阶？
05-13
- 内部节点：至少有 $\lceil m/2 \rceil$ 个孩子，最多有 $m$ 个孩子，内部节点只包含关键字和指向下一层节点的指针。 因此，我们可以通过计算出每种情况下节点最多拥有的孩子数量 $m$，来判断一棵树的阶数。
$\lceil \frac{d}{k} \rceil - 1$（向上取整）。然后我们将$d$减去$k \times (\lceil \frac{d}{k} \rceil - 1)$
05-01
这个表达式的作用是将$d$分成$k$个块，每个块的大小为$k$，并且将$d$中多余的部分舍去。具体地，$\lceil \frac{d}{k} \rceil$表示将$d$分成$k$个块需要的最小块数（向上取整）。然后我们将这个最小块数减去$1$，就...
B-树关键字个数计算
Bing's Blog
11-13 2万+
B树关键字个数计算@(算法学习)（2014.9）在一棵具有15个关键字的4阶B树中，含关键字的结点个数最多是：D个。 A. 5 B. 6 C. 10 D. 15根据m阶B树定义， 根结点至多有m棵子树，即至多有m-1个关键字 若根结点不是终端结点，则至少有2棵子树 除根以外的所有非叶结点至少有⌈m2⌉\lceil \frac{m}{2}\rceil棵子树，即至少含有⌈m2⌉−1\lceil \fr
关于B树的思考：m阶B树的非根非叶节点为什么要至少为ceil(m/2)个孩子？
oxygen's blog
10-19 1万+
非根非叶子节点 因为小于ceil(m/2)时可以进行合并。
知识点二十六：B树/B+树
Mr_SCX的博客
02-04 598
前言 数据库作为主流的数据存储系统，在日常的业务开发中有着举足轻重的地位。在工作中，为了加速数据库中数据的查找速度，常用的处理思路是对表中的数据创建索引。那数据库的索引到底是如何实现的呢？底层使用的是什么数据结构和算法呢？ 定义问题的需求 思考的过程比结论更重要，解决问题的前提是定义清楚问题，那如何定义清楚问题呢？除了对问题进行详细的调研，还有一个办法，那就是，通过对一些模糊的需求进行假设，来限定...
B-树（B树）详解
热门推荐
yygr的博客
02-05 2万+
https://www.jianshu.com/p/7dedb7ebe033 具体讲解之前，有一点，再次强调下：B-树，即为B树。因为B树的原英文名称为B-tree，而国内很多人喜欢把B-tree译作B-树，其实，这是个非常不好的直译，很容易让人产生误解。如人们可能会以为B-树是一种树，而B树又是一种树。而事实上是，B-tree就是指的B树。特此说明。 1、B-树(B树)的基本概念 B-树中所有结点中孩子结点个数的最大值成为B-树的阶，通常用m表示，从查找效率考虑，一般要求m>=3。一棵m阶B-树或者
数据结构 - B+树（B树）
it_lihongmin的博客
03-11 2725
目录 1、B+树 2、B+树 VS B树 3、Mysql为什么选择B+树？ 理解B+树的数据结构一定在理解了树、平衡二叉搜索树的基础上。再梳理一下，平衡二叉树是为了让树本身更加的”丰满“，近似于满二叉树（或者完全二叉树），降低树的层高【查询效率与树的层高有关】，防止极端情况树退化成时间复杂度为O(N)的链表。二叉查找树是当每个节点做一次判断，就可以选择左子或右子树进行查询，每次讲数据查询范围缩小为原来的一半。 基于平衡二叉查找树，整个树的读写的时间复杂度近似O(logN)，效率是非常高的，之..
04 B-树
qq_43422358的博客
09-29 735
B树：有序数组+平衡多茶树B+树：有序数组链表+平衡多叉树B*树：一颗丰满的，空间利用率更高的B+树内存查找B树没有优势：1.空间利用率低。消耗高2.插入删除数据时，分裂和合并节点，必然挪动数据3.虽然高度更低，但是在内存而言，和哈希和平衡搜索树还是一个量级mysql是目前非常流行的开源关系型数据库，不仅是免费的，可靠性高，速度也比较快，而且拥有灵活的插件式存储引擎索引属于存储引擎级别的概念，不同存储引擎对索引的实现方式不同注意：索引是基于表的，而不是基于数据库的。
B+树和跳表
qq_62097431的博客
10-02 327
简单来说，MySQL大量数据，B+树的节点可以存储较多数据，一般三到四层就足够也就只需要三到四次磁盘操作，而跳表为了存储大量数据，需要很多层来优化性能，相同的数据量可能就需要十几二十层，就需要大量磁盘操作。简单来说，Redis主要是基于内存存储数据，io开销小，不太考虑层级，跳表容易实现，且插入删除不需要旋转平衡，只需要修改对应链表指针，范围查找较少能满足Redis使用场景。磁盘存储优化：B + 树的结构有利于减少磁盘 I/O 次数，因为其节点可以存储较多关键字，树的高度相对较低。
霍夫曼树及其与B树和决策树的异同
最新发布
m0_62710548的博客
10-02 758
霍夫曼树是一种最优二叉树，它通过贪心算法构建，主要用于最小化编码长度。在霍夫曼编码中，频率越高的符号被分配到较短的编码，频率较低的符号被分配到较长的编码。通过这种方式，可以在不损失数据的情况下，减少整体数据的存储空间。统计频率：首先统计需要编码的每个符号的出现频率。构建优先队列：根据符号频率构建优先队列，每个节点表示一个符号。合并节点：从队列中取出两个频率最小的节点，合并为一个新节点，其频率为两个节点频率之和。重复这一过程，直到所有节点被合并为一棵完整的二叉树。生成编码。
c++就业磁盘链式b树与b＋树
m0_74340589的博客
09-29 289
找到根节点 对比找 磁盘寻址过程 对比次数多了之后 找下一个节点次数变多。最上面是内核 在heap里 一个节点只想左子树 另一个节点指向右子树。磁盘面-道-区 一个节点4k 不断在磁盘上寻址。linux上/a.out启动一个进程。b树 所有的叶子节点在同一层。b+树 只有叶子节点存储数据。b树 所有节点存储数据。
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