数据结构笔记:R树

R-trees: a dynamic index structure for spatial searching 1984

1 介绍

  • R树可以看作B树再高维空间的扩展。它很好的解决了在高维空间搜索等问题。
    • 采用了B树分割空间的思想,并在添加、删除操作时采用合并、分解结点的方法,保证树的平衡性
    • R树就是一棵用来存储高维数据的平衡树

2 R树数据结构

  • R树采用了一种称为MBR(Minimal Bounding Rectangle,最小边界矩形)的方法,来分割空间
    • 从叶子结点开始用矩形(rectangle)将空间框起来,结点越往上,框住的空间就越大,以此对空间进行分割
    • R树的每个结点不存放空间要素的值。叶结点中存储该结点对应的空间要素的外包络矩形和空间要素标识

  • 首先假设所有数据都是二维空间下的点,图中仅仅标志了R8区域中的数据,也就是那个shape of data object
  • 为了实现R树结构,用一个最小边界矩形恰好框住这个不规则区域
    • 这样就构造出了一个区域:R8
    • 其他实线包围住的区域,如R9,R10,R12等都是同样的道理
      • 一共得到了12个最最基本的最小矩形。这些矩形都将被存储在子结点中
  • 下一步操作就是进行高一层次的处理。我们发现R8,R9,R10三个矩形距离最为靠近,因此就可以用一个更大的矩形R3恰好框住这3个矩形
    • 同样道理,R15,R16被R6恰好框住,R11,R12被R4恰好框住
    • 所有最基本的最小边界矩形被框入更大的矩形中之后
  • 再次迭代,用更大的框去框住这些矩形
  • 根据R树的这种数据结构,当我们需要进行一个高维空间查询时,我们只需要遍历少数几个叶子结点所包含的指针,查看这些指针指向的数据是否满足要求即可。
    • ——>这种方式使我们不必遍历所有数据即可获得答案,效率显著提高

3 R树的查找

4 R树性质

  • 除非它是根结点之外,所有叶子结点包含有m至M个记录索引(条目)。

    • 作为根结点的叶子结点所具有的记录个数可以少于m。通常,m=M/2。

  • 每一个非叶子结点拥有m至M个孩子结点,除非它是根结点

  • 所有叶子结点都位于同一层,因此R树为平衡树

5 叶子节点的结构

  • 叶子结点所保存的数据形式为:(I, tuple-identifier)
    • tuple-identifier表示的是一个存放于数据库中的tuple,也就是一条记录,它是n维的。
    • I是一个n维空间的矩形,并可以恰好框住这个叶子结点中所有记录代表的n维空间中的点。
      • I=(I0,I1,…,In-1)
    • I所代表的就是图中的矩形
    • 有两个tuple-identifier,在图中即表示为那两个点

5 非叶子节点的结构

  • R树的非叶子结点存放的数据结构为:(I, child-pointer)
    • child-pointer是指向孩子结点的指针
    • I是覆盖所有孩子结点对应矩形的矩形

6 R树的插入

6.1 有足够的空间插入

  • 由于插入的x所在的区域P2的数据条目仍然有足够的空间容纳条目x,且x的区域面积即MBR也位于区域P2之内
  • 所以这种情况下,我们认为x拥有足够的插入空间。

6.2 增大MBR

由于插入的y所在的区域P2的数据条目仍然有足够的空间容纳条目y,但是y的区域面积即MBR并不完全位于P2的区域之内,因此我们在插入数据y后会导致P2区域的相应扩大

6.3 需要进行分裂的插入

  • 由于插入的w所在的区域P1的数据条目已经没有足够的空间容纳条目w,因为假设我们定义R树的阶m=4,而区域P1已经容纳了四个条目「A,B,C,K」了,插入w后孩子数为5,已经超过m=4了
  • 所以要进行分类操作,来保证树的平衡性

  • 采用分裂算法对结点(区域)P2进行合理地分裂
    • 使其分裂成P1(包含A,B)和P5(包含k,w)两个结点
  • 由于分裂之后原来根结点「P1,P2,P3,P4」变成了「P1,P2,P3,P,P5」,因此根结点的孩子数由4变成5,超过了阶数m=4.
    • 所以根结点也要进行分裂,分裂成Q1(包含P1,P5,P2)和Q2(包含P3,P4)两个结点
  • 由于此时分裂已经传递到根结点,所以生成新的根结点记录Q1,Q2。

7 分裂

7.1 挑选seed

  • 对于所有条目中的每一对E1和E2,计算可以包裹着E1,E2的最小限定框J=MBR(E1, E2) ,
    • 然后计算增量d= J-E1-E2.
      • 从 J 的面积中减去E1 和 E2 的面积,以找到包含两者所需的额外空间。
      • 这个增量 d 反映了将E1 和E2 放在同一个边界矩形中所需的“额外”空间。
    • 计算结束后选择d最大的一对(即增量最大)
      • 选择增量 d 最大的一对条目的原因是,这样可以保证分裂后,生成的两个分组之间的重叠区域最小

7.2 分类条目分组

  • 挑选出seed1和seed2后,就将剩下的要分配的分裂条目分给这两个seed使它们各称为一个组
    • 这个分配的原则就是离谁比较“近”就和谁一组
      • 近指的是,对于条目E,分别计算可以包裹着E和seed1的最小限定框J1=MBR(E,seed1), 可以包裹着E和seed2的最小限定框J2=MBR(E,seed2)
      • 再分别计算增量d1=J1-E-seed1,d2=J2-E-seed2。d1,d2哪个小就说明哪个“近”

8 删除

  • B树删除过程中,如果出现结点的记录数少于半满(即下溢)的情况,则直接把这些记录与其他叶子的记录“融合”(两个相邻结点合并)
  • R树却是直接重新插入

举例:

以下是原始的空间分割和R-tree

 现在删除一个绿色的区域

 此时对应的MBR中只有一条记录,不满足R树性质,发生下溢,将另一个绿色的区域放入链表中

 放入链表后,上层MBR也只有一条记录,所以也放入链表中

 分别进行插入操作(也是一样,先找到矩形应该插入的位置,然后判断是否需要分裂)

参考内容:什么是R树? - 知乎 (zhihu.com)

空间数据索引RTree(R树)完全解析及Java实现 - 佳佳牛 - 博客园 (cnblogs.com)

  • 0
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UQI-LIUWJ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值