二叉树的问题分析:
二叉树的操作效率较高,但存在着很大的问题
存在的问题:
- 二叉树需要加载到内存时,如果二叉树的节点少,并不会出现什么问题,但是如果二叉树的节点很多,就会出现 很大的问题
- 问题一:在构建二叉树时,需要多次进行I/O操作(海量数据存在数据库或文件中),节点海量,构造二叉树时,速度有影响。
- 问题二:节点海量,也会造成二叉树的高度很大,会降低操作速度
解决问题的方案为:多叉树
1.在二叉树中,每个节点有数据项,最多有两个子节点,如果允许每个节点可以有更多的数据项和更多的子节点,就是多叉树(multiway tree)。
2-3树:
2-3树,2-3-4树都是属于多叉树,多叉树通过重新组织节点,减少树的高度,能对二叉树进行优化!
2-3树是最简单的B树,特点:
- 2-3树的所有叶子节点都在同一层(只要是B树都满足这个条件)
- 有两个子节点的节点叫二节点,二节点要么没有子节点,要么有两个子节点。
- 有三个子节点的节点叫三节点,三节点要么没有子节点,要么有三个子节点。
- 2-3树是由二节点和三节点构成的树。
2-3树的插入规则:
- 2-3树的所有叶子节点都在同一层(只要是B树都满足这个条件)
- 有两个子节点的节点叫二节点,二节点要么没有子节点,要么有两个子节点。
- 有三个子节点的节点叫三节点,三节点要么没有子节点,要么有三个子节点。
- 当按照规则插入一个数到某个节点时,不能满足上面三个要求,就需要拆,先向上拆,如果上层满,则拆本层,拆后仍然需要满足上面3个条件。
2-3-4树:(也是B树的一种)
但是它与2-3树不同的是,它多了一个度为4的树!
重点:
B树:(B-,B-树,B-tree)–>数据分散在叶子节点和非叶子节点上
B-tree树即B树,B即Balanced,平衡。
Mysql中的索引是基于B+树, Mongodb使用的索引是B树
B树的说明 :
1). B树的阶:节点的最多子节点的个数,比如2-3树的阶是3,2-3-4树的阶是4
2). B-树的搜索,从根节点开始,对节点内的关键字(有序)序列进行二分查找,如果命中则结束,否则进入到查询关键字所属范围的儿子节点重担,直到所对应的儿子指针为空,或已经是叶子结点!
3). 关键字集合分布在整颗树中,即叶子节点和非叶子节点都存放数据。
4). 搜索有可能在非叶子节点结束
5). 其搜索性能等价于在关键字全集内做一次二分查找!
B+树:–>所有的数据都存放在叶子节点上,可以很好的降低树的高度
B+树是B树的变体,也是一种多路搜索树!
B+树的说明 :
1). B+树的搜索与B树基本相同,区别是B+树只有达到叶子节点才命中(B树可以在非叶子结果命中),其性能也等价于在关键字全集做一次二分查找。
2). 所有关键字都出现在叶子节点的链表中(数据只能在叶子节点【也叫稠密索引】,且链表中的关键字(数据)恰好是有序的)。
3). 不可能在非叶子节点命中。
4). 非叶子节点相当于是叶子节点的索引(稀疏索引),叶子节点相当于是存储(关键字)数据的数据层。
5). 更适合文件索引系统。
6). B树和B+树各有自己的应用场景,不能说B+树完全比B树好,反之亦然
B*树:
也是B+树的变体,在B+树的非根和非叶子再增加指向兄弟的指针。
B*树的说明:
1).B*树定义了非叶子节点关键字个数至少为(2/3)M,即块的最低使用率为2/3,而B+树的块的最低使用率为B+树的1/2.(其中M为它的度)
2).从第1个特点我们可以看出,B树分配新节点的概率比B+树要低,空间使用率更高!