2-3树与2-3-4树

2-3树

　　2-3树是一棵自平衡的多路查找树，它并不是一棵二叉树，具有如下性质：

（1）每个节点有1个或2个key，对应的子节点为2个子节点或3个子节点；

（2）所有叶子节点到根节点的长度一致；

（3）每个节点的key从左到右保持了从小到大的顺序，两个key之间的子树中所有的key一定大于它的父节点的左key，小于父节点的右key。

　　如下图所示，

　　为什么会有2-3树这种数据结构呢？是因为他的查询复杂度比平衡二叉树还高吗？

　　其实不是的，实际上2-3树的查询时间复杂度也是为 O(logN) ，而出现这种多路查找树，主要是跟内存与磁盘交互有关。我们知道在内存IO的速度比磁盘IO要快的多的多，但是同样空间大小的内存比硬盘要贵的多的多，像TB级别的数据库不可能全部读出来放到内存中去，太过昂贵，而且也没必要，大部分数据是不经常用的，所以就需要内存与外存互相结合，而如果用平衡二叉树这种数据结构，在大数据量的情况下，树肯定会很高，此时查个数据对磁盘读个几千上万次那肯定是不行的（有人可能说把数据的索引文件全部放到内存中，然后把源数据放在硬盘中，这样在内存中定位到源数据Id，然后去外存中取源数据，这样肯定是不行的，不要以为索引文件很小，像搜索引擎的倒排索引文件比源文件还要大），所以用多路查找树这种数据结构，高阶的情况下，树不用很高就可以标识很大的数据量了，检索次数就大大减少了，用这种数据结构去磁盘中存取数据，磁盘IO次数的次数也会很少。

　　因为2-3树是一棵自平衡的多路查找树，所以构建跟维系一棵2-3树，就比二叉平衡树要复杂的多了。

　　2-3树的插入操作，首先一定是在叶子节点，另外如果2-3树中已存在当前插入的key，则插入失败， 下面就在这两点的前提下，进行2-3树插入流程的分析：

（1）如果待插入的节点只有1个key，则直接插入即可；

（2）如果待插入的节点有2个key，则对节点进行分裂，即2个key加上待插入的key，这3个key分裂成1个key跟两个子节点，然后将分裂之后的3个key中的父节点看作向上层插入的key，然后重复（1）、（2）步骤，直到满足2-3树的定义性质。

　　如下图所示，插入“7”，而此时节点“5”只有一个key，则直接插入即可，形成节点“5 7”。

​　　此时如果再插入“6”，而节点“5 7”已经有2个key了，所以需要先进行分裂。

　　“5 7”节点与新插入的“6”分裂之后，如下图所示，

　　此时需要将“6”向父节点插入，而父节点“13 30”又包含2个key，则需要再次分裂，即如下图所示，“13 30”与“6”分裂成父节点为“13”，子节点为“6”跟“30”

　　再将节点“13”看作向父节点插入，而此时父节点“50”只有一个key，则将“13”与“50”直接合并即可，如下图所示，完成节点的插入调整，如下图所示

　　2-3树节点的插入应该还算简单，最好是自己再去找几个2-3树的图自己手画一下插入过程，加深下印象。下面再讲2-3树节点的删除。

　　关于2-3树节点的删除，首先，如果删除的key不存在，则删除失败，然后在此前提下来分析节点的删除。跟讲平衡二叉树的节点删除类似，总结也是两个判断：①删除的是什么节点？②删除了节点之后是否符合满足2-3树的性质？

​　　2-3树有4种节点：1.仅1个key的叶子节点；2.有 2个key的叶子节点；3.仅1个key的非叶子节点；4.有2个key的非叶子节点。即 1个key与2个key的节点 和 是否为叶子节点 的组合。下面就从简单到复杂的情况开始分析：

（1）当删除的节点是2个key的叶子节点，则将要删除的目标key删除即可，此时原来待删除的2个key的叶子节点，变成1个key的叶子节点，但是符合2-3树；

（2）当删除的节点是2个key的非叶子节点，则此时使用中序遍历找到待删除节点的后继节点，然后将后继节点与待删除节点位置互换，此时就将问题转化为删除节点为叶子节点（平衡树的非叶子节点中序遍历后继节点肯定叶子节点），如果该叶子是2个key，则跟情况（1）一样，如果该节点是只有1个key，则跟后面的情况（4）一样；

（3）当删除的节点是1个key的非叶子节点，实际上操作跟情况（2）是一样的，即使用中序遍历找到待删除节点的后继节点，然后将后继节点与待删除节点位置互换，此时问题转化为删除节点为叶子节点；

