1. 二叉树的度?
度概念:每个节点的子节点数即为度(故二叉树度 <= 2)
重要性质
-
满二叉树:一棵深度为k,有2^k-1个节点的二叉树
-
完全二叉树:除最后1层外,都是满的。最后一层可以缺,但只能缺右边
-
二叉树中,第 m 层最多有
2^(m-1)
个结点(根结点为第一层) -
高度为k的二叉树至多有
2^k - 1
个结点 -
二叉树 T 叶子结点总数为n0,度为2的结点个数为n2,则n0=n2+1
-
如果完全二叉树有n个结点,那么树最高为log2(n)+1
-
对于完全二叉树,从上至下,从左至右对每个结点从1-n编号,那么对于结点n有:
如果i=1,那么此结点为根结点,如果i>1那么该结点的父结点为不大于i/2的最大整数;
如果2i>n,那么i结点没有左子树,如果2i<=n那么该结点的左子树编号为2i;
如果2i+1>n,那么结点i没有右子树,如果2i+1<=n那么该结点的右子树编号为2i+1。
2. AVL 树——(平衡二叉查找树)
AVL 树是平衡二叉查找树,增加和删除节点后通过树形旋转重新达到平衡。
-
右旋:是以某个节点为中心,将它沉入当前右子节点的位置,而让当前的左子节点作为新树的根节点,也称为顺时针旋转。
-
左旋:是以某个节点为中心,将它沉入当前左子节点的位置,而让当前的右子节点作为新树的根节点,也称为逆时针旋转。
3. 红黑树——(对称二叉B树 ,O(logn))
主要特征是在每个节点上增加一个属性表示节点颜色,可以红色或黑色。红黑树和 AVL 树类似,都是在进行插入和删除时通过旋转保持自身平衡,从而获得较高的查找性能。与 AVL 树相比**,红黑树不追求所有递归子树的高度差不超过 1,保证从根节点到叶尾的最长路径不超过最短路径的 2 倍**,所以最差时间复杂度是 O(logn)。红黑树通过重新着色和左右旋转,更加高效地完成了插入和删除之后的自平衡调整。
红黑树在本质上还是二叉查找树,它额外引入了 5 个约束条件:
- ① 节点只能是红色或黑色。
- ② 根节点必须是黑色。
- ③ 所有 NIL 节点都是黑色的。
- ④ 一条路径上不能出现相邻的两个红色节点。
- ⑤ 在任何递归子树中,根节点到叶子节点的所有路径上包含相同数目的黑色节点。
这五个约束条件保证了**红黑树的新增、删除、查找的最坏时间复杂度均为 O(logn)。如果一个树的左子节点或右子节点不存在,则均认定为黑色。红黑树的任何旋转在 3 次之内均可完成**。
4. AVL 树、红黑树区别
-
① 自身性质的不同(平衡度、查找速度):红黑树的平衡性不如 AVL 树,它维持的只是一种大致的平衡,不严格保证左右子树的高度差不超过 1。这导致节点数相同的情况下,红黑树的高度可能更高,也就是说平均查找次数会高于相同情况的 AVL 树。
-
② 插入操作:红黑树和 AVL 树都能在至多两次旋转内恢复平衡
-
③ 删除操作:由于红黑树只追求大致平衡,因此红黑树至多三次旋转可以恢复平衡,而 AVL 树最多需要 O(log
n) 次。 -
④ 操作复杂度:AVL 树在插入和删除时,将向上回溯确定是否需要旋转,这个回溯的时间成本最差为 O(log
n),而红黑树每次向上回溯的步长为 2,回溯成本低。因此面对频繁地插入与删除红黑树更加合适。
5. B 树、B+ 树区别
B 树中每个节点同时存储 key 和 data,而 B+ 树中只有叶子节点才存储 data,非叶子节点只存储 key。
InnoDB 对 B+ 树:进行了优化,在每个叶子节点上增加了一个指向相邻叶子节点的链表指针,形成了带有顺序指针的 B+ 树,提高区间访问的性能。
B+ 树的优点在于:
-
① 由于 B+ 树在非叶子节点上不含数据信息,因此在内存页中能够存放更多的 key,数据存放得更加紧密,具有更好的空间利用率,访问叶子节点上关联的数据也具有更好的缓存命中率。
-
② B+树的叶子结点都是相连的,因此对整棵树的遍历只需要一次线性遍历叶子节点即可。而 B 树则需要进行每一层的递归遍历,相邻的元素可能在内存中不相邻,所以缓存命中性没有 B+树好。
但是 B 树也有优点:由于每个节点都包含 key 和 value,因此经常访问的元素可能离根节点更近,访问也更迅速。