数据结构----树结构

树的查找时间为log(n)，n为树的高度，

二叉排序树（二叉查找树、二叉搜索树）

左节点比根节点小，右边比根节点大，并且左右子树都又是二叉排序树

极限条件下，会变成链表，如：
为什么要尽可能保证树的平衡，因为树的查询取决于树的高度，

平衡树（平衡二叉树）

为了防止二叉排序树极端情况下变成链表，平衡树出现了，在插入的同时调整这颗树，让其节点尽可能均匀的分布。
AVL树：左右子树树高不超过1，和红黑树相比，它是严格的平衡二叉树，适合修改少、查找多的情况，Windows NT内核中广泛存在.
红黑树：就是平衡树的一种，他的规则都是为了更好的保证树的平衡，⾯对频繁地插⼊与删除红⿊树更加合适，红黑树能够以O(log2(N))的时间复杂度进行搜索、插入、删除操作。此外,任何不平衡都会在3次旋转之内解决。这一点是AVL所不具备的。

红黑树：
每个节点非红即黑.
根节点是黑的。
每个叶节点(叶节点即树尾端NUL指针或NULL节点)都是黑的.
如果一个节点是红的,那么它的两儿子都是黑的.
对于任意节点而言,其到叶子点树NIL指针的每条路径都包含相同数目的黑节点.

B树

定义：一种多路搜索树，它的每个节点可以拥有多于两个孩子节点。
场景：
B/B+树为了磁盘或其它存储设备而设计的
1、做文件系统的索引，----------------文件系统和数据库的索引都是存到硬盘上的，并且数据量大，不一定能一次性加载到内存中，如果一颗树都无法一次性加载到内存中，要怎么查找呢？这时候B树的多路存储就起作用了，可以每次加载B树的一个节点，然后一步步往下找。
如：假设内存一次性只能加载2个数，这么长的内存无法一次性加载进内存，把它组织成一颗三路的B树，这样每个节点最多有2个数，查找的时候每次载入内存一个节点就行；
如果在内存中，红黑树比B树效率更高，但是涉及到磁盘操作， B树就更优了

B/B+树上操作的时间通常由存取磁盘的时间和CPU计算时间这两部分构成,
而CPU的速度非常快,所以B树的操作效率取决于访问磁盘的次数,
关键字总数相同的情况下B树的高度越小，磁盘I/O所花的时间越少.

为什么要设计成多路呢？要降低树的高度，路数越多，树的高度越低，但是不能设计成无限多路，这样就会变成有序数组，即Python的数组，

优点：B 树中每个节点同时存储 key 和 data，因此经常访问的元素可能离根节点更近，访问也更迅速。

插入实现思路：对高度为h的m阶B树，新结点一般是插在第h层（即最底层）。通过检索可以确定关键码应插入的结点位置。然后分两种情况讨论：

1、 若该结点中关键码个数小于m-1，则直接插入即可。

2、 若该结点中关键码个数等于m-1，则将引起结点的分裂。以中间关键码为界将结点一分为二，产生一个新结点，并把中间关键码插入到父结点(h-1层)中

重复上述工作，最坏情况一直分裂到根结点，建立一个新的根结点，整个B树增加一层。

一棵5阶B树（树中最多含有m（m=5）个孩子，因此关键字数最小为ceil(m/ 2)-1=2。还是这句话，关键字数小了（小于2个）就合并，大了（超过4个）就分裂）为例

———————————————— 版权声明：本文为CSDN博主「yang_yulei」的原创文章，遵循CC 4.0
BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/yang_yulei/article/details/26104921

B+树

定义：B+树是在B数的基础上改造的，它的数据都在叶子结点上，同时叶子结点之间还加了指针形成链表

B+ 树中只有叶⼦节点才存储 data，⾮叶⼦节点只存储 key，InnoDB 对 B+ 树进⾏了优化，在每个叶⼦节点上增加了⼀个指向相邻叶⼦节点的链表指针，形成了带有顺序指针的 B+ 树，提⾼区间访问的性能。

场景：数据库索引
应文件系统所需而产生的，文件的目录一级一级索引,只有最底层的叶子节点(文件)保存数据
数据库select数据，会选很多条，B树需要做局部的中序遍历，可能要跨层访问，而B+树所有数据都在叶子结点上，不用跨层，同时由于有链表结构，只需要找到首尾，通过链表就能将数据取出来

既然hash比B+树更快，为啥不用hash？
1、这和业务场景有关，如果只选一条数据hash是更快，但是数据库经常需要选择多条数据，这个时候B+树索引有序，并且又有链表相连，它的查询效率就比hash快很多了；
2、而且数据库的索引一般在磁盘上，数据量大的情况下无法一次性装入内存，B+数允许数据分批加载，同时数的高度较低，提高了查询效率

优点·： ① ⾮叶⼦节点上不含数据信息，因此在内存⻚中能够存放更多的key，数据存放得更加紧密，具有更好的空间利⽤率，访问叶⼦节点上关联的数据也具有更好的缓存命中率。
② 整棵树的遍历只需要遍历所有叶⼦节点。

数据库系统的设计者巧妙利用了磁盘预读原理，将一个节点的大小设为等于一个页，这样每个节点只需要一次I/O就可以完全载入。在实际实现中B-Tree在每次新建节点时，直接申请一个页的空间，

转载链接：https://blog.csdn.net/qq_29373285/article/details/88610654