hash&二叉树&平衡二叉树&B树&B+树

1hash

Hash表，在Java中的HashMap，TreeMap就是Hash表结构，以键值对的 形式存储数据。我们使用hash表存储表数据结构，Key可以存储索引列， Value可以存储行记录或者行磁盘地址。Hash表在等值查询时效率很高，时间 复杂度为O(1)；但是不支持范围快速查找，范围查找时只能通过扫描全表的方 式，筛选出符合条件的数据。

显然这种方式，不适合我们经常需要查找和范围查找的数据库索引使用。

2二叉树 (基础版)

二叉树：每个节点最多有两个分叉节点，左子 树和右子树数据按顺序左小右大。

二叉树的特点就是为了保证每次查找都可以进行折半查找，从而减少IO次数。

但是二叉树不是一直保持二叉平衡，因为二叉树很考验根节点的取值，因为很 容易在某个节点下不分叉了，这样的话二叉树就不平衡了，也就没有了所谓的能进行 折半查找了，如下图： 

举例：数据库中数据是不断增多的，假如根节点为10，以后的数据都会在右侧，数据越多，性能越差

3平衡二叉树(升级)

平衡二叉树采用的是二分法思维，平衡二叉查找树除了具备二叉树的特 点，最主要的特征是树的左右两个子树的层级最多差1。

在插入删除数据时通过 左旋/右旋操作保持二叉树的平衡，不会出现左子树很高、右子树很矮的情况。

使用平衡二叉查找树查询的性能接近与二分查找，时间复杂度为 O(log2n)，查询id=6，只需要两次IO

就上述平衡二叉树的特点来看，其实是我们理想的状态下，然而其实内部 还是存在一些问题： 时间复杂度和树的高度有关。树有多高就需要检索多少次，每个节点的 读取，都对应一次磁盘的IO操作。树的高度就等于每次查询数据时磁盘 IO操作的次数。磁盘每次寻道的时间为10ms，在数据量大时，查询性 能会很差。（1百万的数据量，log2n约等于20次磁盘IO读写，时间消 耗约等于：20*10=0.2S）。 平衡二叉树不支持范围查询快速查找，范围查询需要从根节点多次遍 历，查询效率不高。

简单的介绍一下红黑树：特点，平衡节点防止退化成链表结构

平衡二叉树有可能退化成链表结构的，所以就有了红黑树，为啥数据库不用红黑树呢？ 节点存储元素太少导致树的高度太高查询速度不快

4 B树(升级)

 介绍一下结构：

 data：里面是我们的数据，只要是带data的那个节点都是可以直接获取数据得。例如：15,40,7,12

优势：首先每一个节点处，都是可以存放很多数据和指针的。这就会让我们的数据层级很少，查询更快

单条数据查询很快：例如：查询数据2的索引，2小于15，在指针p1的磁盘下，找到磁盘2.

            一次类推，找到磁盘5，找到数据。

缺点：批量查询数据稳定性不是很好(有可能慢，有可能快)，

  例如查询 8-26的数据：查找到8之后，需要回到根节点重新遍历查找， 需要从根节点进行多次遍历，查询效率有待提高

                               

5B+树(升级)

B+树，作为B树的升级版，

B+树和B树最主要的区别：B+树 是只有叶子节点存储数据     B树不是。

优点：

       查询更加稳定，

       节点可以存放指针更多了(只能叶子节点才能存data),这样层级更加少了，io更少了。

举例：查询15-30数据：

     经历就会是4步即可。

 如何应用的呢(InnoDB)？

 例如：SELECT * FROM `test`  WHERE id=15  ,

     它会先判断这个sql走没走索引，走了就会去走索引查询，直接查询到这条数据。