B树详解及其模板类实现

一、背景

1、分级存储

        现代电子计算机发展速度空前，然而从实际应用的需求来看，问题规模的膨胀却远远快于存储能力的增长。以数据库为例，在20世纪80年代初，典型数据库的规模为10~100MB，而三十年后，典型数据库的规模已需要以TB为单位来计量。实践证明，分级存储才是行之有效的方法。在由内存与外存（磁盘）组成的二级存储系统中，数据全集往往存放于外存中，计算过程中则可将内存作为外村的高速缓存，存放最常用数据项的副本。借助高效的调度算法，如此便可将内存的“高速度”与外存的“大容量”结合起来。两个相邻存储级别之间的数据传输，统称I/O操作。各级存储器的访问速度相差悬殊，故应尽可能地减少I/O操作。也正因为此，在衡量相关算法的性能时，基本可以忽略对内存的访问，转而更多地关注对外存的访问次数。

2、多路搜索树

        当数据规模大到内存已不足以容纳时，常规平衡二叉搜索树的效率将大打折扣。因为查找过程对外存的访问次数过多。例如，若将10^9个记录在外存中组织为AVL树，则每次查找大致需做30次外存访问。为此，需要充分利用磁盘之类外部存储器的另一特性：就时间成本而言，读取物理地址连续的一千个字节，与读取单个字节几乎没有区别。既然外部存储器更适宜于批量式访问，不妨通过时间成本相对极低的多次内存操作，来代替时间成本相对极高的单次外存操作。相应，需要将通常的二叉搜索树改造为多路搜索树----在中序遍历意义下也是一种等价变换。

图1.1 二叉搜索树与四路搜索树

        如图1.1所示，比如可以两层为间隔，将各节点与其左、右孩子合并为“大节点”，改造后的每个“大节点“拥有四个分支，故称作四路搜索树。这一策略还可进一步推广，比如以三层为间隔合并，进而得到八路搜索树。一般地，以k层为间隔如此重组，可将二叉搜索树转化为等价的2^k路搜索树，统称多路搜索树。不难验证，多路搜索树同样支持查找等操作，且效果与原二叉搜索树完全等同；然而重要的是，其对外存的访问方式已发生本质变化。实际上，在此时的搜索每下降一层，都以”大节点“为单位从外存读取一组（而不再是单个）关键码。更为重要的是，这组关键码在逻辑上与物理上都彼此相邻，故可以批量方式从外存一次性读出，且所需时间与读取单个关键码几乎一样。每组关键码的最佳数目，取决于不同外存的批量访问特性。比如旋转式磁盘的读写操作多以扇区为单位，故可根据扇区的容量和关键码的大小，经换算得出每组关键码的最佳规模。

二、概念

        B树英文原文为B-tree,也译为B-树。所谓m阶B树，即为m路平衡搜索树（m>=2）,其宏观结构如图2.1所示。

图2.1 B树的宏观结构（外部节点为深色，深度完全一致，且都同处于最底层）

1. 所有外部节点均深度相等。

2. 每个内部节点都存有不超过m-1个关键码，以及用以指示对应分支的不超过m个引用。具体地，存有n<=m-1个关键码：K1<K2<K3<K4< ...<Kn的内部节点，同时还配有n+1<=m个引用：A0<A1<A2<A3<A4<...<An。（也即每个节点至多有m棵子树。）

3. 在非空B树中，根节点应满足：n+1 >= 2。（即非空B树根节点至少有两棵子树。）

4. 除根节点以外的所有内部节点，都应满足：n+1 >= Γm/2˥。（即除根节点以外的所有内部节点至少有Γm/2˥棵子树。）

由于各节点的分支数介于Γm/2˥至m之间，故m阶B树也称作（Γm/2˥，m）树，如（2，3）树、（3，6）树等。

        B树的外部节点实际上未必意味着查找失败，而可能表示目标关键码存在于更低层次的某一外部存储系统中，顺着该节点的指示，即可深入至下一级存储系统并继续查找。如图2.2即为一棵由9个内部节点、15个外部节点以及14个关键码组成的4阶B树，其高度h=3，其中每个节点包含1~3个关键码，拥有2~4个分支。

图2.2 B树最紧凑表示（简化分支并省略外部节点）

三、实现

1、B树节点

#define BTNodePosi(T) BTNode<T>*	//B-树节点位置

template<typename T> 
struct BTNode {	//B-树节点模板类
	//成员
	BTNodePosi(T) parent;	//父节点
	vector<T> key;	//关键码向量
	vector<BTNodePosi(T)> child;	//孩子向量（其长度总比key多一）
	//构造函数（注意：BT