（一）树（树、二叉树、满二叉树、完全二叉树、二叉搜索树、二叉平衡树、B-Tree、B+Tree）

1.树

1.概念

树结构简单来说，就是数据元素之间具有层次关系的非线性结构。它是从自然界中的树抽象而来的，有树根、从树根发源类似枝杈的分支关系以及作为分支重点的叶子等。下面我们给出树结构的完整定义：
树（tree）是由n（n ≥0）个节点组成的有限集合。n=0的树称为空树；n >0 的树T的特点如下：

• 有一个特殊的节点称为根节点（root）,它只有直接后继节点，没有直接前驱节点。
• 当n ≥1时，除根节点之外的其他节点分为m（m≥0）个互不相交的集合T1，T2，···，Tm，每个集合Tm(1≤i≤m)本身又是一棵结构与树类同的子树。每棵子树的根节点有且仅有一个直接前驱节点，但可以有零或多个直接后继节点。
  

2.相关术语

• 节点：节点（node）由数据元素（关键字）以及指向子树的地址（指针）构成；
• 孩子节点与双亲节点：若X节点有子树，则子树的根节点称为X的孩子（child）节点,也称子女节点；相应地，X称为其孩子的双亲（parents）节点，也称为父母节点。一棵树中，根没有双亲节点;
• 兄弟节点：同一双亲的孩子节点之间互称兄弟（sibling）节点;
• 祖先节点与后台节点：X节点的祖先（ancestor）是指从根到X所经过的所有节点；X节点的后代（descendant）是指Xj节点的所有孩子节点，以及孩子节点的孩子；
• 节点的度：节点的度（degree）定义为节点节点所拥有子树的棵树。
• 叶子节点与分支节点：叶子（leaf）节点是指节点的度为0的节点，又称为终端节点。除叶子节点之外的其他节点，称为分支节点或非页节点；
• 树的度：树的度是指树种各节点度的最大值；
• 树的深度或高度：树种节点的最大层次数称为树的高度（depth）或高度（height）;
• 无序树与有序树：由树的定义可知，若节点的子树T0，T1，…之间没有次序，称为无序树；如果树中节点的子树T0,T1,…从左至右是有次序的（即不能交换），则称该树为有序树（orderd tree）.

2.二叉树

1.概念

二叉树（binary tree）是n（n≥0）个节点组成的有限集合，n=0时称为空二叉树；n>0时，二叉树由一个根节点和两棵互不相交的、分别被称为左子树和右子树的子二叉树构成。
二叉树是一种有序（不一定是什么顺序，或者叫做次序、排列等）树，因为二叉树中每个节点的两棵树有左、右之分，即使只有一个子树，也要区分是左子树还是右子树。

如上图所示，如果把他看成是普通的树结构，则图（a）和（b）表示同一棵树；如果看成是二叉树结构，则（a）和（b）表示两棵不同的二叉树。
二叉树的节点最多有两棵树，所以二叉树的度最多为。

2.二叉树的基本形态

二叉树有5钟基本形态，如下图所示：

3.二叉树的性质

• 若根节点的层次为1，则二叉树第i层的节点数目最多为 $2^{i-1}$（i≥1）个；
• 在深度为k的二叉树中，至多有$2^{k-1}$个节点（k≥0）；
• 满二叉树（full binary tree）：一个深度k的且具有$2^k$ -1（k≥0）个节点的二叉树称为满二叉树，即每一层的节点数目都达到最大值。
• 完全二叉树(complete binary tree):一棵具有n个节点深度为k的二叉树，如果它的每一个节点都与深度为k的满二叉树中编号为1~n的节点一一对应，则称这棵二叉树为完全二叉树。
  

4.完全二叉树的特点

• 满二叉树一定是完全二叉树，而完全二叉树不一定是满二叉树。完成二叉树只有最下面一层可以不满，其上各层都可以看成满二叉树；
• 完全二叉树是具有二叉树结构的而不一定满的二叉树；
• 完全二叉树至多只有最下面两层节点的度可以小于2；
• 完全二叉树最下面一层的节点都集中在该层最左边位置上，如下图就不是完全二叉树
  

