树link
根节点
度
一个节点有多少个分支,度就是多少
叶子节点
度为0的节点就是叶子节点(没有分支的节点都是叶子节点)
树的度
一棵树中,最大的结点的度称为树的度
深度
指从根节点到该节点的最长简单路径边的条数(根节点和叶子节点 深度和高度是一样的)
高度
该节点到叶子节点的最长简单路径边的条数(根节点和叶子节点 深度和高度是一样的)
二叉树
树的度 不超过2的就是二叉树
二叉搜索树(binary search tree)
特征
左子树中所有节点的值小于根的值 右子树中所有节点的值大于或等于根的值(任意节点都符合这个规则)
时间复杂度
搜索一个元素的时间复杂度是o(logn)
最坏的情况是全部遍历才找到该元素时间复杂度是o(n) 变成链表 只有一边
场景
select 二叉搜索树的这种特性,使得我们在此二叉树上查找某个值就很方便了,从根节点开始,若要寻找的值小于根节点的值,则在左子树上去找,反之则去右子树查找,知道找到与值相同的节点。
insert 插入节点也是一样的道理,从根节点出发,所要插入的值,若小于根节点则去左子树寻找该节点所对应的位置,反之去右子树寻找,直到找到该节点合适的位置。
平衡二叉搜索树(avl树)
特征
1.本身首先是一棵二叉搜索树
2.左子树与右子树高度之差的绝对值不超过1(平衡因子)
3.随着新节点的加入,树自动调整自身结构达到平衡状态
优点
相对于二叉搜索树变成歪脖树的时候相当于退化成链表 查询效率大大降低 会自动平衡
缺点
相对于btree来说 没个节点存储数据节点过少 会有大量i/o
btree(多路平衡搜索树)
特征(树的度是M)
多叉 根节点至少两个子节点(简单了解)
优势(和avl树比较)
它比AVLTree缩减了节点个数 树高更低 查询次数少 提升了查找效率
b+tree
和btree不同点
1.非叶子节点只存储键值信息
2.所有叶子节点之间都有一个链指针
3.数据记录都存放在叶子节点中
红黑树(Red-Black Tree)
todo
mysql索引使用B+树不是B树
1.B+树更适合外部存储(一般指磁盘存储),非叶子节点不存储data,所以非叶子节点可以存储更多的内节点,每个节点能索引的范围更大更精确。也就是说使用B+树单次磁盘IO的信息量相比较B树更大,IO效率更高。
2.B+树的叶子节点间按顺序建立了链指针 加强了区间访问性 而B树每个节点的key和data在一起,无法进行区间查找
时间复杂度(大O标记法)
时间复杂度(大O标记法)
常数阶 O(1) 线性阶:O(n) 对数阶(b+tree)😮(logn)
O(1) < O(logn) < O(n)