浅析三种多路搜索树

最新推荐文章于 2024-09-18 15:48:13 发布
最新推荐文章于 2024-09-18 15:48:13 发布
阅读量5.6k 收藏
点赞数 2
分类专栏： 数据结构基础 数据结构与算法 刷题 文章标签： 多叉树 B+树 B树 B-树 磁盘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bit_clearoff/article/details/53197436
版权
本文深入探讨了B树家族，包括B树、B+树和B*树，这些数据结构特别适用于磁盘I/O操作。由于磁盘访问时间主要由寻道时间、转动延迟和数据传送时间组成，因此减少磁盘访问次数至关重要。B树的特点是节点大小可与磁盘块匹配，每个节点包含多个键值和孩子。B+树则进一步优化，非叶子节点仅用于查找，所有数据在叶子节点，且通过链指针便于遍历。B*树则在B+树基础上增加了指向兄弟节点的指针，以保持节点至少2/3满，避免频繁分解。
摘要由CSDN通过智能技术生成

B树家族

磁盘I/O操作的基本单位为块。从磁盘上读取信息时，会把包含信息的整个块读入内存；将信息存储到磁盘上时，也需要将整个块写到磁盘上。当每次从磁盘上请求信息时，都必须先在磁盘上定位该信息。磁头移动到包含所请求信息的磁盘位置上方。然后，将磁盘旋转，将磁头下方的整个块传送到内存。也就是说，数据访问时间由几个时间段组成：

    • 访问时间=寻道时间+转动延迟+数据传送时间

与在内存中传送信息相比，这个过程是相当缓慢的，其中寻道时间由于倚赖与磁头在定位到正确的磁道过程中的磁头的机械运动是非常消耗时间的。转动延迟指的是磁头转动到正确的磁盘块所需的时间。

这里写图片描述

如果程序需要不断的使用辅助存储器上的信息，在设计该程序时就应该考虑这种存储方式的特性。如果用平衡树（AVL，RB）来作为这种存储方式的数据结构，那么平衡树可能分布在磁盘的不同块上，所以平均需要访问两个磁盘块。如果程序经常使用该树，这种访问时间就会显著增加。此外在该树中的插入和删除键值也需要访问多个个磁盘块。可以看出，平衡树在内存中是一种非常高效的工具，而在磁盘上就会变得非常的低效。在涉及辅助存储器时，二叉查找树在其他方面的性能优点会变得微不足道，因为这种方法需要不断的访问辅助存储器，严重降低了性能。
在磁盘上一次存取大量数据比在磁盘上的不同部分存取少量数据更好，比如给磁盘传送10KB数据时：

