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。