数据结构与算法(多路查找树B树,B+树)

二叉树与B树

二叉树的问题分析

二叉树的操作效率较高，但是也存在问题,请看下面的二叉树

1)二叉树需要加载到内存的,如果二叉树的节点少，没有什么间题，但是如果二叉树的节点很多(比如1亿)、就存在如下间题
2)间题1。在构建二叉树时，需要多次进行/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)同题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

1)在二叉树中，每个节点有数据项，最多有两个子节点。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)
2)后面我们讲解的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。
3)举例说明(下面2-3树就是一颗多叉树)
2-3树

B树的基本介绍

 B树通过重新组织节点，降低树的高度，并且减少i/o读写次数来提升效率。

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(~得大小通常为4k)，这样每个节点只需要一次l/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Vo操作就可以读取到想要的元素,B
树)广泛应用于文件存储系统以及数据库系统中

2-3树

2-3树的基本介绍

2-3树是最简单的B-树结构,具有如下特点:

(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树应用案例

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。(演示一下构建2-3树的过程.)

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―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

其他说明

除了2-3树,还有234树等,概念和23树类似,也是一种B树.如图:

B树的介绍

B-tree树即B树,B即Balanced，平衡的意思。有人把B-tree翻译成B-树，容易让人
产生误解。会以为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。

前面已经介绍了2-3树和2-3-4树，他们就是B树(英语:B-tree也写成B-树)，这里我们再做一个说明，我们在学习Mysql时，经常听到说某种类型的索引是基于B树或者B+树的，如图:

 

 B树的说明:
(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)其搜素性能等价于在关键字全集内做一次二分查找

 B+树的介绍

B+树是B树的变体,也是一种多路搜索树

B+树的说明:

(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)非吐子结点相当于是叶子结点的索引(稀疏索弘,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*树的介绍

B*树是B+树的变体,在B+树的非根和非叶子节点再增加指向兄弟的指针.

B*树的说明:
(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B+树的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