（4）当删除的节点是1个key的叶子节点，则将节点删除，此时树肯定不满足2-3树的性质，也即肯定需要调整，但要分情况来进行调整，而总结起来就是当前待删除的1个key的叶子节点，兄弟节点与父节点，分别是1个key还是2个key，即：

　　a.当父节点是1个key（即此时仅有一个兄弟节点），兄弟节点是2个key，则将兄弟节点的一个key上移成父节点，而父节点下移成子节点，也即跟2个key中插入新节点类似，拆成一父两子，此时树满足2-3树，完成调整。

　　b.当父节点是1个key，兄弟节点也是1个key，则此时将父节点与兄弟节点合并，将合并后的节点看成当前节点，然后重复（4）的判断，即判断合并后的当前节点的兄弟节点与父节点的情况，然后走对应的a.b.c处理，直到满足2-3树，完成调整。

　　c.当父节点是2个key，即此时有两个兄弟节点，而兄弟节点又可能有多种情况，穷举起来有：删除节点的位置左中右3个，以及另外两个兄弟节点是否为1个key或2个key的4种情况，总共3*4=12种。即，

　　　　i.若删除的是左或右节点，且中间节点只有1个key，则此时父节点的一个key下移，与中间节点合并，此时父节点为1个key，两个子节点，树满足2-3树，完成调整；

​　　　　ii.若删除的是左或右节点，且中间节点有2个key，则此时父节点的一个key下移，中间节点的一个key上移与父节点合并，此时父节点为2个key，3个子节点，树满足2-3树，完成调整；

　　　　iii.若删除的是中间节点，且右节点只有1个key，则此时父节点的一个key下移，与右节点合并，此时父节点为1个key，两个子节点，树满足2-3树，完成调整；

　　　　iv.若删除的是中间节点，且右节点有2个key，则此时父节点的一个key下移，右节点的一个key上移与父节点合并，此时父节点为2个key，3个子节点，树满足2-3树，完成调整。

　　　　计：i与ii删除左或右节点两种情况，中间节点1个key或2个key两种情况，兄弟节点1个key或2个key两种情况，总共 2x2x2=8 种；删除中间节点一种情况，iii与iv右节点1个key或2个key两种情况，左节点1个或2个key两种情况，总共 1x2x2=4 种； 4+8=12 种全齐，虽然场景有12种，但是处理的方式只有2种，一种是父节点下移与子节点合并，另一种是父节点下移成单独一个子节点，然后2个key的子节点上移一个key与父节点合并。

​

　　还是画几个图演示一下吧，如下图所示，最简单的删除情况（1），待删除的节点是2个key，直接对节点的key “5” 删除即可，

　　若删除节点是情况（2），如下图所示，删除“100”，而且此时“100”是非叶子节点且2个key，则找到后继节点“120”与“100”互换位置，然后删除“100”

　　结果如下图所示，将问题转化为删除一个key的叶子节点，且父节点为2个key，即为情况（4），删除的节点为右节点，且中间节点为一个key，也即为情况（4）中c的i，所以此时需要将父节点的一个key下移与中间节点合并

　　结果如下图所示，将父节点的一个key “120”下移，与中间节点“80”合并，最后如下右图所示，2-3树调整完成。

　　再讲另外一种，情况（4）中c的iv，如下图所示，删除节点“22”，而右兄弟节点是2个key，则需要将父节点的“30”下移成中间节点，然后右兄弟的一个key“40”上移与父节点合并，

　　此时情况（4）中c的iv调整结果如下右图所示，

　　最后再讲一种节点删除的情况，就是满二叉树的情况，根据定义的性质，满二叉树也符合2-3树，如果当满二叉树要删除叶子节点时，是符合情况（4）中的b的，即将父节点与兄弟节点合并，此时树的层数显然不平衡，即，将合并后的节点看作被删除的当前节点，而当前节点的兄弟节点与父节点依然是都是一个key，符合情况（4）的b，将父节点与兄弟节点合并，直至树平衡。

　　另外，实际上节点删除的情况中（2）（3）是可以整合到一起去处理的，即，删除节点是非叶子节点，无论待删除节点的key数是多少，都用中序排序找到后继节点，然后把问题转化为删除一个key的叶子节点去处理。

​　　备注：对于节点删除中的（4）的 b 可能没讲明白，再补充说明一下，如下图删除节点“10”，符合（4）的 b 情况，则父节点“13”与兄弟节点“18”合并，

　　合并之后如下图所示，此时符合（4）中 c 的 ii 情况，则父节点的key“22”下移，中间节点的key“30”上移，

​　　变换结果如下图所示，此时2-3树已经调整完成。这里需要注意的点是，由于之前说父子节点key的上下移对于叶子节点来说并没有子节点，但对于非叶子节点的变换是对应左旋与右旋的，所以上一步的变换，是以节点“22”做左旋操作，由父节点“降级”为子节点，而原本子节点“30”晋升为父节点，并将“30”的左子节点出让给“22”作为右子节点。

2-3-4树

　　2-3-4树只是在2-3树的基础上进行了扩展。2-3-4树也是一棵自平衡的多路查找树，具有如下性质：

（1）任一节点只能是1个或2个或3个key，对应的子节点为2个子节点或3个子节点或4个子节点；

（2）所有叶子节点到根节点的长度一致；

（3）每个节点的key从左到右保持了从小到大的顺序，两个key之间的子树中所有的key一定大于它的父节点的左key，小于父节点的右key，对于3个key的节点，两两key之间也是如此。

