二叉搜索树 平衡二叉搜索树 红黑树 B树 B+树

目录

1.二叉搜索树

2.平衡二叉搜索树(AVL)

3.红黑树(RBT)

4.AVL和RBT比较

5.二叉搜索树与AVL和RBT比较

6.B树

7.B+树

8.B树与RBT/AVL/二叉搜索树的比较

9.B树B+树比较

10.总结：

---

1.二叉搜索树

特点：父节点比左大 比右小 缺点：最差情况为链表

2.平衡二叉搜索树(AVL)

特点：二插搜索树的基础上 保证左右子树的高度差不大于1

3.红黑树(RBT)

特点： 根黑 叶子黑 红的子是黑 路径中黑个数相同

使用场景： 查找 排序(中序遍历有序)

插入调整： 插入节点是红色更容易满足红黑树性质(路径黑相同) 当插入后，插入节点的父节点是红色(不满足红的子节点都是黑色)，那么需要调整红黑树。

4.AVL和RBT比较

AVL是严格平衡二叉树，插入删除需要多次旋转调整。RBT是弱平衡二叉树，牺牲平衡性，换取比AVL更少的旋转调整。 RBT用于插入删除频繁，AVL用于查找频繁

5.二叉搜索树与AVL和RBT比较

AVL和RBT是平衡的，保证了树的高度。进行搜索时，查找性能取决于树的高度。所以平衡树的搜索效率更高/稳定。

6.B树

特点： 叶子结点在同一层 一个结点存放多条数据

7.B+树

特点： 在B树基础上的改变，数据存放在叶子结点，叶子结点用链表连接起来

保存了树的根结点和 叶子链表的指针

 

8.B树与RBT/AVL/二叉搜索树的比较

B树一个结点存储多个数据并且有N个字结点，在相同的数据时，降低了树的高度。 B树的查找效率是O(Log(m,n)) (m越大时间复杂度越高 m==n 是退化成数组的查询) ，查找效率来说是比排序二叉树低的。 那么什么时候要用B树？？ 树中函数大量数据，无法一次读入所有数据到内存。那么每次可以读一个节点的数据。数据从磁盘到内存效率低，为了降低IO次数，一次多度些数据。在这种情况下使用B树 而不是二叉树。

9.B树B+树比较

单个元素查找：B+树每次必须要搜索到叶子节点才可以(数据存在叶子节点这个特性)，B树离根节点越近查找到的越快。 效率上 B > B+ 范围查找/遍历：B+树 定位到 链表，直接返回链表即可 B需要遍历整个树 树高度：B+树非叶子节点不存储数据，所以可以存储更多的key，这样在相同数据下，降低了树的高度，IO次数更少。

10.总结：

树平衡性越强，查找效率越高，同时插入删除效率越低(需要更多的调整) 平衡性:B/B+>=平衡二叉树AVL>=红黑树>二叉搜索树 树的阶数：树的阶数越高，相同数据下，树的高度越低，单节点存储数据阅读 阶数：B/B+ > 平衡二叉树AVL/红黑树/二叉搜索树