二叉搜索树 平衡二叉树 红黑树 B树 B+树的简单对比
名称 | 简称 | 特点 | 平衡性 | 查找 | 插入 | 删除 | 优势 | 应用 |
---|---|---|---|---|---|---|---|---|
二叉搜索树 | BST | 索引树,由于构建不稳定,查找效率不稳定 | 无 | 不稳定,跟具体构建树相关,最好O(logn),最差O(N) | 直接插入 | 删除的是叶子节点或只有左或右子树比较简单,如同时存在左右子树,那么要找到前驱或后继代替原先节点,再删除 | 性能高于线性查找 | 暂无 |
平衡二叉树 | AVL | 索引树,BST进化版,自平衡,查找效率稳定 | 有 | 最好最坏都是O(lgn) | 最多需要2次旋转 | 最多需要lgN次旋转 | 高度平衡,进一步提升查询效率 | 暂无 |
红黑树 | RBT | 索引树,BST进化版,自平衡,查找效率相对稳定 | 有 | 基本维持在O(lgn),最坏比AVL略差(2lg(n+1)) | 最多需要2次旋转,3次变色 | 最多需要3次旋转 | 自平衡,进一步提升查询效率 | Java中TreeSet和TreeMap,JDK 8以后,HashMap的设计 |
B树 | ^ | 多路查找树,提升IO效率,索引树进化而来 | 有 | IO次数取决于高度,减少IO次数 | 1.可以直接插入的情况2.插入后破环平衡,需要进行分裂 | 1.可以直接删除2.直接删除后破环平衡,先向左右子树“借”节点3.直接删除后破环平衡,左右子树“借”不到节点,合并子树 | 降低IO次数 | 文件系统索引和部分非关系型数据库,如MongoDB |
B+树 | ^ | 多路查找树,提升IO效率,B树进化版 | 有 | 进一步减少IO次数 | 类似B树 | 类似B树 | 进一步降低IO次数,范围查询方便,查询性能稳定 | 大多关系型数据库使用B+树作为索引 |
另外提一下哈夫曼树,上面的几个都是查找树,而哈夫曼树的设计不是为了查找,而是为了减少编码长度。哈夫曼树多应用于压缩技术(哈夫曼编码)