数据结构：树

前言

本文目前涉及的几种树，仅从理论方面进行探讨，暂不进行相关的代码实现。
其中关于B树和B+树的图解来自于以下链接：

B树和B+树图解原文链接

1）BST树（二叉排序树）

BST树（二叉排序树）（二叉搜索树）（Binary Sort Tree,**BST**）   
二叉排序树可以为空，如果不为空，需要满足以下几个性质：

1、非空左子树的所有键值<其根节点的键值
2、非空右子树的所有键值>其根节点的键值；
3、左右子树都是二叉排序树；

二叉排序树的查找效率并不稳定：

1. 如果它平衡，则形成平衡二叉树（AVL树），查找的时间复杂度为log2N，层级上为O(logN)级别，效率接近于二分查找。
2. 如果它完全不平衡，如上图所示，退化成链，则查找的时间复杂度便退化成了O(N)级别
   由于BST树查找效率的不稳定，故有了BST树中的特定类型：AVL树。

2）AVL树（平衡二叉搜索树）

新概念：平衡因子

平衡二叉搜索树（Self-balancing binary search tree）
  
AVL树属于BST的特定类型，满足所有BST树的定义，在此基础之上，增加以下定义：

1、如果树不为空，则任意节点的左右子树高度相差<=1

2、任意结点结点的左子树与右子树的高度差即为该结点的平衡因子。故在AVL树中任意结点的平衡因子都为（-1、1或者0）

如上图左侧的BST树，便是一种AVL树。

结点新增和删除

AVL树的查找效率变得更加稳定，且效率更高。

但同时新增和删除时的复杂度提升了不少。

新增后，如果不进行调整，就可能出现某些结点的平衡因子的绝对值>1，即之后的树可能不再是AVL树。

而维护一棵新的AVL树，则一般会针对结点进行左旋和右旋操作，四种情况下其中两种还需要进行两次旋转，才能确保树的平衡。

3）B树（B-树）（多路平衡查找树）

原文参考地址
原文参考地址
阶：B树中所有节点里最多的结点数值。 例如一颗4阶B树，那么所有结点里面，最多有4个子结点。

1.根结点至少有2棵子树。

2.每个中间节点都包含k-1个元素和k个孩子，其中 ceil（m/2） ≤ k ≤ m

3.每一个叶子节点都包含k-1个元素，其中 ceil（m/2） ≤ k ≤ m

4.所有的叶子结点都位于同一层。

5.每个节点中的元素从小到大排列，节点当中k-1个元素正好是k个孩子包含的元素的值域划分

6.类似于AVL树一样保持着有序（左小右大）

如图：三阶B树

4）B+树

1.有k个子树的中间节点包含有k个元素（B树中是k-1个元素），每个元素不保存数据，只用来索引，所有数据都保存在叶子节点。

2.所有的叶子结点中包含了全部元素的信息，及指向含这些元素记录的指针，且叶子结点本身依关键字的大小自小而大顺序链接。

3.所有的中间节点元素都同时存在于子节点，在子节点元素中是最大（或最小）元素。

总结

1）AVL树和B树对比而言，同等数据下，AVL树的查找效率还是不够高（层级会更深些）

2）B树和B+树作为数据库中使用比较多的技术来说，B+树的查找效率更高，因为维护了一条链表，在查找上比起B树来说，支持范围程度的查询。