12.多路查找树

目录

1. 多叉树
2. 2-3树
3. B树
4. B+树
5. 总结

1. 多叉树

二叉树的问题分析：

二叉树的操作效率较高，但在大规模数据存储中，会存在如下问题：
1.构建的二叉树的节点数量会非常多，二叉树的高度过大，这将会导致查找甚至退化成节点内部的线性查找了。
2.并且二叉树的高度过大，会造成I/O操作过于频繁（海量数据一般存储在数据库或文件系统中），进而导致查找效率低下。

多叉树介绍：

由于上述二叉树存在的问题，所以在大规模数据存储的时候，需要通过降低树的高度来提高效率。
在二叉树中，每个节点只有1个数据项，且每个节点最多有两个子节点。但如果允许每个节点可以有更多的数据项和更多的子节点，树的高度自然就降低了，这就是多叉树。

二叉树和多叉树分析详解：

①一般所说的数据结构都是存放在内存之中的，因为CPU的运算速度是非常快的，而存储器当中只有内存的速度能够跟上CPU的处理速度，所以一般情况下数据结构都是存在内存中的。
②另外，硬盘是一个非常慢速的存储设备，内存I/O的速度是比磁盘I/O要快得多的，通常内存的访问速度是纳秒级别的，而磁盘访问的速度是毫秒级别的。读取同样大小的数据，从磁盘中读取花费的时间，是从内存中读取所花费时间的上万倍，甚至几十万倍。
③但是，同样空间大小的内存却又比硬盘要贵得多，像TB级别的数据库不可能全部读出来放到内存中去，过于昂贵，而且也没必要，因为大部分数据是不经常用的，所以通常就需要内存与外存互相配合。
④那么对于二叉树这种数据结构，在海量数据的情况下，树的高度会很高，这就会导致在查找数据时，每访问一个节点，都对应一次磁盘I/O操作，节点过多，频繁读取磁盘，操作效率将非常的低。
⑤所以我们需要通过降低树的高度，来减少查找数据的访问的节点数量， 进而减少I/O操作次数：用m叉树来替换二叉树，m值越大，树的高度也就越低，这样树不用很高就可以标识很大的数据量，检索次数减少，磁盘IO操作减少，查找数据的效率也就提高了。(如果m叉树中的m是100，对一亿个数据构建索引，树的高度也只是3，最多只要3次磁盘I/O就能获取到数据了)。
⑥但是m值也不是越大越好，因为不管是内存中的数据，还是磁盘中的数据，操作系统都是按页（一页大小通常是4KB，这个值可以通过getconfig PAGE_SIZE命令查看）来读取的，一次只会读一页的数据。如果要读取的数据量超过一页的大小，就会触发多次IO操作。所以，我们在选择m大小的时候，要尽量让每个节点的大小等于一个页的大小。读取一个节点，只需要一次磁盘IO操作。

2. 2-3树

2-3树介绍：

2-3树是一种典型的多叉树，也是一种最简单的B树，它有如下特点：
①.2-3树的所有叶子节点都在同一层；
②.2-3树的每个非叶节点都有2个或3个子节点。有2个子节点的节点叫2节点，2节点要么没有子节点，要么同时有两个子节点，2节点只有一个数据项；有3个子节点的节点叫3节点，3节点要么没有子节点，要么同时有3个子节点，3节点必含两个数据项；叶子可以包含一个或两个数据项。
③.2-3树是由2节点和3节点构成的树。
④每个节点的关键字key从左到右保持了从小到大的顺序，两个key之间的子树中所有的key一定大于它的父节点的左key，小于父节点的右key。

2-3树的构建（插入）过程：

根据2-3树上述的定义，在插入一个关键字构建2-3树的时候按照如下规则：

1. 如果待插入的节点为2节点：则直接插入即可，节点变为3节点；
   
2. 如果待插入的节点为3节点：
   2.1. 待插入节点的父节点为2节点：则将新的元素插入到该3节点中，使其成为一个临时的4节点，然后将该节点中的中间元素提升到父节点中，使其父节点成为一个3节点，然后将左右节点分别挂在这个3节点的恰当位置。
   
   2.2. 待插入节点的父节点为3节点：首先和2.1一样拆分插入后的节点，中间元素提升至父节点，但是此时父节点是一个3节点，提升至父节点后，父节点变成了4节点，需要继续将中间元素提升至其父节点，直至遇到一个父节点是2节点，然后将其变为3，不需要继续进行拆分。
   
   2.3. 待插入节点的父节点到根节点均为3节点：按照2.1的拆分步骤，在节点插入新的元素的时候，会一直拆分到根节点，此时根节点变成了一个4节点，需要进一步将根节点拆分为两个2节点，树的高度加1。
   
   例如依次插入{16, 24, 12, 32, 14, 26, 34, 10, 8, 28, 38, 20} 构建的2-3树如下图所示：
   

2-3树节点的删除：

1. 删除非叶子节点：使用中序遍历下的直接后继节点key来覆盖当前节点key，再删除用来覆盖的后继节点key；
   
2. 删除叶子节点：
   2.1. 删除的叶子节点是3节点：直接删除；
   
   2.2. 删除的叶子节点是2节点：
   　2.2.1. 当前节点的双亲节点是2节点、兄弟节点是3节点：将双亲节点移动到当前位置，再将兄弟节点中最接近当前位置的key移动到双亲节点中；
   
