红黑树和B+树的应用场景

红黑树

key-value  /  中序遍历有序

查找算法：遍历、二分（有序序列，二叉查找树 2^x=n树高=lgn，O(lgn)）、哈希（最高效）、插值（二分的优化）、索引（搜索引擎、lucene）、BFS/DFS（图论的遍历）、平衡树、B树、B+树、红黑树（高效的查找算法）、二叉搜索树

哈希：O(1) 查找、哈希冲突(即一个hash值下挂了很多点)、JDK1.8里的HashMap：链表+红黑树（处理哈希冲突，一个key对应一个计算出来的hash值，多个key对应了同一个hash值，则需要用链表来存储这多个key，链表长度大于8改用红黑树存储）

JDK1.7 HashMap:数组+链表  ->  JDK1.8HashMap：链表+红黑树

AVL树：平衡二叉树，追求极致的平衡，有很多规则的理想状态（实际应用中一般不会用到）

红黑树的底层结构：特数的二叉查找树 【链表->二叉树->二叉查找树->特数的二叉查找树（自平衡的二叉查找树）】

红黑树的树高如果过大，会造成磁盘IO读写过于频繁，进而导致效率低下，因此红黑树一般都用在数据量较小，可以完全放进内存中的情况下，此时红黑树的时间复杂度比B树要低。

红黑树是一个近似平衡的二叉树，比AVL树旋转次数少，所以可以用在插入次数频繁的情况下。

应用场景：

• C++的STL中，map和set是用红黑树实现的
• java底层的TreeMap是用红黑树实现的
• linux进程调度Completely Fair Scheduler，用红黑树管理进程控制块
• epoll在内核中的实现，用红黑树管理事件块
• nginx中，用红黑树管理timer

B+树

mysql里如何查找？

遍历（暴力）、目录查找（类似索引）、键查找（hash查找）、二分（B+树的基础算法）

能做索引的数据结构有哪些？

数组、红黑树、链表、哈希、B树（B+树、B-树）

哈希：虽然效率高，但查询条件不能变，且没有部分查询和范围查询功能。

1. hash（user_id) = key 一旦user_id变化，key就变化
2. 联合索引：hash（user_id+name) = key  如果只传user_id，不能支持部分索引查询和范围查找

红黑树：访问速率：内存>ssd固态硬盘>磁盘，读取磁盘次数多、读取浪费太多（磁盘一页能存16k数据）

但为什么红黑树可以用在hashmap中呢?   因为hashmap存在内存里。

B、B+树都是多路查找树，一般用在数据库中做索引，因为他们分支多层数少，磁盘IO非常耗时，而大量数据都存储在磁盘中，所以要有效减少磁盘IO次数来避免频繁访问磁盘。

B+比B的优势：

B+树非叶结点存键值，叶子结点存数据，单个结点占空间少，而磁盘容量、一次读取数据大小固定，磁盘IO次数少，效率高；

叶子结点用链表存放数据，范围查找、遍历的效率比B树高

应用场景

• B树：数据库和文件系统，将相关数据尽量集中在一起，以便一次读取多个数据减少磁盘操作次数。如mongoDB数据库。
• B+树：数据库和文件系统。如mysql用B+树做索引。

PS：还有一种Trie树（字典树），常用在统计和排序大量字符串上，如自动机。