多路查找树

一. 多叉树原理

1. 二叉树的问题分析：

二叉树的操作效率较高，但是也存在问题, 请看下面的二叉树：

二叉树需要加载到内存的，如果二叉树的节点少，没有什么问题，但是如果二叉树的节点很多(比如1亿)， 就存在如下问题：

(1) 问题1：在构建二叉树时，需要多次进行i/o操作(海量数据存在数据库或文件中)，节点海量，构建二叉树时，速度有影响；

(2) 问题2：节点海量，也会造成二叉树的高度很大，会降低操作速度。

2. 多叉树概述：

(1) 在二叉树中，每个节点有数据项，最多有两个子节点，如果允许每个节点可以有更多的数据项和更多的子节点，就是多叉树(multiway tree)；

(2) 比如2-3树，2-3-4树就是多叉树，多叉树通过重新组织节点，减少树的高度，能对二叉树进行优化；

(3) 举例说明(下面2-3树就是一颗多叉树)：

 3. B树的基本介绍：

(1) B树通过重新组织节点，降低树的高度，并且减少i/o读写次数来提升效率：

1) B树通过重新组织节点，降低树的高度，并且减少i/o读写次数来提升效率；

2) 文件系统及数据库系统的设计者利用了磁盘预读原理(预先从磁盘中读取数据)，将一个节点的大小设为等于一个页(页得大小通常为4k)，这样每个节点只需要一次I/O就可以完全载入；

3) 将树的度M设置为1024，在600亿个元素中最多只需要4次I/O操作就可以读取到想要的元素, B树(B+)广泛应用于文件存储系统以及数据库系统中。

 

二. 2-3树原理

1. 2-3树是最简单的B树结构, 具有如下特点:

(1) 2-3树的所有叶子节点都在同一层(只要是B树都满足这个条件) ；

(2) 有两个子节点的节点叫二节点，二节点要么没有子节点，要么有两个子节点；

(3) 有三个子节点的节点叫三节点，三节点要么没有子节点，要么有三个子节点；

(4) 2-3树是由二节点和三节点构成的树。

2. 2-3树应用案例：

将数列{16, 24, 12, 32, 14, 26, 34, 10, 8, 28, 38, 20} 构建成2-3树，并保证数据插入的大小顺序，插入规则如下：

(1) 2-3树的所有叶子节点都在同一层(只要是B树都满足这个条件)；

(2) 有两个子节点的节点叫二节点，二节点要么没有子节点，要么有两个子节点；

(3) 有三个子节点的节点叫三节点，三节点要么没有子节点，要么有三个子节点；

(4) 当按照规则插入一个数到某个节点时，不能满足上面三个要求，就需要拆，先向上拆，如果上层满，则拆本层，拆后仍然需要满足上面3个条件；

(5) 对于三节点的子树的值大小仍然遵守(BST二叉排序树)的规则。

构建2-3树的过程如下：

3. 2-3树的构建分析：

(1) 元素16直接放在一个二节点即可，元素24首先尝试同层放，变为一个三节点，左右两边都没有子节点，满足2-3树要求； 

(2) 元素12按理说首先尝试同层放，如果放在16前面，该节点就不是三节点，会变成四节点(12 16 24)，不符合要求，所有需要进行拆分；

(3) 元素32大于16，应放在16右边，首先尝试同层放，放在24后面，符合要求；

(4) 元素14小于16，应放在16左边，首先尝试同层放，放在12后面，符合要求；

(5) 元素26大于16，应放在16右边，首先尝试同层放，放在24和32中间，该节点变为四节点(24 26 32)，不符合要求，所有需要进行拆分；

(6) 元素34大于26，应放在26右边，首先尝试同层放，放在32后面，符合要求；

(7) 元素10小于16，应放在16左边，首先尝试同层放，放在12前面，该节点变为四节点(10 12 14)，不符合要求，所有需要进行拆分；

(8) 拆分后不符合所有叶子节点都在同一层的这一要求，所以需要调整，

(9) 元素8小于12，应放在12左边，首先尝试同层放，放在10前面，符合要求；

(10) 元素28大于26，应放在26右边，首先尝试同层放，放在32前面，该节点变为四节点(28 32 34)，不符合要求，所有需要进行拆分；

(11) 元素38大于32，应放在32右边，首先尝试同层放，放在34后面，符合要求；

(12) 元素20比16大，比26小，应该放在26的左边，首先尝试同层放，放在24前面，符合要求；

4. 其它说明：

除了23树，还有234树等，概念和23树类似，也是一种B树。 如图:

三. B树原理

1. B树的介绍：

(1) B-tree树即B树，B即Balanced，平衡的意思；

(2) 有人把B-tree翻译成B-树，容易让人 产生误解，会以为B-树是一种树，而B树又是另一种树，实际上，B-tree就是指的B树。

(3) 前面已经介绍了2-3树和2-3-4树，他们就是B树(英语：B-tree 也写成B-树)，这里再做一个说明，在学习Mysql时，经常听到说某种类型的索引是基于B树或者B+树的，如图:

2. B树的说明：

(1) 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)；

(2) B-树的搜索，从根结点开始，对结点内的关键字(有序)序列进行二分查找，如果命中则结束，否则进入查询关键字所属范围的儿子结点，重复，直到所对应的儿子指针为空，或已经是叶子结点，比如说查找数字3，首先判断3小于17，所有找到P1对应的子节点，然后继续判断3小于8，继续找到该节点P1对应的子节点，找到3结束；

(3) 关键字集合分布在整颗树中, 即叶子节点和非叶子节点都存放数据，比如数字3放在叶子节点，数字30放在非叶子节点；

(4) 搜索有可能在非叶子结点结束，比如数字3查询到叶子节点才结束，数字30在非叶子节点就结束了；

(5) 其搜索性能等价于在关键字全集内做一次二分查找。

四. B+树原理

1. B+树的介绍：

B+树是B树的变体，也是一种多路搜索树，如下图：

 和B树的区别：B+树的所有数据都会放在叶子节点，而不会放在非叶子节点。

2. B+树的说明：

(1) B+树的搜索与B树基本相同，区别是B+树只有达到叶子结点才命中(B树可以在非叶子结点命中)，其性能也等价于在关键字全集做一次二分查找；

(2) 所有关键字都出现在叶子结点的链表中(即数据只能在叶子节点，也叫稠密索引，如下图)，且链表中的关键字(数据)恰好是有序的；

 

(3) 不可能在非叶子结点命中，比如查找元素5，图中的非叶子节点的5代表的不是元素，而是索引；

(4) 非叶子结点相当于是叶子结点的索引(稀疏索引，如下图)，叶子结点相当于是存储(关键字)数据的数据层；

 

(5) 更适合文件索引系统；

(6) B树和B+树各有自己的应用场景，不能说B+树完全比B树好，反之亦然；

3. 对B+树存储数据做分析：

如果不用B+树存储数据的话，我们通过链表存放数据，如下图：

如果此时需要查询数字30，就需要从链表的开头一个一个往下找，此时的查找效率就太慢了，作为一个设计者，就会考虑能不能有一个办法将其风格层几个部分？比如就是每三个数字当做一个部分，将其分成几段，此时我们将其分为9段，那怎么将其体现出分割思想的算法？ 如下图：

 此时的链表已经被分割成了9段，此时如果想查询30，那么第一步会去稀疏索引里面找，首先会在索引 5 28 65里面查询，30介于28和65之间，直接砍掉索引5和65下面的数据，只对索引28下面的数据进行查询，然后在索引28 35 56里面查询，如果索引里面有，就查询结束，否则继续比较索引35和56。

用B+树做文件系统的性能是非常好的，并且还可以降低树的高度。

五. B*树原理

1. B*树的介绍：

B*树是B+树的变体，在B+树的非根和非叶子结点再增加指向兄弟的指针，如下图：

2. B*树的说明:

(1) B*树定义了非叶子结点关键字个数至少为(2/3)*M，即块的最低使用率为2/3，而B+树的块的最低使用率为B+树的1/2；

(2) 从第1个特点我们可以看出，B*树分配新结点的概率比B+树要低，空间使用率更高。