多路查找树——多叉树、B树、B+树、B*树

二叉树的问题

下面是一个满二叉树，其有2^n-1个节点，n为层数。

二叉树虽然操作效率高，但存在问题：

1) 二叉树需要加载到内存的，如果二叉树的节点少，没有什么问题，但是如果二叉树的节点很多时，(比如 1 亿)， 就存在如下问题:

2) 问题 1：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，构建二叉树时， 速度有影响

3) 问题 2：节点海量，也会造成二叉树的高度很大，会降低操作速度

多叉树引入

1) 在二叉树中，每个节点有数据项，最多有两个子节点，其存放数据量少。

2）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）

3) 后面的 2-3 树，2-3-4 树就是多叉树，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，数据库索引中常用。

2-3树：

2-3-4树：

B树

B 树通过重新组织节点，一个节点有多个数据项，可以降低树的高度，并且减少 i/o 读写次数来提升效率。如下图：

1) 如图 B 树通过重新组织节点， 降低了树的高度.

2) 文件系统及数据库系统的设计者利用了磁盘预读原理，将一个节点的大小设为等于一个页(页得大小通常为 4k)， 这样每个节点只需要一次 I/O 就可以完全载入

3) 将树的度 M 设置为 1024，在 600 亿个元素中最多只需要 4 次 I/O 操作就可以读取到想要的元素, B 树(B+)广泛 应用于文件存储系统以及数据库系统中。

注：节点的度：一个节点下面的子树的个数

       树的度：所有节点的度里，最大的那个度成为树的度。

2-3树

2-3树简介

2-3树是最简单的B树，特点如下：

1) 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)

2) 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.

3) 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.

4) 2-3 树是由二节点和三节点构成的树。

2-3树构造

将数列{16, 24, 12, 32, 14, 26, 34, 10, 8, 28, 38, 20} 构建成 2-3 树，并保证数据插入的大小顺序。根据2-3树的特点进行构造，构造规则如下：

插入规则:

1) 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)

2) 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.

3) 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

4) 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。

5) 对于三节点的子树的值大小仍然遵守(BST 二叉排序树)的规则。

构造的最终结果如下：

构建 2-3 树的具体过程如下：

B树细节

B-tree 树即 B 树，B 即 Balanced，平衡的意思。有时把 B-tree 翻译成 B-树，容易误解为B减树。以为 B-树 是一种树，而 B 树又是另一种树。实际上，B-tree 就是指的 B 树。

B树的一个直观图如下：

有一些说明：

1) B 树的阶：节点的最多子节点个数。比如 2-3 树的阶是 3，2-3-4树的阶是4.

2) B-树的搜索，从根结点开始，对结点内的关键字（有序）序列进行二分查找，如果命中则结束，否则进入查询关键字所属范围的儿子结点；重复，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结点结束

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

B+树是 B 树的变体，也是一种多路搜索树。

B+树的一个直观图如下：

有一些说明：

1) B+树的搜索与 B 树也基本相同，区别是 B+树只有达到叶子结点才命中（B 树可以在非叶子结点命中），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结点的链表中（即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) 不可能在非叶子结点命中

4) 非叶子结点相当于是叶子结点的索引（稀疏索引），叶子结点相当于是存储（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

B*树是 B+树的变体，在 B+树的非根和非叶子结点再增加指向兄弟的指针。

B*树的一个直观图如下：

有一些说明：

1) B*树定义了非叶子结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的 1/2。

2) 从第 1 个特点我们可以看出，B*树分配新结点的概率比 B+树要低，空间使用率更高。