2019年08月_韩某Hyman

12月 11月 10月 09月 08月 07月 06月 04月

原创 B-tree、B+tree详解（四）使用场景

B-tree和B+tree的使用场景文件系统和数据库系统中常用的B/B+ 树，他通过对每个节点存储个数的扩展，使得对连续的数据能够进行较快的定位和访问，能够有效减少查找时间，提高存储的空间局部性从而减少IO操作。他广泛用于文件系统及数据库中，如：Windows：HPFS 文件系统Mac：HFS，HFS+ 文件系统Linux：ResiserFS，XFS，Ext3FS，JFS 文件系统数据库：ORACLE，MYSQL，SQLSERVER 等中

2019-08-28 20:16:18 1129

原创 B-tree、B+tree详解（三）聚簇索引与非聚簇索引

聚簇索引(Clustered Index)和非聚簇索引(Non- Clustered Index)最通俗的解释是:聚簇索引的顺序就是数据的物理存储顺序，而对非聚簇索引的索引顺序与数据物理排列顺序无关。举例来说，你翻到新华字典的汉字“爬”那一页就是P开头的部分，这就是物理存储顺序（聚簇索引）；而不用你到目录，找到汉字“爬”所在的页码，然后根据页码找到这个字（非聚簇索引）。聚簇索引的唯一性正式聚簇索引的顺序就是数据的物理存储顺序，所以一个表最多只能有一个聚簇索引，因为物理存储只能有一个顺序。正因为

2019-08-28 10:35:40 2928

原创 B-tree、B+tree详解（二）插入与删除

B-tree关键字插入操作生成从空树开始，逐个插入关键字。但是由于B-树节点关键字必须大于等于[ceil(m/2)-1],（其中ceil(x)是一个取上限的函数）所以每次插入一个关键字；首先在最底层（叶子节点那一层）的某个非终端节点中添加一个“关键字”，该结点的关键字不超过m-1,则插入完成；否则要产生结点的“分裂”，将一半数量的关键字分裂到新的其相邻右结点中，中间关键字上移到父结点中。示例插入以下字符字母到一棵空的B 树中（非根结点关键字数小了（小于2个）就合并，大了（超过4个）就分裂）：

2019-08-28 06:28:09 9515 1

原创 B-tree、B+tree详解（一）概念与查找

前言B+树索引是B+树在数据库中的一种实现，是最常见也是数据库中使用最为频繁的一种索引。因为B+树是从最早的平衡二叉树演化而来的。在讲B+树之前必须先了解二叉查找树、平衡二叉树（AVLTree）和平衡多路查找树（B-Tree），B+树即由这些树逐步优化而来。详情请查看上一篇文章（二叉查找树与平衡二叉树）！概念B-tree（多路搜索树，平衡多路查找树，并不是二叉的）：是一种常见的数据结构。相对于二叉，B-tree的每个内结点有多个分支，即多叉。B+tree：与B-tree的树结构类似，是在B-

2019-08-15 19:50:09 2966

原创二叉查找树与平衡二叉树

最近在恶补高级数据库方面的知识，发现大学时学的数据结构什么的都忘了，从最基础的二叉树开始吧。概念二叉查找树：又称二叉排序树（Binary Sort Tree）或二叉搜索树（Binary Search Tree）。平衡二叉树：（Balanced Binary Tree）它是一棵空树或它的左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。详解二叉查找树二叉树具有以下性质：左子树的键值小于根的键值，右子树的键值大于根的键值。如下图所示就是一棵二叉查找树

2019-08-15 15:26:41 2110