知识点梳理：数据结构与算法——索引

知识点梳理：数据结构与算法——索引

基本概念：

索引：把关键码与它对应的记录位置关联起来的过程；（关键码，指针）对；指针指向主数据库文件（或主文件）中的完整记录

主文件：原始数据记录组成的文件

索引文件：索引数据组成的文件

稠密索引：对每个记录建立一个索引项（特点：主文件不需要按关键码次序排列）

稀疏索引：对一组记录建立一个索引项（特点：要求主文件必须按照关键码次序存放，索引指向这一组记录在磁盘中的起始位置）

线性索引

优点：可对变长数据库记录访问；支持对数据的高效检索（二分）
缺点：线性索引太大，存储在磁盘中，一次检索可能多次访问磁盘，影响检索效率

二级线性索引

二级索引文件读入内存->找到关键码对应的一级索引磁盘块->读入一级索引磁盘块->对该块进行二分检索->读入所需记录

静态索引

索引结构在文件创建时生成；一旦生成就固定下来，在增删记录的过程中索引结构不变；文件再组织时才允许改变索引结构

倒排索引

按属性值建立索引（属性值+关键码/关键码对应的指针地址）
由属性值确定记录的位置，称为倒排索引
带有倒排索引的文件称为倒排文件
优点：高效
缺点：检索词有限（只能用索引文件中的关键词）；需要的空间代价往往很高

基于属性的倒排

每个属性值建立一个索引量比较大，且任何一个元素改动，所有索引表都要改变
n个属性可以有$2^n-1$种索引（多种属性联合建立一个索引）
eg.

基于正文文件的倒排

• 词索引
  已经排序过的关键词列表：
  eg.
  
• 全文索引（正文看作一个长的字符串，记录每个字符串开始位置）

动态索引

B树

m阶B树：

• 上界：每个结点至多有m个子结点（至多m-1个关键码）
• 下界：根结点至少2子树，其他非叶结点至少$\lceil m/2\rceil$子树（至少$\lceil m/2\rceil$-1关键码）
• 树高平衡、叶结点同层、关键码不重复
• 父结点关键码是子结点分界

值相近的记录在相近磁盘页中，结点关键码至少一定比例是满的（空间利用率，减少检索、更新操作的访外）

插入

• 找到最底层插入
• 如果溢出：结点分裂->中间关键码连同新指针插入父结点->继续向上如果溢出则分裂（最后树可能升高一层）

分裂时左半 ⌈ m / 2 ⌉ \lceil m/2\rceil