树
二叉树
二叉查找树的特点就是左子树的节点值比父亲节点小，而右子树的节点值比父亲节点大
正常:查找时间复杂度O(logn)
缺点:极端:O(n) 全在一列
AVL树
主要特点 :任何给定的节点的子树的高度相差最多为1
保证平衡性的最大的目的就是降低树的高度，因为树的查找性能取决于树的高度。所以树的高度越低搜索的效率越高！
平衡二叉树
平衡二叉树特点：
①非叶子节点最多拥有两个子节点。
②非叶子节点值大于左边子节点、小于右边子节点。
③树的左右两边的层级数相差不会大于1。
④没有值相等重复的节点。
目的:解决二叉树的出现极端情况而影响查找效率 使用方法:单旋转(当太高的树到给点节点路径为一条直线,或者说是外部的树),**双旋转(**当太高的树是内部,或者到给定节点路径不为直线,先旋转内部,在旋转外部)
旋转的方向根据路径连接(如/ 则顺时针旋转,\则逆时针旋转),
查找时间复杂度:O(logn)
缺点:由于特点,在插入删除频繁时,经常要进行旋转,影响效率_>红黑树
↓
红黑树(只有叶子节点存储数据)
特点:
1.叶子节点都是黑色的. 根节点不一定要为黑色.
2.不能连续出现红色节点.(该节点为红色,子节点必须为黑色)
3.树的所有叶节点必须具有相同的黑色深度(叶节点到根节点的黑色节点个数减1)
2)为什么从每个叶子到根的所有路径上不能有两个连续的红色节点？
为了保证树的平衡，保证最长的路径最多是最短路径的的两倍。->保证时间复杂度在logn以内
想象一下，由于每条路径上的黑色节点都必须相等，所以最短的路径肯定是全是黑色节点。那最长的路径呢，如果要求红色的点不能连续，那最长的路径肯定是红黑相隔，由于根节点是黑色的，所以，最长的路径应该是黑色节点和红色节点一样多，也就是黑色节点的两倍。
红黑树的形成方法 :颜色翻转,单双旋转(根据红色节点到根节点是否为一条直线)
伸展树:
伸展树也是二叉树的变体.
特点:每次访问树时,通过旋转重排树,使得访问的节点位于树的根部.
B树:(B-,B+,B*),一般B树指的是B-树
B树是一种多叉树,平衡多路查找树.
需求(出现原因):
需求1(从内存占用角度):
在程序员算法书中是这样说的,{上述的树算法对于完全可以在内存中维护的数据工做得很好.如果不是这样,就需要一种适用于磁盘存储器的树算法.利用磁盘存储器具有它自己的一组特殊的限制:
- 与访问内存中的数据所需的时间相比,访问磁盘上的数据非常慢.
- 最好对相当大的数据块执行读/写操作.实际上一次读入的数据越多,就会做的越好(一定范围内).一般使用2048~4096字节的数据块大小.
简单翻译一下:当算法执行需要占用较大的空间(内存空间不够,内存空间价格高昂相比于磁盘空间),为了减少内存占用,就研发出了一种适用于磁盘存储器的树算法().
另一种需求说法:(从二叉树存在问题角度)
二叉树的操作效率较高，但是也存在问题.
二叉树需要加载到内存的，如果二叉树的结点少，没有什么问题，但是如果二叉树的结点很多(比如1亿)， 就存在如下问题:
- 问题1：在构建二叉树时，需要多次进行I/O操作(海量数据存在数据库或文件中)，结点海量，构建二叉树时，速度有影响
- 问题2：结点海量，也会造成二叉树的高度很大，会降低操作速度
第三种需求(从mysql/数据结构角度)
Mysql索引为什么用B+树而不用B-树 - 問天 - 博客园 (cnblogs.com)
先从数据结构的角度来看
我们知道B-树和B+树最重要的一个区别就是B+树只有叶节点存放数据，其余节点用来索引，而B-树是每个索引节点都会有Data域。
这就决定了B+树更适合用来存储外部数据，也就是所谓的磁盘数据。
从Mysql（Inoodb）的角度来看
B+树是用来充当索引的，一般来说索引非常大，尤其是关系性数据库这种数据量大的索引能达到亿级别，所以为了减少内存的占用，索引也会被存储在磁盘上。
那么Mysql如何衡量查询效率呢？磁盘IO次数，B-树（B类树）的特定就是每层节点数目非常多，层数很少，目的就是为了就少磁盘IO次数，当查询数据的时候，最好的情况就是很快找到目标索引，然后读取数据，使用B+树就能很好的完成这个目的，但是B-树的每个节点都有data域（指针），这无疑增大了节点大小，说白了增加了磁盘IO次数（磁盘IO一次读出的数据量大小是固定的，单个数据变大，每次读出的就少，IO次数增多，一次IO多耗时啊！），而B+树除了叶子节点其它节点并不存储数据，节点小，磁盘IO次数就少。这是优点之一。
另一个优点是什么，B+树所有的Data域在叶子节点，一般来说都会进行一个优化，就是将所有的叶子节点用指针串起来。这样遍历叶子节点就能获得全部数据，这样就能进行区间访问啦。
