【数据结构】B树, B+树, B*树, 红黑树, 平衡二叉树

目录

1、B树

2、B+树

特点与优点

3、关于mysql使用B+树

好处

辅助索引

组合索引

mysql为什么不用跳表

4、mongo 和 mysql 用 B+ 树的区别

5、B*树

6、红黑树

7、AVL平衡二叉树

---

1、B树

多叉的平衡搜索树，特点：

• 根结点至少有2个孩子
• 所有叶子结点在同一层
• 每个节点保存几个关键字，以及指向几个孩子的指针
• 非叶子结点中的关键字个数 = 孩子个数 - 1
• 一个关键字只会出现在一个节点中
• 搜索可能在非叶子结点结束
• 查找时从根节点递归向下查找，性能是二分查找，最好是O(logn)，最坏是树的高度O(n)

2、B+树

特点与优点

（1）结构

• 非叶子节点不存储数据，只存索引，所有数据存在叶子节点
• 所有叶子结点通过指针连在一起

（2）查询效率

• 比B树更稳定O(logn)，查询都是从根节点到叶子节点

（3）磁盘IO

• B树：每个节点都存储了索引和数据，索引能存储的索引数少，导致树的高度大，磁盘IO次数多
• B+树：每个节点只存储了索引，所以每个节点能存储的索引数更多，树的高度更小，磁盘IO的次数更小，查询效率更高

（4）数据插入和删除

• B树：需要重新调整树的结构
• B+树：由于所有的数据都存储在叶子节点中，且是链表形式，插入和删除操作只需要在叶子节点上进行，效率更高

（5）范围查询

• B树：无法区间查找
• B+树：叶子是链表形式，可以进行区间查找

（6）适用场景

• B树： 需要快速查找/插入/删除单个数据项的场景。如文件系统
• B+树： 需要进行范围查询的场景。如数据库系统

3、关于mysql使用B+树

好处

• 高效的磁盘I/O操作：非叶子节点仅存储索引，使得每个节点存储更多的键值，降低了树的高度，那么查找、插入、删除会减少了磁盘I/O次数
• 范围查询：数据存储在叶子节点中，形成了一个有序链表，查询时快速地定位到起始叶子节点，并沿着链表顺序访问
• 插入和删除的稳定：插入和删除操作主要集中在非叶子节点上，相对稳定，不需调整树结构
• 易于扩展：可以根据数据量动态调整树的大小，以适应不同规模的数据库

辅助索引

• 每个mysql索引（主键/单字段/组合索引）有一个自己的树，查询时从根向下查询
• 辅助索引：主键索引(Id)存储实际数据，辅助索引(Name)的叶子节点存储的数据实际上是主键的字段值，查询时现在Name索引树中找到id值，再去id索引树找具体数据
• 但是如果使用Name索引查id，select id xx 是可以一次返回的，不需查询Id树了

组合索引

• 索引有 a,b,c 三个字段，这几个字段都会存放到节点
• 先按a排序，再按b排序，再按c排序
• 查询时，先从a比较，从根插找到叶子结点，可能有多条a=1的数据，再比较b，再比较c

mysql为什么不用跳表

• B+树适合磁盘IO：一个节点能放较多索引信息，树的层数低，磁盘IO次数少
• 跳表不适合磁盘IO：一条数据是一个节点，树的层数高，IO操作会很多，更适合redis这样的内存操作

4、mongo 和 mysql 用 B+ 树的区别

（1）mongo 3.2之前用的是B树，后面改为B+树

• 加快查找速度
• 更支持范围查询

（2）lazyB树

mongo的存储引擎 WiredTiger 实现lazyB树，是一种 B+ 树变种

（3）区别

• mysql 作为关系型数据库，更关注连表查询
• mongo 作为文档型数据库，更关注复合字段查询

5、B*树

（1）结构

• 在B+的非根和非叶子结点，增加指向兄弟的指针

（2）空间利用率

• B+树：当一个节点满时，会创建一个新节点，把原节点一半的数据移过去
• B*树：当一个节点满时，如果下一个兄弟没满，直接把一部分数据移到兄弟节点，增加空间利用率

6、红黑树

（1）结构

• 二叉的平衡搜索树
• 根是黑色，叶子是黑色（叶子是nil）
• 红色节点必须有两个黑色子节点
• 不能出现连续两个红色节点
• 从任一节点到叶子节点的路径，都包含相同数量的黑色节点（简称黑高）
• 以上性质避免二叉树退化为单链表(O(n))的情况

（2）效率

• 查找、插入、删除都是O(logn)
• 插入、删除逻辑复杂，需要调整树结构（旋转/变色/递归处理），维护复杂

7、AVL平衡二叉树

（1）结构

任一节点的左子树和右子树都是平衡二叉树，且高度差不能超过1（平衡因子）

（2）效率

• 查找、插入、删除都是O(logn)
• 插入、删除逻辑复杂，需要调整树结构（旋转/递归处理），维护复杂