   　2.2.2. 当前节点的双亲节点是2节点、兄弟节点也是2节点：先通过移动兄弟节点的中序遍历直接后驱到兄弟节点，以使兄弟节点变为3节点；再进行2.2.1的操作；
   
   　2.2.3. 当前节点的双亲节点是3节点：拆分双亲节点使其成为2节点，再将再将双亲节点中最接近的一个拆分key与中孩子合并，将合并后的节点作为当前节点；
   
   　2.2.4. 2-3树是一颗满二叉树：将2-3树层树减少，并将兄弟节点合并到双亲节点中，同时将双亲节点的所有兄弟节点合并到双亲节点的双亲节点中，如果生成了4节点，再分解4节点即可。
   

除了2-3树，还有2-3-4树，概念和2-3树类似，只是多了4节点，也是一种B树。

3. B树

B树的介绍：

B-tree树即B树，全称Balance-tree(平衡多路查找树)。有的人将英文短线翻译成了减号，把B-tree翻译成B-树，这容易让人产生误解，会以为B-树是另一种树，实际上，B-树就是指的B树。

B树的定义：

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。
　
一颗 m 阶的B树，或者本身是空树，否则必须满足以下特性：

1. 树中每个节点至多有m 棵子树；
2. 若根节点不是叶子结点，则至少有两棵子树；
3. 除根节点之外的所有非叶子节点至少有p个子节点（⌈m/2⌉ ≤ p ≤ m, ⌈m/2⌉为向上取整）;
4. 所有的非叶子节点中包含下列信息数据：
   （n，A0，K1，A1，K2，A2，…，Kn，An）
   n 表示结点中包含的关键字的个数，取值范围是：⌈m/2⌉-1≤ n ≤m-1。Ki （i 从 1 到 n）为关键字，且 Ki < Ki+1 ；Ai 代表指向子树根结点的指针，且指针 Ai-1 所指的子树中所有结点的关键字都小于 Ki，An 所指子树中所有的结点的关键字都大于 Kn。
   
   例如上图中当前节点中有 4 个关键字，之间的关系为：K1<K2<k3<K4。同时对于 A0 指针指向的子树中的所有关键字来说，其值都要比 K1 小；而 A1 指向的子树中的所有的关键字的值，都比 K1 大，但是都要比 K2 小。
5. 所有的叶子节点都出现在同一层次，不携带信息，指向这些结点的指针都为 NULL；(可以看作是外部节点或查找失败的节点，实际上这些节点不存在，指向这些结点的指针为空)
   
   例如图上图所示就是一棵 4 阶的 B-树，这棵树的深度为 4 。

B树节点的操作：

1.B树插入节点的方式与2-3树相似，只不过在B树中非叶子节点中包含关键字的个数的范围是[⌈m/2⌉-1,m-1]，所以如果在插入新的数据元素时，如果该节点中的关键字个数没有超过 m-1，则直接插入成功，否则就该节点进行拆分处理。
2.删除操作同理。

B树的应用：

使用B-tree结构可以显著减少定位记录时所经历的中间过程，从而加快存取速度。该数据结构一般用于数据库的索引，综合效率较高。

4. B+树

B+树介绍：

一颗 m 阶的 B+树和 m 阶的 B-树的差异在于：

1. 有 n 棵子树的节点中含有 n 个关键字；
   在 B-树中的每个结点关键字个数 n 的取值范围为⌈m/2⌉ -1≤n≤m-1，而在 B+树中每个结点中关键字个数 n 的取值范围为：⌈m/2⌉≤n≤m
2. 所有的叶子节点中包含了全部关键字的信息，及指向含这些关键字记录的指针，且叶子节点本身依关键字的大小自小而大顺序链接。
3. 所有的非叶子节点可以看成是索引部分，节点中仅含有其子树根节点中的最大（或最小）关键字。
   
   如上图所示：B+树中含有两个头指针，一个指向整棵树的根结点，另一个指向关键字最小的叶子结点。同时所有的叶子结点依据其关键字的大小自小而大顺序链接，所有的叶子结点构成了一个 sqt 指针为头指针的链表。

B+树小结：

所以，B+树可以进行两种查找运算：一种是利用 sqt 链表做顺序查找，另一种是从树的根节点开始，进行类似于二分查找的查找方式，这也正是B+树的设计思想，快速在链表中定位到要查找的数据。
　
在 B+树中，所有非叶子节点都相当于是叶子节点的索引，而所有的关键字都存放在叶子节点中，所以在从根节点出发做查找操作时，如果非叶子节点上的关键字恰好等于给定值，此时并不算查找完成，而是要继续向下直到叶子节点。B+树的查找操作，无论查找成功与否，每次查找操作都是走了一条从根节点到叶子节点的路径。

B+树的节点操作：

1.在B+树中插入关键字时，需要注意以下几点：

• 插入的操作全部都在叶子节点上进行，且不能破坏关键字自小而大的顺序；
• 由于 B+树中各节点中存储的关键字的个数有明确的范围，做插入操作可能会出现节点中关键字个数超过阶数的情况，此时需要将该节点进行“分裂”（同前文2-3树，一般分裂为左⌊M/2⌋，右⌈M/2⌉）；
  2.删除操作同理。

5. 总结

由于 B-树、B+树都具有分支多层数少的特点，更多的是用于文件索引系统，所以没有介绍具体地代码实现，只需要了解实现过程即可。