AVL树、红黑树、B树、B+树

一、AVL树(平衡二叉搜索树)

AVL树是严格的平衡二叉搜索树，左右子树的高度差不超过1。

不管我们是执行插入还是删除操作，只要不满足上面的条件，就要通过旋转来保持平衡。

由于旋转非常耗时，因此AVL树适合用于插入与删除次数比较少，查找次数多的情况。

二、红黑树

红黑树是弱平衡二叉搜索树，红黑树确保没有一条路径会比其它路径长2倍(即从同一父节点出发到叶子节点，所有路径上的黑色节点数目是一样的)。

性质：

• 每个节点非黑即红；
• 如果一个节点是红的，那么它的俩儿子都是黑的；
• 根节点和叶子节点(叶节点即树尾端NULL指针或NULL节点)都是黑的；
• 对于任意节点而言，其到叶子节点NULL指针的每条路径都包含相同数目的黑节点；

三、红黑树与AVL树的区别

1.调整平衡机制不同

• 红黑树通过颜色变更和不超过三次的旋转来实现；
• AVL树根据树的平衡因子和旋转来实现；

2.红黑树的插入删除效率更高

• 红黑树是用非严格的平衡来换取增删节点时候的旋转次数降低，任何平衡都会在三次旋转之内解决。红黑树只要求部分达到平衡。
• AVL树是严格平衡二叉树，因此在增删节点调整平衡时，旋转次数比红黑树要多。

3.AVL树的查找效率高

因为AVL树是严格平衡二叉树，所以AVL树节点的深度比红黑树的节点深度小，所以查找效率高。

实际应用中，查询的次数远远大于插入和删除，选择AVL树。如果查询和插入删除次数几乎差不多，应选择红黑树。不查找或查找次数很少，选择红黑树。

四、B树

B树是一种多叉路平衡搜索树，相对二叉树，B树每个节点有多个分支，即多叉。

以一颗度为5阶的B树为例，那这个B树每个节点最多存储4个key，5个指针：

特点： 

• 一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂。
• 所有键值分布在整颗树中（索引值和具体data都在每个节点里）；
• 任何一个关键字出现且只出现在一个结点中；
• 在B树中，非叶子节点和叶子节点都会存放数据。

五、B+树

B+树是B树的变种，B+Tree是B Tree的变种，我们以一颗最大度数为4(4阶）的b+tree为例，来看一下其结构示意图：

• 绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
• 红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。

最终我们看到，B+Tree 与B Tree相比，主要有以下三点区别：

• 所有的数据都会出现在叶子节点。
• 叶子节点形成一个单向链表。
• 非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。

MySQL索引数据结构 对经典的 B+Tree 进行了优化。在原 B+Tree 的基础上，增加一个指向相邻叶子节点的链表指针，形成带有顺序指针的B+Tree，提高区间访问的性能，利于排序。

题目扩充：

1、B树用于索引的天然优势

B 树是专门为外部存储器设计的，如磁盘，它对于读取和写入大块数据有良好的性能，所以一般被用在文件系统及数据库中。

索引的效率依赖与磁盘 IO 的次数，快速索引需要有效的减少磁盘 IO 次数。在索引过程中由于索引相关信息都存储在磁盘上，沿着树的每次的查找都是一个IO索引，B树的每个节点中data包含多个元素，并且位于磁盘上的同一block。采用B树查找，可以在更少的IO索引次数内定位目标元素所在的磁盘block。效率比二叉平衡搜索树效率更高。

局部性原理与磁盘预读

由于存储介质的特性，磁盘本身存取就比主存慢很多，因此为了提高效率，要尽量减少磁盘I/O。为了达到这个目的，磁盘往往不是严格按需读取，而是每次都会预读，即使只需要一个字节，磁盘也会从这个位置开始，顺序向后读取一定长度的数据放入内存。

2、MySQL索引为什么要用B+树，而不是B树？

因为B+树中，只有叶子节点才存储有实际的data，非叶子节点内不存储data，因此在磁盘的一个页中可以存储更多的节点，因此可以使得B+树的深度更小，在索引时能通过更少的IO索引次数定位目标元素的位置。

B树的非叶子节点同时存有key和data，因此索引时间不定，可能在根节点就获得目标数据。
B+树只有叶子节点才存有data，因此必须通过logn的时间复杂度采用获得目标数据。