为什么文件索引使用B树

https://moonshuo.cn/posts/63854.html

为什么提高文件索引

首先cpu不能和磁盘进行直接交互，需要通过缓存到内存中，在交给cpu进行处理，但是cpu的处理速度很快，而内存与磁盘之间需要读取特定的文件，但是如果磁盘查找文件的效率很慢，那么cpu就算运行速度再快，但是磁盘找文件的速度很慢，那么整个处理过程的速度就降了下来。

其他数据结构不能做索引的原因

数组

文件按照数组的方式存放在磁盘中，地址空间连续

假如说现在需要查找文件4，那么我需要从文件1开始进行线性查找，直到找到文件4，线性开销太大

而且现在需要删除文件2，文件3与4都需要迁移

哈希表

假如说我们现在定义了一个hash规则，Hash(key)=key%8

首先我们清楚哈希表时数组+链表的方式，那么假如说一个文件经过算法计算出hash值为9，那么就将存储到1的那个位置

优点：查找单个等值查询非常快，比如我们要查找的文件hash值计算为3，那么我们可以一次性就查找出索引为3的位置的文件

缺点：这是一个hash表，无论中间计算的hash的过程多么好，但是避免不了hash冲突的问题，假如说上面这个算法插入文件10000个都在1处，那么查找最终的插入的一个文件就要比较10000次，反而成为了线性查找，效率低

树

如果仅仅是一个普通的树的话，那么还是需要按个进行遍历的

这个数并没有什么特殊的规律

二叉搜索树

二叉搜索树是要求每一个节点的左子节点比该节点小，右子节点比该节点大

优点：平均时间下查找数据的速度很快，O（log n）

缺点：如果说插入的数据时候，按照从小到大是顺序进行插入，或者从大到小的顺序插入，那么查找效率是又成为了线性查找

二叉平衡树（AVL）

二叉平衡树要求左右子树高度差的绝对值为0或者1

优点：二叉平衡树很好的解决了二叉搜索树的问题，使得他的发查询效率不会出现极端的情况

缺点：每一次插入都需要检测是否满足平衡树，而且还要调整整个文件索引的结果（将树旋转，使其满足平衡），用插入的成本开销来换取查找的成本开销

所以说AVL树适合插入操作少，但是查询操作多的情况，但是文件索引系统肯定要同时兼顾两种情况

红黑树

对于上面的二叉平衡树，如果我们减少调整文件索引的次数，那么这样是不是就会更好？？

红黑树：最长子树不超过最短子树的2倍即可

优点：此时红黑树对于相比较于平衡树的情况，旋转调整的次数比较少了

那么此时这样的红黑树是不是很完美了吗？？？

缺点：但是遇到大量的数据的时候，文件索引形成的红黑树深度会很深，那么此时查找的效率还是会很低

小总结

其实面对上述的三种树结构的各种问题，我们会发现他们都是二叉树，那么就会在成每一个节点的左右只能存储2个数据索引，这样的话，无论结构多么优化，文件增多，深度必将会增加，索引的效率也会下降

B树

终于把B树搞明白了(二)_什么是B树，B树的特点_哔哩哔哩_bilibili

满足下列要求的m叉树就是B树：

在有序树中的基础上每一个节点至多有m个孩子节点（至多含有m-1个关键字）

而对于B树来说，每一个节点结构如下

n（表示节点有多少个关键字）	P0(第一个子树的地址)	关键字1	P1(第二个子树的地址)	关键字2	P…

下面是一个B树的结构

那么对于B树来说，查找还是按照顺序大小来进行，比如说现在查找30

将第一行读入磁盘，发现30小于37，于是要读取地址1指向的结构

1	地址1	37	地址2

当把下面的结构读入地址之后，发现30大于25，于是查找地址2的结构

1	地址1	25	地址2

现在进入到这个结构之后，会发现30的文件，成功找到文件

2	地址1 null	30	地址2 null	35	地址3 null

我们会发现这个B树的构成深度比二叉树的深度小了很多，那么比较的次数也会下降，IO次数也会下降，速度将会提高

当然B树也有缺陷，这些缺陷也是引入B+树的原因，这里不做解释