　　如下图所示，

　　2-3-4树插入节点跟删除节点的处理，实际上跟2-3树很像，特别是插入节点，基本上跟2-3树是一模一样，只是分裂的条件由2个key变成了3个key而已，即，

（1）如果待插入的节点不是3个key，则直接插入即可；

（2）如果待插入的节点有3个key，则对节点进行分裂，即3个key加上待插入的key，这4个key分裂成1个key跟2个子节点，然后将分裂之后的4个key中的父节点看作向上层插入的key，然后重复（1）、（2）步骤，直到满足2-3-4树的定义性质。

　　如下图所示，插入“125”，而此时待插入节点有3个key，需要对节点进行分裂，

　　“100 125 130”节点分裂之后，如下图所示，分裂成父节点“120”与两个子节点“100”与“125 130”，此时将父节点“120”看作向上层插入的key，

　　而又由于“120”的上层节点是“60 70 80”是3个key的节点，则需要对3个key节点进行分裂，如下图所示，分裂成父节点”70”与子节点“60”与“80 120”，

　　将父节点“70”看作向上层插入的key，此时上层节点“22 50”是2个key，则直接插入即可，结果如下图所示，此时满足2-3-4树，完成调整。

　　2-3-4树节点的插入就差不多这样了，也比较简单的，其实从前面到这里可以看出一些规律，就是不管是二叉查找树也好，平衡二叉树，以及2-3树的节点插入，相对来说都算简单，但是对于一棵树节点的删除却比较复杂，有的甚至需要不断的回溯到根节点才能把树调整平衡。

　　所以，关于2-3-4树节点的删除也不简单，至少比节点的插入要复杂麻烦的多，但这里就讲个大概，类比2-3树节点删除去推就可以推出来，思路是一致的。

　　2-3-4树节点的删除，首先，如果删除的key不存在，则删除失败。类比2-3树总结也是两个判断：①删除的是什么节点？②删除了节点之后是否符合满足2-3-4树的性质？

　　2-3-4树有4种节点，1个key与非1个key的节点 和 是否为叶子节点 的组合，即：1.非1个key的叶子节点；2.仅1个key的叶子节点；3.非1个key的非叶子节点；4.仅1个key的非叶子节点。

　　2-3-4节点删除操作：

（1）当删除的节点是非1个key的叶子节点，则将要删除的目标key删除即可；

（2）当删除的节点是非叶子节点，无论待删除节点的key是多少个，先使用中序遍历找到待删除节点的后继节点，然后将后继节点与待删除节点位置互换，此时就将问题转化为删除节点为叶子节点（平衡树的非叶子节点中序遍历后继节点肯定叶子节点），如果该叶子是非1个key，则跟情况（1）一样，如果该节点是只有1个key，则跟后面的情况（3）一样；

（3）当删除的节点是1个key的叶子节点，则将节点删除，此时树肯定需要调整，即：

　　a.当父节点是1个key（即此时仅有一个兄弟节点），兄弟节点是非1个key，则将兄弟节点的一个key上移成父节点，而父节点下移成子节点，此时树满足2-3-4树，完成调整。

　　b.当父节点是1个key，兄弟节点也是1个key，则此时将父节点与兄弟节点合并，将合并后的节点看成当前节点，然后重复（3）的判断，即判断合并后的当前节点的兄弟节点与父节点的情况，然后走对应的a.b.c处理，直到满足2-3-4树，完成调整。

　　c.当父节点是非1个key，即此时有两个或三个兄弟节点，此时看相邻兄弟节点是否“丰满”，也即是否为3个key，如下，

　　　　i.若删除节点的相邻兄弟节点为非3个key，则父节点的一个key下移，与相邻兄弟节点合并，此时树满足2-3树，完成调整；

　　　　ii.若删除节点的相邻兄弟节点为3个key，则父节点的一个key下移成1个key的节点，相邻兄弟节点的一个key上移与父节点合并，此时树满足2-3树，完成调整；

​

　　下面画几个图演示一下吧，如下图所示，符合（3）中的 b 情况，即对兄弟节点“18”与父节点“13”合并，

　　合并之后，如下图所示，此时符合（3）中 c 的 ii 情况，即对节点“22”做左旋操作（参考2-3树文章最后的备注部分），

　　左旋结果如下图所示，此时2-3-4树调整完成。

　　最后再重复一点，关于2-3-4树节点删除情况（3）中的 b ：“将合并后的节点看成当前节点，然后重复（3）的判断，即判断合并后的当前节点的兄弟节点与父节点的情况” 这句话，由于此时合并后的当前节点，其兄弟节点，是带有子节点的，所以此时重复（3）的判断之后，如果是 c 中的 i 或 ii 情况，对于（兄弟）key的上移与（父）key的下移，对应的子节点是需要出让的，即此时的变换，实际上为左旋或右旋，具体是左旋还是右旋，看对应的场景。