B树概念理解（学习笔记）

B树概念理解（学习笔记）

（1）AVL树已经能够较大程度减少树的深度，但是希望有更少的磁盘I/O次数，磁盘I/O代价非常昂贵，并且CPU速度的增长远快于磁盘速度的增长，从而引入了B树。
（2）推荐查看我的上一篇博客（https://blog.csdn.net/weixin_42111859/article/details/104022444），里面有关于AVL树的理解过程

1.m叉树

（1）度为m的树第i层上最多有pow(m,i-1)个节点
（2）节点数=节点度之和+1（可以将节点度看成出边，除了根节点之外，每个节点都被一条出边所指向，出边为有向图中的概念）
（3）高度为h的m叉树节点数最多为(pow(m,h)-1)/(m-1) （通过等比数列求和可以得到）
（4）具有n个节点的m叉树最小高度h=ceil( log( m,n(m-1) )+1 ) （ceil表示向上取整）
我证明一下二叉树情况，m叉树只是一个简单的扩展：

2.B树

子树和关键字：若节点有k个关键字，关键字是递增排序的，那么一定有k+1颗子树，子树限定的是范围，这就相当于x轴上有k的点，由它们可以分割出k+1个范围。即n(关键字)=n(子树)-1

（1）B树满足的条件

1. 首先是一颗m叉树

2. 除了根节点以外所有非叶节点最少有ceil(m/2)棵子树（ceil表示向上取整）

3. 如果根节点不是唯一节点，那么它至少有2棵子树

4. 所有叶节点在同一层上，不带有任何信息

5. 关键字递增排序，子树所有元素小于右关键字（如果存在），大于左关键字（如果存在）

   	由[1][2]可得：关键字个数取值范围[ceil(m/2)-1,m-1]
   	由[4]可得：B树所有节点平衡因子为0
   

举个例子（3路平衡树）（图中叶节点没有画出，计算机中表示为null就可以）：
（2）B树高度范围

1.求下限

高度为h的m叉树节点数最多为(pow(m,h)-1)/(m-1) ，每个节点的关键字个数最多为m-1个，所以关键字总数n<=pow(m,h)-1,可得h>=log( m,(n+1) )

2.求上限
B树叶节点数=总关键字数+1（本人还没有证明出来…）
设f(h)表示高度为h时最少叶节点数，则
B树可以控制较大的对数底数（树的度数）从而降低查找的时间复杂度

（3）B树查找：十分类似于二叉排序树，只不过节点关键字序列是有序的，可以使用二分法查找

（4） B树插入：

1.先查找到符合条件的枝节点，如果枝节点关键字个数为m-1(满了)，就需要分裂，否则可以直接插入
对于分裂的情况，举个例子（3叉B树）：
对于已满情况插入策略可以总结为：先假插入，寻找中间节点，把中间关键字插入父节点，分裂的两部分连接到中间关键字的左右。如果父节点溢出，再次使用插入策略。
注：如果没有父节点需要构造一个父节点，这样树的深度会增加1，但仍旧完全平衡（所有节点平衡因子都为0）
（5）B树的删除
设关键字最小值min=ceil(m/2)-1
1.如果被删除关键字所在节点是最底层的非叶节点（终端），而且节点关键字数>min，则可以直接删除（最简单的情况），图中举了一个3叉树的例子

2.如果被删除关键字k1所在节点是最底层的非叶节点（终端），但是节点关键字数=min，如果它的兄弟节点有一个关键字数>min，则可以借一个，把右（左）兄弟第一个（最后一个）关键字k2和父亲左（右）关键字k3交换，再把k3转移到被删除关键字k1所在节点，就转化为了情况1，图中举了一个3叉树的例子
3.如果被删除关键字k1所在节点是最底层的非叶节点（终端），但是节点关键字数=min，如果它的兄弟节点关键字数都等于min，出现了不够借的情况。把节点的父亲左（右）关键字和和左（右）关键字合并，图中举了一个3叉树的例子

4.如果被删除关键字所在节点不是终端，它左右子节点关键字个数都是min,先移除节点，然后直接合并两个子节点，合并后的新节点刚好满了，如图所示

5.如果被删除关键字k1所在节点不是终端，它的左（右）子节点关键字数>min，则左（右）子树最大（小）值k2，替换该关键字，然后就转化为了情况1，删除替换后的k1（查找最大（小）值的过程类似于二叉搜索树，向一个方向搜索）

转载请声明出处，谢谢合作