B-树

目录

B树的特点

m阶B树的性质(m≥2)

B树 VS 二叉搜索树

搜索

添加

添加 – 上溢的解决

删除

删除 – 叶子节点

删除 – 非叶子节点

删除 – 下溢

删除 – 下溢的解决

---

B树的特点

B树是一种平衡的多路搜索树，多用于文件系统、数据库的实现

• 1 个节点可以存储超过 2 个元素、可以拥有超过 2 个子节点
• 拥有二叉搜索树的一些性质
• 平衡，每个节点的所有子树高度一致
• 比较矮

m阶B树的性质(m≥2)

假设一个节点存储的元素个数为 x 
    根节点：1 ≤ x ≤ m − 1
    非根节点：┌ m/2 ┐ − 1 ≤ x ≤ m − 1                         (┐为向上取整)
如果有子节点，子节点个数 y = x + 1 
    根节点：2 ≤ y ≤ m 
    非根节点：┌ m/2 ┐ ≤ y ≤ m                             

• 比如 m = 3，2 ≤ y ≤ 3，因此可以称为(2, 3)树、2-3树 
• 比如 m = 4，2 ≤ y ≤ 4，因此可以称为(2, 4)树、2-3-4树 
• 比如 m = 5，3 ≤ y ≤ 5，因此可以称为(3, 5)树 
• 比如 m = 6，3 ≤ y ≤ 6，因此可以称为(3, 6)树 
• 比如 m = 7，4 ≤ y ≤ 7，因此可以称为(4, 7)树

三阶B树

四阶B树

B树 VS 二叉搜索树

1. B树 和 二叉搜索树，在逻辑上是等价的
       多代节点合并，可以获得一个超级节点 
       2代合并的超级节点，最多拥有 4 个子节点(至少是 4阶B树) 
       3代合并的超级节点，最多拥有 8 个子节点(至少是 8阶B树) 
       n代合并的超级节点，最多拥有 2n个子节点(至少是 2n阶B树)
2. m阶B树，最多需要 log2m 代合并

搜索

跟二叉搜索树的搜索类似

1. 先在节点内部从小到大开始搜索元素 
2. 如果命中，搜索结束 
3. 如果未命中，再去对应的子节点中搜索元素，
4. 重复步骤 1

添加

1. 新添加的元素必定是添加到叶子节点(4阶B树)

2. 插入55

3. 插入95

4.插入98, 最右下角的叶子节点的元素个数将超过限制; 这种现象可以称之为: 上溢(overflow)

添加 – 上溢的解决

1. 上溢节点的元素个数必然等于 m

2. 假设上溢节点最中间元素的位置为 k 
    将 k 位置的元素向上与父节点合并
    将 [0, k-1] 和 [k + 1, m - 1] 位置的元素分裂成 2 个子节点 
    这 2 个子节点的元素个数，必然都不会低于最低限制(┌ m/2 ┐ − 1)

3. 一次分裂完毕后，有可能导致父节点上溢，依然按照上述方法解决
    最极端的情况，有可能一直分裂到根节点

例: 36为新添加节点(假设5阶)

删除

删除 – 叶子节点

删除节点9, 直接删除即可

删除 – 非叶子节点

假如需要删除的元素在非叶子节点中

1.  先找到前驱或后继元素，覆盖所需删除元素的值
2. 再把前驱或后继元素删除

例: 删除节点95

非叶子节点的前驱或后继元素，必定在叶子节点中; 所以这里的删除前驱或后继元素 ，就是最开始提到的情况：删除的元素在叶子节点中; 即: 真正的删除元素都是发生在叶子节点中 

删除 – 下溢

 删除节点10  (假设这是一棵4阶B树)

叶子节点被删掉一个元素后，元素个数可能会低于最低限制 ( ≥ ┌ m/2 ┐ − 1 )

这种现象称为: 下溢 (underflow)

删除 – 下溢的解决

1. 下溢节点的元素数量必然等于 ┌ m/2 ┐ − 2 
2. 如果下溢节点临近的兄弟节点，有至少 ┌ m/2 ┐ 个元素，可以向其借一个元素
     将父节点的元素 b 插入到下溢节点的 0 位置(最小位置)
     用兄弟节点的元素 a（最大的元素）替代父节点的元素 b 
     这种操作其实就是：旋转

3. 如果下溢节点临近的兄弟节点，只有 ┌ m/2 ┐ − 1 个元素
     将父节点的元素 b 挪下来跟左右子节点进行合并
    合并后的节点元素个数等于┌ m/2 ┐ + ┌ m/2 ┐ − 2，不超过 m − 1
    这个操作可能会导致父节点下溢，依然按照上述方法解决，下溢现象可能会一直往上传播, 导致B树高度降低

参考资料:  小码哥教育<<恋上数据结构与算法>>