深入探索B树：结构、性质与应用

范范0825

于 2024-07-30 21:17:05 发布

阅读量541

点赞数 9

文章标签： b树前端数据结构

本文链接：https://blog.csdn.net/weixin_41859354/article/details/140806947

版权

深入探索B树：结构、性质与应用

简介

B树（B-tree）是一种自平衡树数据结构，广泛应用于数据库和文件系统中以提高查找、插入和删除操作的效率。B树的设计目标是减少访问磁盘的次数，因此在处理大规模数据时表现出色。本文将深入探讨B树的结构、性质、操作及其应用，并提供详细的代码实现示例。

B树的结构

节点定义

B树由若干节点组成，每个节点可以包含多个键和指向子节点的指针。一个典型的B树节点结构如下：

一个节点包含最多m个子节点（称为m阶B树）。
每个节点至少包含ceil(m/2)个子节点，根节点例外。
每个节点包含k个键，其中ceil(m/2) - 1 <= k <= m - 1。

树的高度

B树的高度与其包含的元素数量成对数关系，这保证了操作的时间复杂度为O(log n)。由于每个节点包含多个键，B树的高度通常较低，从而减少了磁盘访问次数。

节点的属性

每个B树节点包含以下属性：

n：节点中包含的键数量。
keys[]：大小为n的数组，存储键值。
C[]：大小为n+1的数组，存储子节点指针。
leaf：布尔值，指示节点是否为叶子节点。

B树的性质

平衡性

B树是一种平衡树，其所有叶子节点都位于同一层级。这保证了从根节点到任意叶子节点的路径长度相同，从而提供稳定的查找性能。

节点容量

B树的节点容量由其阶数决定。对于一个m阶B树：

每个节点最多包含m-1个键。
每个节点至少包含ceil(m/2) - 1个键，根节点至少包含1个键。
除根节点外，每个内部节点至少包含ceil(m/2)个子节点。

查找性能

由于B树的高度较低且节点包含多个键，查找操作可以快速定位到目标节点。查找操作的时间复杂度为O(log n)，其中n为树中包含的键数量。

B树的基本操作

插入操作

插入操作的关键在于保持B树的性质，即确保每个节点的键数量在允许范围内。如果插入导致节点超出容量，则需要进行分裂操作。

插入操作的步骤如下：

在叶子节点中插入键。
如果叶子节点超出容量，则将其分裂为两个节点，并将中间键上移到父节点。
如果父节点超出容量，则重复分裂过程，直到树重新平衡。

插入操作示例代码

class BTreeNode:
    def __init__(self, t, leaf=False):
        self.t = t  # 最小度数
        self.leaf = leaf  # 是否为叶子节点
        self.keys = []  # 存储键值
        self.children = []  # 存储子节点

class BTree:
    def __init__(self, t):
        self.root = BTreeNode(t, True)
        self.t = t

    def insert(self, k):
        root = self.root
        if len(root.keys) == 2 * self.t - 1:
            temp = BTreeNode(self.t, False)
            self.root = temp
            temp.children.insert(0, root)
            self.split_child(temp, 0)
            self.insert_non_full(temp, k)
        else:
            self.insert_non_full(root, k)

    def insert_non_full(self, x, k):
        i = len(x.keys) - 1
        if x.leaf:
            x.keys.append(None)
            while i >= 0 and k < x.keys[i]:
                x.keys[i + 1] = x.keys[i]
                i -= 1
            x.keys[i + 1] = k
        else:
            while i >= 0 and k < x.keys[i]:
                i -= 1
            i += 1
            if len(x.children[i].keys) == 2 * self.t - 1:
                self.split_child(x, i)
                if k > x.keys[i]:
                    i += 1
            self.insert_non_full(x.children[i], k)

    def split_child(self, x, i):
        t = self.t
        y = x.children[i]
        z = BTreeNode(t, y.leaf)
        x.children.insert(i + 1, z)
        x.keys.insert(i, y.keys[t - 1])
        z.keys = y.keys[t:(2 * t - 1)]
        y.keys = y.keys[0:(t - 1)]
        if not y.leaf:
            z.children = y.children[t:(2 * t)]
            y.children = y.children[0:(t - 1)]

