数据结构-tree

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)