5.二叉树的遍历

遍历二叉树就是按照一定的规则和次序访问二叉树中的所有节点，并且每个节点仅被访问一次。若规定对子树的访问按“先左后右”的次数进行，则遍历二叉树有3种次序：

• 先根次序：访问根节点，遍历左子树，遍历右子树
• 中根次序：遍历左子树，遍历根节点，遍历右子树
• 后根次序：遍历左子树，遍历右子树，遍历根节点
  关于二叉树遍历的代码实现，请查看博客二叉树的三种遍历方式（JAVA版）

3.二叉搜索树

1.概念

二叉搜索树，又称二叉排序树（Binary Search Tree，Binary Sort Tree），二叉搜索树或为空树；或者是这样一棵二叉树，若左子树不为空，则左子树上所有节点元素的值均小于根节点，若右子树不为空，则右子树上所有节点元素的值的均大于根节点，其左、右子树也是二叉搜索树。这一规则适用于二叉查找树中的每一个节点。二叉搜索树的时间复杂度为O(log(n))。如下图所示：

2.二叉搜索树操作

关于二叉搜索的构建、遍历及删除等树的操作，请查看上一篇博客《二叉搜索树的构建、遍历及删除（JAVA版）》

4.二叉平衡树（AVL树）

1.概念

平衡二叉树（Balanced Binary Tree）是二叉搜索树的一个进化体，是1962年，G.M. Adelson-Velsky 和 E.M. Landis发明了这棵树，所以它又叫AVL树。
平衡二叉树，指的是若左子树不为空，则左子树上所有节点元素的值均小于根节点，若右子树不为空，则右子树上所有节点元素的值的均大于根节点，这一规则适用于二叉查找树中的每一个节点（其实这就是说二叉平衡树首先它是一棵二叉搜索树），且左子树与右子树的高度差最大为1。

2.为什么要产生二叉平衡树

通过上面的学习我们知道，二叉搜索树就可以让我们的查询变的高效了，不需要从头遍历整棵树上的所有节点，只需要根据当前值与节点值得比对，就可以直接确定下一步的方向，每次比较，都会把搜索范围缩小，类似于二分法。那么既然二叉搜索树的效率已经很高了，为什么要因为二叉平衡树呢？其实这就是二叉搜索树有个缺点，这个缺点我们通过下面的图来看一下：

上面b和竟然变成了链表，同时树的深度也增加了很多，也就是，左、右子树分布极为不平衡。也就是说，插入的序列越接近有序，生成的二叉搜索树就越像是一个链表。为了避免这种情况的发生，即让树的结构看起来尽量“均匀”，左右子树的节点数尽量一样多。

3.二叉平衡树的特点

1. 非叶子节点最多拥有两个节点；
2. 非叶子节点元素的值
3. 树的左右两边的层数相差不会大于1；

5.B树（B-Tree）

1.概念

B树也称B-树，它是一棵多路平衡查找树（查找路径不只两个），它其实是从平衡二叉树变化而来的。B树中所有节点的孩子节点数的最大值称为B树的阶。一棵m阶B树的或为空树，或为满足如下特性的m叉树：

1. 树中每个节点最多有m棵子树（即至少有m-1个关键字）；–特指非叶子节点（终端节点）
2. 若根节点不是终端节点，则至少有两棵子树；
3. 除根节点外的所有非叶子节点至少有[m/2]（取上界ceiling）棵子树（即最少有[m/2]-1个关键字）；
4. 非叶节点中的信息包括[n,P0,K1,P1,K2,P2,…,Kn,Pn]，其中n表示该节点中保存的关键字个数，K为关键字且Ki<Ki+1，Pi为指向子树根节点的指针。并且P(i-1)所指的子树中所有节点的均小于Ki；
5. 所有节点关键字是按递增次序排列，并遵循左小右大原则；–特指非叶子节点（终端节点）
6. 叶子节点的的特征：叶子节在相同的层，并且这些节点不带信息（不带指针和关键字），实际上这些节点就表示找不到指定的值，也就是指向这些节点的指针为空。

