JAVA数据结构-树结构

1.平衡二叉树

有序二叉树可能存在的问题

给一个数列{1,2,3,4,5,6},要求创建一颗二叉排序树(BST)并分析问题所在
在这里插入图片描述

  • 左边子树全为空,更像是一个链表
  • 插入速度没有影响
  • 查询速度明显降低,不能发挥二叉树的优势,同时需要每次访问左子树,导致查询速度甚至小于单链表
    解决方法:平衡二叉树

平衡二叉树的介绍

平衡二叉树具有以下特点:

  • 它是一颗空树或它的左右两个子树的高度差的绝对值不超过1,并且左右两颗子树都是一颗平衡二叉树。
  • 平衡因子: 左子树的高度 - 右子树的高度

我们将平衡因子的绝对值小于1的的有序二叉树称为平衡二叉树

构建平衡二叉树的思路

四种旋转类型的旋转

1.LL型旋转-----(中为支,高右转)

1.将A的左孩子B提升为新的根节点
2.将原来的根节点A降为B的右孩子
3.将各子树按大小关系连接

在这里插入图片描述

2.RR型旋转-----(中为支,高左旋)

1.将A的右孩子B升为新的根节点
2.将原来的根节点降为左孩子
3.将各子树按大小关系连接

在这里插入图片描述

3.LR型旋转-----(下二整体先旋转,后与LL同)

1.将B的左孩子C提升为新的根节点
2.将原来的跟节点A降为C的右孩子
3.将各子树按大小关系连接

在这里插入图片描述

4.RL型旋转-----(下二整体先右转,后与RR同)

1.将B的左子树C提升为新的根节点
2.将原来的根节点A降为C的左孩子
3.将各子树按大小关系连接

在这里插入图片描述

平衡的调整步骤

  • 如果插入一个新节点,造成了不平衡,则需要调整
  • 判断旋转类型
  • 调整

2.B树

认识2-3查找树

二叉排序树简单的实现在多数情况能够达到预期的查找效率,但是每个节点只能存储一个元素和只能有两个孩子,使得在大量数据下会造成二叉排序树的深度特别大,那么在进行查找时多次的访问会造成查找效率的下降,同时,在对二叉查找树进行插入时,可能会破坏二叉查找树的平衡。为了降低对于树的访问次数,实现树的平衡,我们需要新的数据结构来处理这样的问题。

2-3查找树的定义
2-节点: 包含一个键(及其对应的值)和两条链,左连接指向2-3树中都小于该节点,右链接所指向的值都大于该节点。
3-节点: 包含两个键(及其对应的值)和三条链,左链接指向2-3树中的键都小于该节点,中链接指向的2-3树中的键都位于该节点的两个键之间,右连接指向的2-3树中的键都大于该节点。
在这里插入图片描述

B树的特点

B树中允许一个节点包含多个Key,可以是3个、4个、5个甚至是更多,并不确定,需要看具体实现。现在我们选择一个参数M来构建一个B树,我们可以将其称为M阶的B树。那么这棵树会有以下特点:

  • 每个节点最多有M-1个Key,并且以升序排列
  • 每个节点最多能有M个子节点
  • 根节点至少有两个子节点
    在这里插入图片描述
    在实际应用中B树的阶数一般比较大(通常大于100),所以,即使存储大量的数据,B树的高度仍然比较小,这样在某些引用场景下,就能体现出他的优势

3.B+树

B+树的结构特点

  • 非叶子节点仅具有索引作用,也就是说,非叶子节点只能存储Key,不能存储value
  • 树的所有叶节点构成一个有序链表,可以按照key排序的次序依次遍历全部数据。

B+树存储数据

若参数M选择为5,那么每个节点最多包含4个键值对,我们以5阶B+树为例,看看B+树的数据存储
(a) 在空树当中插入5
在这里插入图片描述
(b)继续插入8,10,15
在这里插入图片描述
(c)继续插入16
在这里插入图片描述
(d)继续插入17
在这里插入图片描述
(e)继续插入18
在这里插入图片描述
(f)继续插入6,9,1920,21,22
在这里插入图片描述

(e)继续插入7
在这里插入图片描述

B+树和B树的对比

B+ 树的优点在于:

  • 由于B+树在非叶子结点上不包含真正的数据,只当做索引使用,因此在内存相同的情况下,能够存放更多的key。
  • B+树的叶子结点都是相连的,因此对整棵树的遍历只需要一次线性遍历叶子结点即可。而且由于数据顺序排列并且相连,所以便于区间查找和搜索。而B树则需要进行每一层的递归遍历。

B树的优点在于:

  • 由于B树的每一个节点都包含key和value,因此我们根据key查找value时,只需要找到key所在的位置,就能找到value,但B+树只有叶子结点存储数据,索引每一次查找,都必须一次一次,一直找到树的最大深度处,也就是叶子结点的深度,才能找到value

B+树在数据库中的应用

在数据库的操作中,查询操作可以说是最频繁的一种操作,因此在设计数据库时,必须要考虑到查询的效率问题,在很多数据库中,都是用到了B+树来提高查询的效率;

在操作数据库时,我们为了提高查询效率,可以基于某张表的某个字段建立索引,就可以提高查询效率,那其实这个索引就是B+树这种数据结构实现的。

未建立主键索引查询
在这里插入图片描述
执行 select * from user where id=18 ,需要从第一条数据开始,一直查询到第6条,发现id=18,此时才能查询出目标结果,共需要比较6次;

建立主键索引查询
在这里插入图片描述
区间查询: 执行 select * from user where id>=10 and id<=18 ,如果有了索引,由于B+树的叶子结点形成了一个有序链表,所以我们只需要找到id为12的叶子结点,按照遍历链表的方式顺序往后查即可,效率非常高。

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 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
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