# 测试插入操作
b_tree = BTree(3)
for value in [10, 20, 5, 6, 12, 30, 7, 17]:
    b_tree.insert(value)

# 打印B树结构
def print_btree(node, level=0):
    print("Level", level, " ", len(node.keys), ":", node.keys)
    if not node.leaf:
        for child in node.children:
            print_btree(child, level + 1)

print_btree(b_tree.root)

删除操作

删除操作相对复杂，需要处理多种情况以保持B树的性质：

如果键在叶子节点中，直接删除。
如果键在内部节点中：
- 用前驱或后继键替换，然后递归删除前驱或后继键。
- 合并左右子节点，然后递归删除。
如果键不在节点中，递归查找直到找到目标键并进行删除。
在删除过程中，保持节点的键数量在允许范围内，如需合并或借用键则进行相应操作。

删除操作示例代码

class BTree:
    # ...之前的代码...

    def delete(self, k):
        self.delete_recursive(self.root, k)
        if len(self.root.keys) == 0:
            if len(self.root.children) > 0:
                self.root = self.root.children[0]
            else:
                self.root = BTreeNode(self.t, True)

    def delete_recursive(self, node, k):
        t = self.t
        i = 0
        while i < len(node.keys) and k > node.keys[i]:
            i += 1

        if i < len(node.keys) and k == node.keys[i]:
            if node.leaf:
                node.keys.pop(i)
            else:
                if len(node.children[i].keys) >= t:
                    pred = self.get_predecessor(node, i)
                    node.keys[i] = pred
                    self.delete_recursive(node.children[i], pred)
                elif len(node.children[i + 1].keys) >= t:
                    succ = self.get_successor(node, i)
                    node.keys[i] = succ
                    self.delete_recursive(node.children[i + 1], succ)
                else:
                    self.merge(node, i)
                    self.delete_recursive(node.children[i], k)
        elif not node.leaf:
            if len(node.children[i].keys) < t:
                if i != 0 and len(node.children[i - 1].keys) >= t:
                    self.borrow_from_prev(node, i)
                elif i != len(node.children) - 1 and len(node.children[i + 1].keys) >= t:
                    self.borrow_from_next(node, i)
                else:
                    if i != len(node.children) - 1:
                        self.merge(node, i)
                    else:
                        self.merge(node, i - 1)
            self.delete_recursive(node.children[i], k)

    def get_predecessor(self, node, idx):
        cur = node.children[idx]


        while not cur.leaf:
            cur = cur.children[len(cur.keys)]
        return cur.keys[len(cur.keys) - 1]

    def get_successor(self, node, idx):
        cur = node.children[idx + 1]
        while not cur.leaf:
            cur = cur.children[0]
        return cur.keys[0]

    def merge(self, node, idx):
        child = node.children[idx]
        sibling = node.children[idx + 1]
        t = self.t
        child.keys.append(node.keys.pop(idx))
        child.keys.extend(sibling.keys)
        if not child.leaf:
            child.children.extend(sibling.children)
        node.children.pop(idx + 1)

    def borrow_from_prev(self, node, idx):
        child = node.children[idx]
        sibling = node.children[idx - 1]
        child.keys.insert(0, node.keys[idx - 1])
        if not child.leaf:
            child.children.insert(0, sibling.children.pop())
        node.keys[idx - 1] = sibling.keys.pop()

    def borrow_from_next(self, node, idx):
        child = node.children[idx]
        sibling = node.children[idx + 1]
        child.keys.append(node.keys[idx])
        if not child.leaf:
            child.children.append(sibling.children.pop(0))
        node.keys[idx] = sibling.keys.pop(0)

# 测试删除操作
b_tree = BTree(3)
for value in [10, 20, 5, 6, 12, 30, 7, 17]:
    b_tree.insert(value)

print("初始B树结构:")
print_btree(b_tree.root)

b_tree.delete(6)
print("删除6后的B树结构:")
print_btree(b_tree.root)

b_tree.delete(13)
print("删除13后的B树结构:")
print_btree(b_tree.root)

b_tree.delete(7)
print("删除7后的B树结构:")
print_btree(b_tree.root)

b_tree.delete(4)
print("删除4后的B树结构:")
print_btree(b_tree.root)

b_tree.delete(2)
print("删除2后的B树结构:")
print_btree(b_tree.root)

b_tree.delete(16)
print("删除16后的B树结构:")
print_btree(b_tree.root)

