目录
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