数据结构day6——索引技术

 1.线性索引

线性索引的索引文件是一组顺序的关键码/指针对，按照关键码进行排序，指针指向磁盘中的完整记录。

1）一维数组线性索引

局限性：可能会太大了导致无法存到主存，只能存到磁盘，哪怕使用二分检索，造成的IO代价也很高。

解决办法：二级索引；二级索引是存储目标关键码的索引文件所在的磁盘块的。比如说，一个线性索引文件占据磁盘中的一百块，则二级索引文件中就要保存一百项，每一项中存储的是该块的第一个位置的关键码值。每次检索时先检索二级索引（二级索引文件相对较小，可存在主存中），查到关键码所在的块号，再从磁盘中读出此块，再二分检索到实际关键码，通过指针再从磁盘中 得到完整记录。

线性索引的插入与删除效率：在往数据库中添加或删除一条记录时，要保持线性索引的线性顺序，二级索引表也需要更新，整个线性索引表都需要相对新插入的关键码所在位置进行移动。

另一个问题是线性索引中存在重复码，比如性别女，这样的记录可能有多条。

2）二维数组线性索引

二维数组：针对上述问题的改进，一行对应一个辅码，和一些主码。这样每行的辅码就不会重复了。如果要插入一个对应的辅码的记录的话，只需要在对应的辅码后面，将这条记录的主码值添上即可。当且仅当新添加的辅码未在二维数组索引中出现过的时候，才会移动数组中的多行以保持有序。

二维数组索引的缺陷：因为每行大小是固定的，每行大小至少应该比数据库中拥有相同辅码的最大记录数大1.所以那些相关辅码记录数比数组长度小的，就会浪费一些数组空间。

3）倒排表

分为辅码索引表和主码索引表。是指辅码索引表中的一项指向一组主码值，每个主码指向一个完整记录。 

2.ISAM

磁盘按照柱面进行组织，每个柱面维护一个表，该表存储了柱面中每个块中存储的关键码的最小值。除此之外每个柱面维护一个溢出表。

查询时，先通过主存中的索引表，根据关键码查出其所在的柱面，再访问柱面中的索引表，查出该关键码所在的块，如果在块中没有找到就检查溢出表，柱面溢出表中找不到就查找系统级溢出表。

3.树形索引

1）2-3树

2-3树的特征：a 一个结点包含一个或两个关键码；b 每个内部结点（当其只有一个关键码时）有2个子女，或者3个子女（有两个关键码时）；c 所有叶结点都在树的同一层，因此树的高度总是平衡的。

2-3树有与BST相似的排序特征：左子树中的值全部小于根结点的第一个关键码值，中子树（如果有）中的值全部大于等于第一个关键码的值，且小于第二个关键码的值。右子树的所有值大于等于第二个关键码的值。

一个高度为k的2-3树至少2^（k-1）个结点，至多3^（k-1）个结点。 

2-3树的插入：将新加入的关键码添加到到对应位置的叶结点即可。如果该叶结点已经有两个关键码了，则分裂该叶结点为两个，左边的结点放最小的一个关键码，右边的结点放最大的关键码，中间的关键码则提升到父结点中去；如果父结点已满，则再对父结点做一次分裂提升，重复此过程直到关键码可以被放下。

2-3树的删除：和BST的删除类似。

2）B树

B树的特点：所有叶结点都在同一层；更新和检索只影响一些磁盘页，性能很好；相关记录放在同一个磁盘中，利用访问性局部原理；

m阶B树：根结点要么是叶结点，要么必有两个子女；内部结点必有m/2到m个子女，树高是平衡的；每个结点最多m-1个关键码

所以说，2-3树实际上就是3阶的B树。

B树的检索：在当前结点对关键码进行二分搜索，如果找到关键码，就返回这条记录，（如果是叶结点且没有找到对应的关键码，则返回检索失败）；再从此正确分支继续向下搜素。

B树的插入也和2-3树的套路是一样的，拆分-->提升法。

3）B+树

B+树，特点是只在叶结点中存储数据（实际记录或指向实际记录的指针）。内部结点存储关键码值，只做引导检索的作用。

m阶的B+树中的叶结点可存储小于大于等于m记录数，且叶结点一般会链接起来，形成双链表，这样的话遍历此双链表就会得到有序的记录。 

B+树的插入，也是拆分提升法，如果插入的结点满了，就将其均分为两个结点，将右边结点中最小的关键码提升到父结点中去，以此类推。

B+树的删除：由于B+树的记录数至少半满，所以是存在一个下限的，如果删除了结点后已经到达了下限，就会导致下溢，这时需要采取一定措施保持结点足够满。第一选择是查看兄弟节点看其是否有多余记录以填补这个空缺，一般取兄弟结点所拥有的一半记录，这也会导致可能要修改父结点的值，以反映每个结点真正的第一个关键码值。如果说没有兄弟结点是可以借记录的，那就将此结点中的记录与兄弟结点合并，并删除此结点。合并可能导致父亲结点的数目不符合结点数目下限了，同样也看兄弟结点有没有子结点可以借用的。这个过程要一直保持所有父亲结点的存储关键码正确。

4）B*树，B*树 

B*树与B+树的差别是，在插入上溢时不分裂，而是将记录分给兄弟结点，如果兄弟结点也满了，就将这两个结点分成三个结点。同样，下溢的时候，就另外两个兄弟结点合并，从3个变成2个结点。

5）B树的分析，3类B树的操作代价都是O（logn）。