(数据库索引采用B+树的主要原因是 B树在提高了磁盘IO性能的同时并没有解决元素遍历的效率低下的问题。正是为了解决这个问题，B+树应运而生。B+树只要遍历叶子节点就可以实现整棵树的遍历。而且在数据库中基于范围的查询是非常频繁的，而B树不支持这样的操作（或者说效率太低）)
至于MongoDB为什么使用B-树而不是B+树，可以从它的设计角度来考虑，它并不是传统的关系性数据库，而是以Json格式作为存储的nosql，目的就是高性能，高可用，易扩展。首先它摆脱了关系模型，上面所述的优点2需求就没那么强烈了，其次Mysql由于使用B+树，数据都在叶节点上，每次查询都需要访问到叶节点，而MongoDB使用B-树，所有节点都有Data域，只要找到指定索引就可以进行访问，无疑单次查询平均快于Mysql（但侧面来看Mysql至少平均查询耗时差不多）。
总体来说，Mysql选用B+树和MongoDB选用B-树还是以自己的需求来选择的。
B树相对于红黑树的区别
在大规模数据存储的时候，红黑树往往出现由于树的深度过大而造成磁盘IO读写过于频繁，进而导致效率低下的情况。为什么会出现这样的情况，我们知道要获取磁盘上数据，必须先通过磁盘移动臂移动到数据所在的柱面，然后找到指定盘面，接着旋转盘面找到数据所在的磁道，最后对数据进行读写。磁盘IO代价主要花费在查找所需的柱面上，树的深度过大会造成磁盘IO频繁读写。根据磁盘查找存取的次数往往由树的高度所决定，所以，只要我们通过某种较好的树结构减少树的结构尽量减少树的高度，B树可以有多个子女，从几十到上千，可以降低树的高度。
补充:
减少磁盘IO访问次数(I/O访问时间通常为毫秒级,CPU活动一般发生在亚微妙级[比微妙大一些])
每次读写数据块大小(缓冲区)一般大小为2k~4K之间,原因在于大于4K后性能影响不大(在MS-DOS系统[微软磁盘操作系统]中),如下图:
三种树的出现主要缘由:
B-树可以有效降低IO次数(通过降低树的高度,即每个节点可以存储多个数据,且每个节点根据n阶可以有个n-1个节点来降低树的高度),B+树将数据存放在叶子节点中又减少了内存的占用(想想只有到叶子节点时才比较大),B*树的改进是增大空间利用率,又进一步减少.
B-树:每个节点有会存储数据 B+树:只有叶子节点存储数据. ->B+树更适合用来存储外部数据(磁盘数据)
B+树最大空间浪费(1/2),B*(B+树的变体)最大浪费空间(1/3).
b树(b-树)
定义:
B树也称B-树,它是一颗多路平衡查找树。
我们描述一颗B树时需要指定它的阶数，阶数表示了一个结点最多有多少个孩子结点，一般用字母m表示阶数。当m取2时，就是我们常见的二叉搜索树。
m阶B树规则:
1.根节点可以只有一个元素,2个子节点
2.每个结点有k-1个元素,k个子节点(m/2<=k<=m)
3.叶节点有k-1个元素(m/2<=k<=m)
3.叶子节点都在同一层
4.元素大小按顺序排列(从左到右
详细增删例子:
https://blog.csdn.net/Fmuma/article/details/80287924
b树视频讲解:
https://www.bilibili.com/video/BV1et4y117wc?from=search&seid=2745291156776152836
B+树:
定义规则(基本相同与b树)
各种资料上B+树的定义各有不同，一种定义方式是关键字个数和孩子结点个数相同。这里我们采取维基百科上所定义的方式，即关键字个数比孩子结点个数小1，这种方式是和B树基本等价的。上图就是一颗阶数为4的B+树。
区别
B+树与B树最大的不同是内部结点(索引节点)不保存数据，只用于索引，所有数据（或者说记录）都保存在叶子结点中。
详细增删例子:
https://blog.csdn.net/Fmuma/article/details/80287924
B*树
规则:
B*树是B+树的变种，区别如下：
①首先是关键字个数限制问题，B+树初始化的关键字初始化个数是cei(m/2)，B*树的初始化个数为cei(2/3m)。
②B+树节点满时就会分裂，而B*树节点满时会检查兄弟节点是否满(因为每个节点都有指向兄弟的指针)，如果兄弟节点未满则向兄弟节点转移关键字，如果兄弟节点已满，则从当前节点和兄弟节点各拿出1/3的数据创建一个新的节点出来。
特点:
在B+树的基础上因其初始化的容量变大，使得节点空间使用率更高，而又存有兄弟节点的指针，可以向兄弟节点转移关键字的特性使得B*树额分解次数变得更少；
621
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
