数据结构之树从入门到如土(四)----从零开始入门Rust实现一颗B树(未完成待续)

B树介绍

• B树是一种平衡的多路搜索树,多用于硬盘,文件系统,数据库。

m阶B树性质

1. 根节点下子节点数为 [2,m]
2. 一个m阶B树的key数量x为： $\lceil \frac{m}{2}\rceil -1<=x<=m-1$
3. 除了根结点和叶子结点外,一个m阶B树的childs数量y为： $\lceil \frac{m}{2}\rceil <=y<=m$

• 三阶B树子节点个数: $[ceiling(3/2),3]=[2,3]$ 每个节点可以有2~3个子节点 称为 二三树
• 四级B树子节点个数: $[ceiling(4/2),4))=[2,4]$ 每个节点可以有2~4个子节点
  称为 二三四树

4. 所有叶子节点都在,同一深度。
5. 每个节点中的元素（key）从小到大排列。
6. 每个元素（key）字左结点的值，都小于或等于该元素（key）。右结点的值都大于或等于该元素（key）。

B树能解决什么问题

不同容量的存储器，访问速度差异悬殊。
磁盘(ms级别) << 内存(ns级别)， 100000倍
若内存访问需要1s，则一次外存访问需要一天
为了避免1次外存访问，宁愿访问内存100次…
所以将最常用的数据存储在最快的存储器中

普通的二叉树,如红黑树,AVL树,它们的应用场景,只适合在内存中直接读写,算法复杂度为$O(lo{g}_n)$级别的,但是如果大量数据在硬盘中存储时,假设 你电脑里 有一百万个文件, 如果你要找 一个文件通过文件名那么 你通过 红黑树去找 $lo{g}_2^{1000000}=20$ 那么 你每次 去硬盘取一个节点,连续的你需要去取最多20次 才能找到你所需要的文件。一般一次磁盘的IO时间在20 ~ 30 ms 左右,那么 整个 过程 大概也要500ms 左右吧,你可能说想 不到半秒 也不是很慢吗,但是你要知道 CPU在500ms的时间内能处理 几十亿次运算,所以 你电脑CPU再好也得折在磁盘IO上,普通二叉树的结构在对磁盘这种存储介质读取的时候 完全跟不上 CPU 和 内存的响应时间,会拖慢整个系统的响应速度,所以 为了解决这个问题
就产生了B树,原来每次搜索 我只能 排除一半数据的,B树内含 多个key这样的话,多个子节点,这样 可以大大减少磁盘IO访问的次数,还是一百万个数据,如果用100阶B树的话, 那么$lo{g}_{100}^{1000000}=3$只需要最多 3次就能,找到所需要的数据。

上面我们讲到了为什么使用B树的一点好处,同时使用B树 同时根据 局部性原理
当一个数据被用到时，其附近的数据也通常会马上被使用。 通常读取一次硬盘 最小单位 大概在4k (取决于文件系统),也就是说 你读1B 和 读 4k花费的是一样的成本,前面讲到的红黑树 我们不能很好的利用 局部性原理,存储一个节点 可能只要不到1K的数据,那么 剩下的3k+ 数据 也就被浪费掉了,而B树就可以很好的利用局部性原理 ,假设存储一个key 和 下一个node指针 需要 20个字节,那么 我们就可以 计算出 1024 * 4 / 20 = 204 个索引值,就是 205阶B树。

我们先来 定义 基本的数据结构

#[derive(Debug)]
//B树节点
struct  BtreeNOde<T>{
    leaf:bool, //是否叶子
    n:i32, //分支的数量
    keys:Vec<T>,//存储keys
    children:Vec<Box<BtreeNOde<T>>>,//指向自己的多个分支节点
}
#[derive(Debug)]
struct Btree<T> {
    Root:Option<Box<BtreeNOde<T>>>,
    branch:i32, //分支数
}

B树的搜索

B树的搜索较为 简单,我们只需要判断 当前这个数 是否大于前一个数小于当前数
如果满足条件,就 往下一层去搜索,直到搜索到 相等的结束,直到搜索到叶子节点结束搜索。

B树的插入

1. 插入的节点必然添加在叶子节点。
2. 如果插入节点包含m-1个keys 需要上溢处理。