空间数据库与结构之R树(R Tree)

叶子节点:树的最底端的节点
也就是R8 R9 R10 R11 R12 R13 R14 R15 R17 R18 R19
非叶子节点:除了叶子节点以外的节点
根:树的最顶端的节点
BBs(bounding boxes):能圈住一个图形的最小矩形.

R树:

1 点的查询:

描述：假设T为一棵R树的根结点，查找所有搜索点P覆盖的记录条目。
第一步:查找子树
遍历根的所有目录矩形包含P的子节点, 直到到达叶节点
每个节点可能发生两种情况:
1是没有矩形点P, 那么搜索在这个子树中结束(即使S或P位于目录矩形中,但如果不被子树中的矩形所包裹,也会搜索不到?).
2是点P包含在一个或多个目录矩形中,则访问相应的子树.(因为目录矩形可以重叠,所以P可以包含在一个或多个目录矩形中)
第二步:查找叶子结点
搜索在第一步中包含点P的的内部节点的叶节点,保留那些MBB中包含P的叶节点.

例子:

先从根节点开始,第一个根节点R15里没有,第二个根节点R16里有.
然后就不用管R15的所有子节点了,直接搜索R16的所有子节点.
先看R13,里面有,保留下来
再看R14,里面也有,保留下来
R13和R14也叫内部节点(inner node)
然后再分别搜索R13和R14的子节点.(在这道题里也就是叶节点了)
先看R13的子节点, 05没有 07 没有.那么就不用管了, R13结束.
再看R14的子节点,08有,08 有, 10 没有.R14搜索结束.
所有搜索结束, 就是BB08.

---

2 区间查询
就是看有没有BBs被包含在画出来的矩形中.

例子
先从根节点R15, R16开始,发现两个都和矩形Q有交集.
那么先开始搜索R15的子节点
R11没有,R12有,保留R12
然后搜索R12的子节点 04 06 09
04 有, 06 没有,09有

再搜索R16的子节点
R13有,R14没有,保留R13
然后搜索R13的子节点 05 07
05 有, 07 没有
所以最后是04 05 09

---

3 插入

情况1 插入17

寻找合适的叶节点
从根节点开始
选择把这个新的bounding box包含进去后扩大范围最小的那个根节点.
先看R15, 扩大后增加的范围 再看R16,扩大后增加的范围
相比较之下R16增加的少一点.
然后重复这个步骤,R16的子节点是R13,R14
先看R13增加的范围,再看R14增加的范围,然后比较,相比较之下R14增加得少一点
选择R14, 把这个新的bounding box 17放进去,就可以了

情况2 插入18

如果插入后, 发现同一个子节点上的叶节点的数目超过M了.也就是发生了上溢,就需要分割叶
把这个子节点上的叶节点分成两部分.
重新添加一个新的子节点.
如果还是下溢,就继续往上分解,直到分解到根.

---

删除

情况1
先找到需要删除的条目
删除它.
然后改变上一层的目录矩形形状.

情况2 删除7


删除后,一个节点下的条目小于m了.
那么就移除剩下的条目和父节点,重新插入
如果父节点所在层也发生了下溢,就循环这个过程,直到根节点.
重新插入的时候要注意插入到原来他们的所在层.
然后再插入刚刚剩余的条目,再次分解什么的.