【数据结构从0到1】第十一篇：B-树-CSDN博客

本文链接：https://blog.csdn.net/qq_52809807/article/details/127169140

文章目录

一、常见的搜索结构
二、B树概念
三、B-树的插入分析
四、B-树的插入实现
五、B+树和B*树
六、B-树的应用

一、常见的搜索结构

在这里插入图片描述
以上结构适合用于数据量相对不是很大，能够一次性存放在内存中，进行数据查找的场景。如果
数据量很大，比如有100G数据，无法一次放进内存中，那就只能放在磁盘上了，如果放在磁盘
上，有需要搜索某些数据，那么如果处理呢？那么我们可以考虑将存放关键字及其映射的数据的
地址放到一个内存中的搜索树的节点中，那么要访问数据时，先取这个地址去磁盘访问数据。
在这里插入图片描述

使用平衡二叉树搜索树的缺陷：
平衡二叉树搜索树的高度是logN，这个查找次数在内存中是很快的。但是当数据都在磁盘中时，
访问磁盘速度很慢，在数据量很大时，logN次的磁盘访问，是一个难以接受的结果。

使用哈希表的缺陷：
哈希表的效率很高是O(1)，但是一些极端场景下某个位置冲突很多，导致访问次数剧增，也是难
以接受的。

那如何加速对数据的访问呢？

提高IO的速度(SSD相比传统机械硬盘快了不少，但是还是没有得到本质性的提升)
降低树的高度—多叉树平衡树

二、B树概念

1970年，R.Bayer和E.mccreight提出了一种适合外查找的树，它是一种平衡的多叉树，称为B树
(后面有一个B的改进版本B+树，然后有些地方的B树写的的是B-树，注意不要误读成"B减树")。一棵m阶(m>2)的B树，是一棵平衡的M路平衡搜索树，可以是空树或者满足一下性质：

根节点至少有两个孩子
每个分支节点都包含k-1个关键字和k个孩子，其中 ceil(m/2) ≤ k ≤ m ceil是向上取整函数
每个叶子节点都包含k-1个关键字，其中 ceil(m/2) ≤ k ≤ m
所有的叶子节点都在同一层
每个节点中的关键字从小到大排列，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
**每个结点的结构为：（n，A0，K1，A1，K2，A2，… ，Kn，An）**其中，Ki(1≤i≤n)为关键字，且Ki<Ki+1(1≤i≤n-1)。Ai(0≤i≤n)为指向子树根结点的指针。且Ai所指子树所有结点中的
关键字均小于Ki+1。n为结点中关键字的个数，满足ceil(m/2)-1≤n≤m-1。

三、B-树的插入分析

为了简单起见，假设M = 3. 即三叉树，每个节点中存储两个数据，两个数据可以将区间分割成三
个部分，因此节点应该有三个孩子，为了后续实现简单期间，节点的结构如下：
在这里插入图片描述
注意：孩子永远比数据多一个。
用序列{53, 139, 75, 49, 145, 36, 101}构建B树的过程如下：

在这里插入图片描述
插入过程总结：

如果树为空，直接插入新节点中，该节点为树的根节点
树非空，找待插入元素在树中的插入位置(注意：找到的插入节点位置一定在叶子节点中)
检测是否找到插入位置(假设树中的key唯一，即该元素已经存在时则不插入)
按照插入排序的思想将该元素插入到找到的节点中
检测该节点是否满足B-树的性质：即该节点中的元素个数是否等于M，如果小于则满足
如果插入后节点不满足B树的性质，需要对该节点进行分裂：
申请新节点
找到该节点的中间位置
将该节点中间位置右侧的元素以及其孩子搬移到新节点中
将中间位置元素以及新节点往该节点的双亲节点中插入，即继续4
如果向上已经分裂到根节点的位置，插入结束

四、B-树的插入实现

#pragma once
#include <iostream>
using namespace std;

namespace ns_bTree
{
	template<class K, size_t M>
	struct BTreeNode
	{
		//K _keys[M - 1];
		//BTreeNode<K, M>* _subs[M];

		// 为了方便插入以后再分裂，多给一个空间
		K _keys[M];
		BTreeNode<K, M>* _subs[M + 1];
		size_t _n;
		BTreeNode<K, M>* _parent;

		BTreeNode()
		{
			for (int i = 0; i < M; ++i)
			{
				_keys[i] = K();
				_subs[i] = nullptr;
			}
			_n = 0;
			_subs[M] = nullptr;
			_parent = nullptr;
		}

