多路查找树之--二叉树与B树

1.二叉树与B树

2.二叉树问题分析

二叉树操作数据效率比较高，但是如果细心想下它也存在着一定的问题

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 10 亿)， 就存在问题了。
2. 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. 节点海量，也会造成二叉树的高度很大，会降低操作速度.

3.多叉树介绍：

二叉树中每个结点有一个数据项,最多有两个子节点,如果允许树的每个节点可以有两个以上的子节点,那么这个树就称为n阶的多叉树，或者称为n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。

 4.B树介绍：

        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。

        2.文件系统及数据库系统的设计者利用了磁盘预读原理，将一个节点的大小设为等于一个页(页得大小通常为4k)

        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这样每个节点只需要一次 I/O 就可以完全载入

5.2-3树介绍：

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

6.2-3树应用场景

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。

规则

        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、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

7.除了 2-3 树，还有 2-3-4 树等，概念和 2-3 树类似，也是一种 B 树

8.B树，B+树，B*树

1.B树介绍

        B-tree 树即 B 树，B 即 Balanced，平衡的意思。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。

        2-3 树和 2-3-4 树，他们就是 B 树(英语：B-tree 也写成 B-树)，这里我们再做一个说明，我们在学习 Mysql 时，经常听到说某种类型的索引是基于 B 树或者 B+树的。

                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

                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

                4、搜索有可能在非叶子结点结束

                5、其搜索性能等价于在关键字全集内做一次二分查找

2.B+树介绍

        B+树是 B 树的变体，也是一种多路搜索树。

1. B+树的搜索与 B 树也基本相同，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】），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
4. 非叶子结点相当于是叶子结点的索引（稀疏索引），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.B*树介绍

 B*树是 B+树的变体，在 B+树的 非根和非叶子结点再增指向兄弟的指针。

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。