  • 一个10KB片段上：

  • 访问时间=40ms(寻道)+

最低0.47元/天 解锁文章
_stark
关注
专栏目录
数据结构与算法之多路查找树
weixin_47225948的博客
09-19 235
数据结构与算法之多路查找树
浅析 AVL 树，红黑树，B 树，B+ 树
HU1656的博客
04-05 662
一. AVL 树 1.出现的原因 二叉搜索树虽可以缩短查找的效率，但如果数据有序或接近有序，二叉搜索树将有可能退化为单支树，此时查找元素相当于在顺序表中查找元素，效率低下，相当于O(n)。 例如：对于同一个关键码集合，如果各关键码插入的次序不同，可能得到不同结构的二叉搜索树： 最优情况下，二叉搜索树为完全二叉树。 最差情况下，二叉搜索树退化为单支树。 2.定义 AVL 树是一种二叉平衡搜索树，...
12. 数据结构之多路查找树
weixin_45267102的博客
09-05 380
文章目录1. 二叉树与B树1.1 多叉树1.2 B 树的基本介绍1.3 2-3树是最简单的B树结构插入规则234树2. `B 树`、`B+`树和 `B*`树2.1 B 树2.2 B+树对上图的说明2.3 B*树☆ 1. 二叉树与B树 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 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
数据结构——二叉搜索树、Map和Set
最新发布
zhakakqns的博客
09-18 935
对于不同的数据结构，他们的使用场景是不一样的，map和set这两种数据结构主要用在搜索相关的场景中。学习这些之前我们先来了解一下二叉搜索树，
什么面试官问的B树、B+树、B*树，你还不懂？
JeremyIverson的博客
03-24 570
多路查找树 1.1 二叉树与B 树 1.1.1 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: 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 问题 2：节点海量，也会造成二...
多路查找树---2-3树和2-3-4树的深入理解
如是说的博客
03-14 876
引言 二叉排序树简单的实现在多数情况能够达到预期的查找效率，但是每个节点只能存储一个元素和只能有两个孩子，使得在大量数据下会造成二叉排序树的深度特别大，那么在进行查找时多次的访问会造成查找效率的下降，同时，在对二叉查找树进行插入时，可能会破坏二叉查找树的平衡。为了降低对于树的访问次数，实现树的平衡，我们需要新的数据结构来处理这样的问题。 多路查找树 多路查找树的每一个节点的孩子树可以多于两个，且每...
多路查找树（B树，B+树、B*树）
m0_57385165的博客
08-22 503
1.二叉树问题分析 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 1)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 2)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. 3)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.多叉树解...
浅析——B树，B+树，B*树以及分析MySQL的两种引擎
热门推荐
宇哲
11-17 1万+
接触到了数据结构当中的B树，B+树，B*树，我觉得应该写一篇博客记录下，毕竟是第一次接触的，只有写了博客以后，感觉对这个的印象才会更加深刻。 前言： 为什么要有B树？ 学习任何一个东西我们都要知道为什么要有它，B树也一样，既然存储数据，我们为什么不用红黑树呢？这个要从几个方面来说了， 计算机有一个局部性原理，就是说，当一个数据被用到时，其附近的数据也通常会马上被使用。 所以当你用红黑树的时
数据结构之二叉树、AVL树、红黑树、Trie树、B树、B+树、B*树浅析
hestyle的博客
04-07 1264
  树，作为五大经典数据结构之一，有许多运用场景，比如MySQL数据库的B+树（数据结构的重要性不用强调了吧）。下面将对二叉树、红黑树、B树、B+树等树结构进行一些概念区分与总结，此篇博客适合新手、有一定数据结构基础的小伙伴。 一、树的划分   根据子节点的个数可以划分成N叉树（一般N ≥ 2），N叉树拥有的特征是每个节点至多有N个子节点。 比如，N = 2时，称为二叉树，每个节点至多只有2个节点...
浅析B树的分裂过程
微风
11-12 1万+
B-树>      最近一直在研究树的这种数据结构，今天实现了一颗适合外查找的平衡多叉树就是B树，有的地方也叫B-树(不要误读为"B减树"奥).当然了还存在B+树，B*树这里只实现B树  一.B树的性质>      一颗M阶(M>2)的B树，是一颗平衡的M路平衡搜索树，可以是空树或者满足下面几条性质>      1).根结点至少有两个孩子.      2).每个非根结点存在[M/2,M)
浅析回溯算法
03-24
回溯算法是一种试探性的解决问题的方法，它在搜索解空间树的过程中，通过不断地尝试来寻找问题的解。当发现当前选择可能导致无法找到有效解时，它会撤销先前的选择，退回一步，尝试其他可能的路径，这一过程就如同在...
多路查找树
qq_63610379的博客
12-18 379
关于多叉树的解释
java多路查找树代码
06-08
下面是一个简单的 Java 多路查找树（Trie）的代码示例： ```java public class Trie { private TrieNode root; public Trie() { root = new TrieNode(); } public void insert(String word) { TrieNode node = root; for (char c : word.toCharArray()) { if (node.children[c - 'a'] == null) { node.children[c - 'a'] = new TrieNode(); } node = node.children[c - 'a']; } node.isEndOfWord = true; } public boolean search(String word) { TrieNode node = root; for (char c : word.toCharArray()) { if (node.children[c - 'a'] == null) { return false; } node = node.children[c - 'a']; } return node.isEndOfWord; } public boolean startsWith(String prefix) { TrieNode node = root; for (char c : prefix.toCharArray()) { if (node.children[c - 'a'] == null) { return false; } node = node.children[c - 'a']; } return true; } private class TrieNode { private TrieNode[] children; private boolean isEndOfWord; public TrieNode() { children = new TrieNode[26]; } } } ``` 在这个示例中，我们定义了一个 Trie 类，其中包含一个内部 TrieNode 类，用于表示 Trie 树中的节点。TrieNode 类有一个布尔型变量 isEndOfWord，用于指示该节点是否是一个单词的结尾。Trie 类有三个方法：insert、search 和 startsWith。insert 方法用于将单词插入到 Trie 树中，search 方法用于查找单词是否在 Trie 树中，startsWith 方法用于查找是否存在以给定前缀开头的单词。 在 insert、search 和 startsWith 方法中，我们首先将指针 node 初始化为根节点。然后，对于单词中的每个字符，我们检查该字符的子节点是否存在。如果子节点不存在，则创建一个新的 TrieNode，并将其设置为该字符的子节点。最后，我们将指针 node 移动到该字符的子节点。在查找单词时，如果我们到达一个节点，其 isEndOfWord 变量为 true，则说明该单词在 Trie 树中，如果到达的节点没有对应的子节点，则该单词不在 Trie 树中。在查找以给定前缀开头的单词时，我们只需要检查 Trie 树中是否存在以该前缀开头的单词即可。 注意，在这个示例中，我们假设输入的单词只包含小写字母。如果输入包含其他字符，我们需要对代码进行适当的修改。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值