		~BTreeNode()
		{}
	};

	template<class K, size_t M>
	class BTree
	{
		typedef BTreeNode<K, M> Node;
	private:
		Node* _root;

	private:
		void _InOrder(Node* root)
		{
			if (root == nullptr)
				return;
			int i;
			for (i = 0; i < root->_n; ++i)
			{
				_InOrder(root->_subs[i]);
				cout << root->_keys[i] << " ";
			}
			_InOrder(root->_subs[i]);
		}

	public:
		BTree():_root(nullptr)
		{}

		~BTree()
		{}

		pair<Node*, int> Find(const K& key)
		{
			Node* cur = _root;
			Node* parent = nullptr;
			while (cur)
			{
				// 在每一个结点中查找
				int i = 0;
				while (i < cur->_n)
				{
					if (key < cur->_keys[i])
					{
						break;
					}

					else if (key > cur->_keys[i])
					{
						++i;
					}

					else
					{
						return make_pair(cur, i);
					}
				}
				parent = cur;
				cur = cur->_subs[i];
			}
			// 没有找到
			return make_pair(parent, -1);
		}

		void InsertKey(Node* parent, const K& key, Node* child)
		{
			int end = parent->_n - 1;
			while (end >= 0)
			{
				if (key < parent->_keys[end])
				{
					parent->_keys[end + 1] = parent->_keys[end];
					parent->_subs[end + 2] = parent->_subs[end + 1];
					--end;
				}
				else
				{
					break;
				}
			}

			parent->_keys[end + 1] = key;
			parent->_subs[end + 2] = child;

			if (child)
			{
				child->_parent = parent;
			}
			parent->_n++;
		}


		bool Insert(const K& key)
		{
			// 根为空插入
			if (_root == nullptr)
			{
				_root = new Node;
				_root->_keys[0] = key;
				_root->_n++;
				return true;
			}

			else
			{
				auto ret = Find(key);
				// 这个值以前被插入过,直接返回
				if (ret.second >= 0)
				{
					return false;
				}
				// 这个值没有被插入过
				else
				{
					Node* parent = ret.first;
					K newKey = key;
					Node* child = nullptr;

					while (1)
					{
						InsertKey(parent, newKey, child);
						// 满了就要分裂，没有满就结束
						if (parent->_n < M)
						{
							return true;
						}
						else
						{
							int mid = M / 2;
							Node* brother = new Node;
							int j = 0;
							int i = mid + 1;
							//将mid + 1到M的关键字和孩子拷贝给兄弟
							for (; i < M; ++i)
							{
								brother->_keys[j] = parent->_keys[i];
								brother->_subs[j] = parent->_subs[i];
								if (parent->_subs[i])
								{
									parent->_subs[i]->_parent = brother;
								}
								++j;
								parent->_keys[i] = K();
								parent->_subs[i] = nullptr;
							}

							// 拷贝最后一个右孩子
							brother->_subs[j] = parent->_subs[i];
							if (parent->_subs[i])
							{

								parent->_subs[i]->_parent = brother;
							}
							parent->_subs[i] = nullptr;

							brother->_n = j;
							// 加一是mid也要被分裂
							parent->_n -= (brother->_n + 1);

							K midKey = parent->_keys[mid];
							parent->_keys[mid] = K();

							// 刚刚是分裂的根节点
							if (parent->_parent == nullptr)
							{
								_root = new Node;
								_root->_keys[0] = midKey;
								_root->_subs[0] = parent;
								_root->_subs[1] = brother;
								_root->_n = 1;

								parent->_parent = _root;
								brother->_parent = _root;
								break;
							}
							// 已经存在根,就继续上面的操作
							else
							{
								newKey = midKey;
								parent = parent->_parent;
								child = brother;
							}

						}
					}
					return true;
				}
			}
		}

		void InOrder()
		{
			_InOrder(_root);
			cout << endl;
		}

	};
}

五、B+树和B*树

5.1 B+树

B+树是B树的变形，是在B树基础上优化的多路平衡搜索树，B+树的规则跟B树基本类似，但是又在B树的基础上做了以下几点改进优化

分支节点的子树指针与关键字个数相同
分支节点的子树指针p[i]指向关键字值大小在[k[i]，k[i+1])区间之间
所有叶子节点增加一个链接指针链接在一起
所有关键字及其映射数据都在叶子节点出现

在这里插入图片描述
B+树的特性：
5. 所有关键字都出现在叶子节点的链表中，且链表中的节点都是有序的。
6. 不可能在分支节点中命中。
7. 分支节点相当于是叶子节点的索引，叶子节点才是存储数据的数据层

