410-B-,B+,B*树

B-树

我们一般叫“B树”，B是Balance平衡的意思。平衡树。
m阶-平衡树 （一个节点有m个地址域，m-1个数据域）
应用场景：文件索引系统的实现。

AVL树：二阶平衡树。一个节点有2个地址域，1个数据域。（左右孩子的高度差是1,0，-1）

B-树，所有叶子节点都在同一层，是非常平衡的一棵树！

m阶B-树：
最多有m个地址域（即m个孩子），m-1个数据域。
除根节点和叶子节点外，其他节点的孩子至少有一半个数的孩子（比如说有5个孩子，5/2=3，至少有3个孩子）。
除根节点之外的节点的关键字的个数：比如说是5阶的话。
5/2-1=3-1=2<=n<=4，不能到达5，到达5的话节点就要分裂。

B-树的插入操作

插入的元素数据都是带有顺序排的！
我们插入C,N,G,A，刚开始，只有这1个节点，也称根节点

我们现在要插入H，位置如下图所示

满了，此时中间元素是G，要把这个G提到父节点，产生一个父节点


为什么说每个节点至少有一半的孩子？
因为满了就要分裂，把中间的元素提到父节点，然后把左右两边分别形成父节点的左孩子，右孩子，此时左右孩子就都有一半。

现在我们要插入的是E，K，Q

现在我们要插入M，如下图所示，现在已经满了，我们要进行分裂。M应该插在K和N的中间。
所以我们把M这个中间节点提升到父节点当中。

现在父节点有3个孩子，2个数据域

叶子节点是绝对在同一层的，是相当绝对平衡的。
现在我们要插入F节点
F比G小，插在ACEF这里。
再插入W，L，T

现在要插入Z
Z大于M，应该插在M的右孩子。

右孩子已经满了。分裂。中间元素是T，所以把T提到父节点当中。
N,Q成为T的左孩子，W，Z成为T的右孩子

一个节点的元素都是排序插入的，而且左孩子的值都小于父节点的值，父节点的值小于其右孩子的值。
现在我们要插入D
D比G小，插在最左孩子中。

满了。D是中间元素，提到父节点当中。
AC是D的左孩子，EF是D的右孩子，即G的左孩子
现在插入P,R,X,Y

现在我们要插入S
S大于M，小于T
所以插在M的右孩子中，

满了，中间元素Q提到父节点当中，但是父节点也满了，

DGMQT。
中间是M，把M提出去，当父节点。

分裂都是向上分裂的哦。
是非常平衡的。

B-树的删除操作

依次删除H,T,R,E
我们删除H，因为H无左右孩子，所以直接删除就可以了
删除后，要看这个节点是否满足B树的特征呢：
叶子节点的元素数量 必须是：2<=n<=4
因为是5阶B树，满5个元素就要分裂，左右孩子各2个元素
删除H后，还有K,L，所以满足B树的特征
2个是元素的最基本的该有的数量

我们删除T，这个T有左右孩子的。
所以我们要上移孩子节点中的相近元素（左孩子最右边或者右孩子最左边的元素，哪边元素多，提哪边的）到父节点中去。
我们要把W提到父节点中。

我们现在要删除R节点。
因为R没有孩子。我们直接删除。
但是这个孩子现在就只有1个元素。所以不满足B树的性质了。
我们要看相邻的左右兄弟是否丰满（丰满就是元素个数要大于2个）
意思是从兄弟借一个。
如果兄弟丰满，则从父亲节点借一个元素来。把父节点的W借过来。然后把兄弟的X放上去父节点里面。

这样做才是符合排序树的性质的！
就是要1半的数量
现在我们看下面：我们要删除E直接删除E。不满足性质了。然后看相邻兄弟借。但是其相邻兄弟都刚脱贫（就是都只有2个元素）
并不丰满。
谁也借不了。
则该节点与其相邻的一个兄弟节点进行合并成1个新节点，以此来满足B树条件。（跟左边，或者右边都可以）