查找操作

查找操作相对简单，通过逐层遍历节点中的键值，可以快速定位目标键。

查找操作示例代码

class BTree:
    # ...之前的代码...

    def search(self, k, x=None):
        if x is None:
            x = self.root
        i = 0
        while i < len(x.keys) and k > x.keys[i]:
            i += 1
        if i < len(x.keys) and k == x.keys[i]:
            return (x, i)
        elif x.leaf:
            return None
        else:
            return self.search(k, x.children[i])

# 测试查找操作
b_tree = BTree(3)
for value in [10, 20, 5, 6, 12, 30, 7, 17]:
    b_tree.insert(value)

result = b_tree.search(6)
if result:
    print("Found key 6 at node:", result[0].keys, "index:", result[1])
else:
    print("Key 6 not found.")

result = b_tree.search(15)
if result:
    print("Found key 15 at node:", result[0].keys, "index:", result[1])
else:
    print("Key 15 not found.")

B树的应用

数据库

B树广泛应用于数据库系统中，以实现高效的索引结构。B树的平衡性和较低的高度保证了在大数据集上的快速查找、插入和删除操作。数据库中的B树变种包括B+树和B*树，提供了更高效的性能和更强的稳定性。

文件系统

B树还被用于文件系统中的目录管理和文件索引。例如，NTFS文件系统使用B+树来存储和管理文件目录，提高了文件检索和管理的效率。B树的多级结构使其非常适合存储大规模数据，同时保持高效的查找性能。

B树是一种自平衡的树数据结构，常用于数据库和文件系统中，用于存储排序的数据并支持高效的插入、删除和查找操作。下面是B树的Python和Java实现示例。

Python 实现 B 树

class BTreeNode:
    def __init__(self, t, leaf=False):
        self.t = t  # 最小度数 (t)
        self.leaf = leaf  # 是否是叶子节点
        self.keys = []  # 节点中的键
        self.children = []  # 节点中的子树

class BTree:
    def __init__(self, t):
        self.root = BTreeNode(t, leaf=True)
        self.t = t  # 最小度数 (t)

    def traverse(self):
        self._traverse(self.root)

    def _traverse(self, node):
        i = 0
        while i < len(node.keys):
            if not node.leaf:
                self._traverse(node.children[i])
            print(node.keys[i], end=' ')
            i += 1
        if not node.leaf:
            self._traverse(node.children[i])

    def search(self, k):
        return self._search(self.root, k)

    def _search(self, node, k):
        i = 0
        while i < len(node.keys) and k > node.keys[i]:
            i += 1
        if i < len(node.keys) and node.keys[i] == k:
            return node
        if node.leaf:
            return None
        return self._search(node.children[i], k)

    def insert(self, k):
        root = self.root
        if len(root.keys) == (2 * self.t - 1):
            s = BTreeNode(self.t, leaf=False)
            self.root = s
            s.children.append(root)
            self._split_child(s, 0)
            self._insert_non_full(s, k)
        else:
            self._insert_non_full(root, k)

    def _insert_non_full(self, node, k):
        i = len(node.keys) - 1
        if node.leaf:
            node.keys.append(None)
            while i >= 0 and k < node.keys[i]:
                node.keys[i + 1] = node.keys[i]
                i -= 1
            node.keys[i + 1] = k
        else:
            while i >= 0 and k < node.keys[i]:
                i -= 1
            i += 1
            if len(node.children[i].keys) == (2 * self.t - 1):
                self._split_child(node, i)
                if k > node.keys[i]:
                    i += 1
            self._insert_non_full(node.children[i], k)

    def _split_child(self, node, i):
        t = self.t
        y = node.children[i]
        z = BTreeNode(t, leaf=y.leaf)
        node.children.insert(i + 1, z)
        node.keys.insert(i, y.keys[t - 1])
        z.keys = y.keys[t:(2 * t - 1)]
        y.keys = y.keys[0:(t - 1)]
        if not y.leaf:
            z.children = y.children[t:(2 * t)]
            y.children = y.children[0:t]

