常见树结构的逻辑梳理

本文目的：常见树结构的梳理

常用的有哪些树结构？二叉树、AVL（平衡树）、红黑树、B树、B+树…(小和尚念经中)
为什么要有这么多树嘞？一棵树遮风挡雨还不够吗？那当然是不够的！

二叉树：小的数据放左边，大数据放右边，查找时类似于二分查找，时间复杂度可控制在O(logn)，属于结构最为简单的树结构，原理简单粗暴，但是在极端情况下，二叉树会退化为链表，这时候其时间复杂度会变成O(n)；

为了避免极端情况下，二叉树退化为链表，所以出现了：
AVL树，但是AVL树的要求过于苛刻，因为要避免退化为链表，所以要求每个节点的左子树和右子树的高度差至多等于1，但这导致插入和删除时极易破坏树的结构；为了满足条件时常需要进行太多的左旋右旋去维持树的形状，这就极大地增加了时间复杂度；

为了适应插入和删除较频繁的场景就出现了：
红黑树，红⿊树的平衡性不如 AVL 树，它维持的只是⼀种⼤致的平衡，不严格保证左右⼦树的⾼度差不超过 1。
在插⼊时，红⿊树和 AVL 树都能在⾄多两次旋转内恢复平衡，在删除时由于红⿊树只追求⼤致平衡，因此红⿊树⾄多三次旋转可以恢复平衡，⽽ AVL 树最多需要 O(logn) 次。AVL 树在插⼊和删除时，将向上回溯确定是否需要旋转，这个回溯的时间成本最差为 O(logn)，⽽红⿊树每次向上回溯的步⻓为 2，回溯成本低。因此⾯对频繁地插⼊与删除红⿊树更加合适，但是查找方面，红黑树与之相比还是较低的。

到此，满足了数据的查找、插入和删除需求，应该是够用了，不过为什么又出现了B树和B+树呢？
这可以从B树的应用场景中窥探一二：B树多用于文件系统的索引，这是由于B树与前述相比之下具有更多的子树，这也就意味着同样多的数据，利用B树所形成的的树会更矮一点，更矮就代表更高的搜索效率。这也就是B树的优点：多路存储。
所以回到最初的问题，为什么出现了B树呢？ 是为了应付极大数据量的查找和加载，如文件系统和数据库中。

那B+树是做什么的嘞？
B+树是B树的一个变种，两者区别在于：B 树中每个节点同时存储 key（索引） 和 data，⽽ B+ 树中只有叶⼦节点才存储 data，⾮叶⼦节点只存储 key（索引）。
看出区别了没？B+树的所有数据都只存储在叶子节点上！
InnoDB 对 B+ 树进⾏了优化，在每个叶⼦节点上增加了⼀个指向相邻叶⼦节点的链表指针，形成了带有顺序指针的 B+ 树，提⾼区间访问的性能。（不要小看这个变动，这就形成了一个链表啊！搜索数据岂不是很方便！）
因此B+树拥有更加优越的搜索效率，不需要像B树那样跨层搜索数据，而且由于叶子节点形成了链表，通过定位首尾位置，甚至能够直接将整条链表数据取出！