父节点D也放下来和ACE合并了，因为有2个孩子，所以要让父节点变为1个元素了。
现在父节点不丰满了，兄弟是刚刚脱贫，也借不了，只能合并

连接父节点，合并成1个节点

B-树的磁盘I/O优势和搜索效率

Windows和linux的文件搜索，以及数据库的索引。
都用到了B+树结构。
我们先看看B-树。
系统中的数据搜索：
数据量非常大，所以这些数据都是存储在磁盘上。
为了增加系统的搜索速度，我们一般会给数据创建索引。
创建索引，就是给数据进行排序，然后进行数据搜索就更加快速。
如果想对磁盘上存储的数据进行快速搜索查找需要解决的问题：
更少的磁盘I/O，以及更快的搜索速度、算法。
我们在这里采用m阶平衡树。
红黑树不是平衡树。AVL树是平衡树。

假如说，我们有AVL树和300阶的B-树。
在我们操作系统中，管理内存都是按页面page（4K)分配
管理磁盘（电脑的C盘E盘F盘）是按块block（16K）分配
我们的文件在磁盘存储的，从磁盘读1个文件，读4个字节，实际上，操作系统从磁盘是按块来读取的。
内存的单位是字节，管理的页面单位是页面4096字节。
磁盘的最小单位是扇区，一个扇区大小为512字节，16K除以512就是扇区的个数。

假如现在有1千万个索引需要从磁盘中进行读取和搜索，分别采用AVL树和B-树，看看花费是怎么样。
两者都是平衡树。搜索的过程是一样的。但是：
AVL树的高度：logn（log以2为底的n)
B-树的高度：log300n(log以300为底的n）（一个节点存300个数据）

如果用AVL树构建平衡二叉树来存储1千万个索引，需要24层节点。一个节点就是存储着一个索引数据，最差情况就是一个节点对应一个磁盘I/O，需要24次磁盘I/O，才找到

如果是用B-树，一般是取300-500阶，节点的大小刚好存储一块磁盘的数据。
操作系统发起一次磁盘I/O，会把这次磁盘I/O的所有数据都记录在块。
300阶，放299个数据。 log以300为底的N，来计算

也就是3层。
1千万的索引数据，对于一张数据库表来说，是上限了，再大就要分表了，B-树就是3层，最多花费3次磁盘I/O

搜索算法的时间复杂度都是：logn（log以2为底的n)
（进行的就是二分查找）
因为B-树中在每个元素节点里面采用的也是二分搜索算法，在每一层节点都进行二分查找

B+树的理论

数据库在存索引数据的过程：

读磁盘，磁盘上读数据，是按照块读取的。
图中是3阶的，2个数据域，3个地址域，图中的数字代表索引项（例如学号作为索引）。
关键是数据都在磁盘上，花费更少的磁盘I/O才是最重要的。
我们看B-树的每个节点存储的不仅仅是关键字，就是索引项，还存储着红色的点，这个红色的点代表索引项对应的记录，就是一行的数据。

每一个节点存储着不同的索引项，离根节点越近，命中更快，搜索最快，但是B-树总共就是3层，搜索是都挺快的。

B+树是B-树的变形树

同样的关键字都在叶子节点又出现了1次。
B+树的非叶子节点存放的都是关键字。
如何找到索引项对应的数据，数据都是在叶子节点上放的。
而且红点都在叶子节点（图中未显示）。
非叶子节点是叶子节点的索引，非叶子节点只存索引项，不存数据地址，没有红点。
索引项和数据都出现在叶子节点中。搜索每一个数据所花费的磁盘I/O都是一样的。
叶子节点中，全部的数据都串在一条有序的链表当中，
当我们在进行区间查找的时候，我们不用遍历复杂的B+树，我们直接遍历叶子节点就可以了。

B+树非叶子节点只存索引项，所以存的就多，找的就快，花费的磁盘I/O就少，查询花费的时间都是一样的（而且树的层数低）！



因为B+树不存储数据地址

B*树的理论

B*树是基于B+树的变种

叶子节点在一个链表上串着。
非叶子节点只存储关键字。
所有的数据和索引项都是在叶子节点上存储着。
它是在非根和非叶节点增加了指向兄弟节点的指针。
分裂：

左孩子满了，如果兄弟节点有位置，就把元素通过移到兄弟节点那里，节点值和父节点值交换一下。
然后左孩子就有空闲位置了，就可以插入新元素了。
还是搜索树的性质。

B*树分配节点的概率比B+树低。
节点更少，磁盘I/O次数更少。

左孩子满了，如果兄弟也满了
此时，增加1个新节点，从两边节点各拷贝1/3的数据。


如果索引的底层采用B*树就更好了