# 示例
bt = BTree(3)
bt.insert(10)
bt.insert(20)
bt.insert(5)
bt.insert(6)
bt.insert(15)
bt.traverse()  # 输出: 5 6 10 15 20

Java 实现 B 树

import java.util.ArrayList;
import java.util.Collections;

class BTreeNode {
    int t;
    ArrayList<Integer> keys = new ArrayList<>();
    ArrayList<BTreeNode> children = new ArrayList<>();
    boolean leaf = true;

    BTreeNode(int t, boolean leaf) {
        this.t = t;
        this.leaf = leaf;
    }
}

class BTree {
    private BTreeNode root;
    private int t;

    BTree(int t) {
        this.root = new BTreeNode(t, true);
        this.t = t;
    }

    void traverse() {
        traverse(root);
    }

    private void traverse(BTreeNode node) {
        int i = 0;
        while (i < node.keys.size()) {
            if (!node.leaf) {
                traverse(node.children.get(i));
            }
            System.out.print(node.keys.get(i) + " ");
            i++;
        }
        if (!node.leaf) {
            traverse(node.children.get(i));
        }
    }

    BTreeNode search(int k) {
        return search(root, k);
    }

    private BTreeNode search(BTreeNode node, int k) {
        int i = 0;
        while (i < node.keys.size() && k > node.keys.get(i)) {
            i++;
        }
        if (i < node.keys.size() && node.keys.get(i) == k) {
            return node;
        }
        if (node.leaf) {
            return null;
        }
        return search(node.children.get(i), k);
    }

    void insert(int k) {
        BTreeNode r = root;
        if (r.keys.size() == 2 * t - 1) {
            BTreeNode s = new BTreeNode(t, false);
            root = s;
            s.children.add(r);
            splitChild(s, 0);
            insertNonFull(s, k);
        } else {
            insertNonFull(r, k);
        }
    }

    private void insertNonFull(BTreeNode node, int k) {
        int i = node.keys.size() - 1;
        if (node.leaf) {
            node.keys.add(null);
            while (i >= 0 && k < node.keys.get(i)) {
                node.keys.set(i + 1, node.keys.get(i));
                i--;
            }
            node.keys.set(i + 1, k);
        } else {
            while (i >= 0 && k < node.keys.get(i)) {
                i--;
            }
            i++;
            if (node.children.get(i).keys.size() == 2 * t - 1) {
                splitChild(node, i);
                if (k > node.keys.get(i)) {
                    i++;
                }
            }
            insertNonFull(node.children.get(i), k);
        }
    }

    private void splitChild(BTreeNode node, int i) {
        int t = this.t;
        BTreeNode y = node.children.get(i);
        BTreeNode z = new BTreeNode(t, y.leaf);
        node.children.add(i + 1, z);
        node.keys.add(i, y.keys.get(t - 1));
        z.keys.addAll(y.keys.subList(t, 2 * t - 1));
        y.keys.subList(t - 1, y.keys.size()).clear();
        if (!y.leaf) {
            z.children.addAll(y.children.subList(t, 2 * t));
            y.children.subList(t, y.children.size()).clear();
        }
    }

    // 示例
    public static void main(String[] args) {
        BTree bt = new BTree(3);
        bt.insert(10);
        bt.insert(20);
        bt.insert(5);
        bt.insert(6);
        bt.insert(15);
        bt.traverse();  // 输出: 5 6 10 15 20
    }
}

范范0825

关注

9
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
深入探索B树：结构、性质与应用

B树（B-tree）是一种自平衡树数据结构，广泛应用于数据库和文件系统中以提高查找、插入和删除操作的效率。B树的设计目标是减少访问磁盘的次数，因此在处理大规模数据时表现出色。本文将深入探讨B树的结构、性质、操作及其应用，并提供详细的代码实现示例。B树由若干节点组成，每个节点可以包含多个键和指向子节点的指针。一个节点包含最多m个子节点（称为m阶B树）。每个节点至少包含ceil(m/2)个子节点，根节点例外。每个节点包含k个键，其中。
复制链接

扫一扫