2.B树的高度

我们假设：n个关键字，阶数为m,高度为h的B树，那么它的高度满足什么的范围呢？
首先，第一层的节点数：1
第二层的节点数：m
第三层的节点数：m*m=$m^2$
.
.
第h层的节点数：$m^{h-1}$
而B树中每个节点最多有m-1个关键字，
所以关键字的个数n满足一下条件：
n≤(m-1)(1+m+ $m^2$+…+$m^{h-1}$) =$m^h$ -1
计算可得： $lo{g}_m(n+1)$ ≤h
其次，B树第h层最少的关键字数量满足：
2 $(m/2{)}^h$≤n+1
所以我们得出：
$lo{g}_m(n+1)$ ≤h≤$lo{g}_{m/2}((n+1)/2)$+1
从上面的公式我们可以看出，m(阶数)对于树的高度有决定性的影响。因此如果每个节点包含更多的元素个数，在元素个数相同的情况下，则更有可能减少B树的高度。

3.B树的查询流程

假如有下面一棵B树，我们要查找24，

1. 获取根节点的关键字进行比较，当前根节点关键字为21和35，21<24<35，所以找到指向21和35中间的子节点（二分法规则，左小右大，左边放小于当前节点值的子节点、右边放大于当前节点值的子节点）；
2. 拿到关键字26和33，24<26 所以直接找到左子节点；
3. 拿到23和24，然后遍历，因为24=24 所以直接返回关键字和指针信息（如果树结构里面没有包含所要查找的节点则返回null）；

4.B树与二叉平衡树的比较

我们知道，B 树是为了磁盘或其它存储设备而设计的一种多叉平衡查找树，它在降低磁盘I/0操作方面要更好一些，而磁盘的IO非常慢，降低磁盘的IO,那么查找的速度就会明显提高，那与平衡二叉树来比较，它又有怎么样的提高呢？
从上面3中我们查找24来看，只需要进行3次的IO操作就可以查找出24来，如果是平衡二叉树呢？显然树的高度会高很多，IO的次数也会增多。
所以，B树相对于平衡二叉树的不同是，每个节点包含的关键字增多了，特别是在B树应用到数据库中的时候，数据库充分利用了磁盘块的原理（磁盘数据存储是采用块的形式存储的，每个块的大小为4K，每次IO进行数据读取时，同一个磁盘块的数据可以一次性读取出来）把节点大小限制为能充分使用在磁盘块大小范围；把树的节点关键字增多后树的层级比原来的二叉树少了，减少数据查找的次数和复杂度;

6.B+树（B+Tree）

1.概念

B+Tree是由B-Tree改进而来，在这里我们不给出具体的定义了，只说一下它的特点（与B-Tree相比）：
一棵m阶的B+树和m阶的B树的差异在于：

1. 有n棵子树的结点中含有n个关键字； (而B 树是n棵子树有n-1个关键字)；
2. 所有的叶子结点中包含了全部关键字的信息（即包含所有的索引值），及指向含有这些关键字记录的指针，且叶子结点本身依关键字的大小自小而大的顺序链接。 (而B 树的叶子节点并没有包括全部需要查找的信息)；
3. 所有的非终端结点可以看成是索引部分，结点中仅含有其子树根结点中最大（或最小）关键字。 (而B 树的非终节点也包含需要查找的有效信息)
   

2.B+树的优点（对比B-Tree）

1. B+树的层级更少：相较于B-Tree,B+每个非叶子节点不需要存储全部索引，只需要存索引近可以了，所以存储的关键字数更多，树的层级更少，B+树的结构B-Tree更加的“矮胖”，IO次数就更少了，比所以查询数据更快；
2. B+树查询速度更稳定：B+所有关键字数据地址都存在叶子节点上，所以每次查找的次数都相同，而B-Tree只要匹配到要查找的元素即可，无论匹配元素的位置处在哪个非叶子节点，所以查询速度要比B-Tree更稳定;
3. B+树天然具备排序功能：B+树所有的叶子节点数据构成了一个有序链表，在查询大小区间的数据时候更方便，数据紧密性很高，缓存的命中率也会比B-Tree高。
4. B+树全节点遍历更快：B+树遍历整棵树只需要遍历所有的叶子节点即可，，而不需要像B-Tree一样需要对每一层进行遍历，这有利于数据库做全表扫描。

注意：B-Tree其实有时候也并不B+树差，如果经常访问的数据离根节点很近，而B树的非叶子节点本身存有关键字其数据的地址，所以这种数据检索的时候会要比B+树快。

6.总结

到此为止，关于这几种树就介绍完了，里面可能有一些理解不对的地方，欢迎大家指正。