B-tree，B+tree，HashTree

B-tree，B+tree，HashTree

最近在深入了解数据库，就发现它的存储和一些数据结构有很大的关系，数据结构，要知道上大学的时候学过都忘光光了啊，所以，我把看过的一些相关知识整理出来，方便复习。
1.B-tree
B-树，即为B树。因为B树的原英文名称为B-tree，而国内很多人喜欢把B-tree译作B-树，其实，这是个非常不好的直译，很容易让人产生误解。如人们可能会以为B-树是一种树，而B树又是一种一种树。而事实上是，B-tree就是指的B树。特此说明。

B 树可以看作是对2-3查找树的一种扩展，即他允许每个节点有M-1个子节点。
1.根节点至少有两个子节点
2.每个节点有M-1个key，并且以升序排列
3.位于M-1和M key的子节点的值位于M-1 和M key对应的Value之间
4.其它节点至少有M/2个子节点

下图是一个M=4 阶的B树:

动画演示：

2.B+tree
B+树是对B树的一种变形树，它与B树的差异在于：
1.有k个子结点的结点必然有k个关键码；
2.非叶结点仅具有索引作用，跟记录有关的信息均存放在叶结点中。
3.树的所有叶结点构成一个有序链表，可以按照关键码排序的次序遍历全部记录。
如下图，是一个B+树:

动画演示：

3.HashTree
哈希树的理论基础
【质数分辨定理】
简单地说就是：n个不同的质数可以“分辨”的连续整数的个数和他们的乘积相等。“分辨”就是指这些连续的整数不可能有完全相同的余数序列。

例如：
从2起的连续质数，连续10个质数就可以分辨大约M(10) =23571113171923*29= 6464693230 个数，已经超过计算机中常用整数（32bit）的表达范围。连续100个质数就可以分辨大约M(100) = 4.711930 乘以10的219次方。

插入
我们选择质数分辨算法来建立一棵哈希树。
选择从2开始的连续质数来建立一个十层的哈希树。第一层结点为根结点，根结点下有2个结点；第二层的每个结点下有3个结点；依此类推，即每层结点的子节点数目为连续的质数。到第十层，每个结点下有29个结点。
同一结点中的子结点，从左到右代表不同的余数结果。
图解：有一组元素，按照顺序向hash树中插入元素，取余找位置插入。我们以下图中的 “68” 为例子，68先对2取余得0，但是0位置上有人了，继续对3取余得2，2得位置上也有人了，那就继续对5取余得3，3得位置上没有人则插入 到3的位置