5.2 B*树

B*树是B+树的变形，在B+树的非根和非叶子节点再增加指向兄弟节点的指针。
在这里插入图片描述
B+树的分裂：
当一个结点满时，分配一个新的结点，并将原结点中1/2的数据复制到新结点，最后在父结点中增加新结点的指针；B+树的分裂只影响原结点和父结点，而不会影响兄弟结点，所以它不需要指向兄弟的指针

B*树的分裂：
当一个结点满时，如果它的下一个兄弟结点未满，那么将一部分数据移到兄弟结点中，再在原结点插入关键字，最后修改父结点中兄弟结点的关键字（因为兄弟结点的关键字范围改变了）；如果兄弟也满了，则在原结点与兄弟结点之间增加新结点，并各复制1/3的数据到新结点，最后在父结点增加新结点的指针。

所以，B*树分配新结点的概率比B+树要低，空间使用率更高；

5.3 总结

通过以上介绍，大致将B树，B+树，B*树总结如下：

B树：有序数组+平衡多叉树；
B+树：有序数组链表+平衡多叉树；
B*树：一棵更丰满的，空间利用率更高的B+树。

六、B-树的应用

6.1 索引

B-树最常见的应用就是用来做索引。索引通俗的说就是为了方便用户快速找到所寻之物，比如：书籍目录可以让读者快速找到相关信息，hao123网页导航网站，为了让用户能够快速的找到有价值的分类网站，本质上就是互联网页面中的索引结构。

MySQL官方对索引的定义为：索引(index)是帮助MySQL高效获取数据的数据结构，简单来说：索引就是数据结构。

当数据量很大时，为了能够方便管理数据，提高数据查询的效率，一般都会选择将数据保存到数据库，因此数据库不仅仅是帮助用户管理数据，而且数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用数据，这样就可以在这些数据结构上实现高级查找算法，该数据结构就是索引。

6.2 MySQL索引简介

mysql是目前非常流行的开源关系型数据库，不仅是免费的，可靠性高，速度也比较快，而且拥有灵活的插件式存储引擎，如下：
在这里插入图片描述
MySQL中索引属于存储引擎级别的概念，不同存储引擎对索引的实现方式是不同的。
注意：索引是基于表的，而不是基于数据库的。

6.2.1 MyISAM

MyISAM引擎是MySQL5.5.8版本之前默认的存储引擎，不支持事物，支持全文检索，使用B+Tree作为索引结构，叶节点的data域存放的是数据记录的地址，其结构如下
在这里插入图片描述
上图是以以Col1为主键，MyISAM的示意图，可以看出MyISAM的索引文件仅仅保存数据记录的地址。在MyISAM中，主索引和辅助索引（Secondary key）在结构上没有任何区别，只是主索引要求key是唯一的，而辅助索引的key可以重复。如果想在Col2上建立一个辅助索引，则此索引的结构如下图所示：
在这里插入图片描述
同样也是一棵B+Tree，data域保存数据记录的地址。因此，MyISAM中索引检索的算法为首先按照B+Tree搜索算法搜索索引，如果指定的Key存在，则取出其data域的值，然后以data域的值为地址，读取相应数据记录。MyISAM的索引方式也叫做“非聚集索引”的。

6.2.2 InnoDB

InnoDB存储引擎支持事务，其设计目标主要面向在线事务处理的应用，从MySQL数据库5.5.8版本开始，InnoDB存储引擎是默认的存储引擎。InnoDB支持B+树索引、全文索引、哈希索引。但InnoDB使用B+Tree作为索引结构时，具体实现方式却与MyISAM截然不同。

第一个区别是InnoDB的数据文件本身就是索引文件。MyISAM索引文件和数据文件是分离的，索引文件仅保存数据记录的地址。而InnoDB索引，表数据文件本身就是按B+Tree组织的一个索引结构，这棵树的叶节点data域保存了完整的数据记录。这个索引的key是数据表的主键，因此InnoDB表数据文件本身就是主索引。
在这里插入图片描述
上图是InnoDB主索引（同时也是数据文件）的示意图，可以看到叶节点包含了完整的数据记录，这种索引叫做聚集索引。因为InnoDB的数据文件本身要按主键聚集，所以InnoDB要求表必须有主键**（MyISAM可以没有）**，如果没有显式指定，则MySQL系统会自动选择一个可以唯一标识数据记录的列作为主键，如果不存在这种列，则MySQL自动为InnoDB表生成一个隐含字段作为主键，这个字段长度为6个字节，类型为长整型