数据结构 B-树

B-树

1970年，R.Bayer和E.mccreight提出了一种适合外查找的树，它是一种平衡的多叉树，称为B树(有些地方写 的是B-树，注意不要误读成"B减树")。

一棵M阶(M>2)的B树，是一棵平衡的M路平衡搜索树，可以是空树或 者满足一下性质：

• 根节点至少有两个孩子
• 每个非根节点至少有M/2(上取整)个孩子,至多有M个孩子
• 每个非根节点至少有M/2-1(上取整)个关键字,至多有M-1个关键字，并且以升序排列
• key[i]和key[i+1]之间的孩子节点的值介于key[i]、key[i+1]之间
• 所有的叶子节点都在同一层

孩子永远比数据多一个。

• 根节点：关键字数量：[1,m-1],孩子的数量[2,m]
• 非根节点：关键字数量：[m/2-1,m-1],孩子的数量[m/2,m]
• 每个结点中，孩子的数量永远比关键字多1

B-数的插入

假设M = 3. 即三叉树，每个节点中存储两个数据，两个数据可以将区间分割成三个部分，因此节点应该有三个孩子，节点的结构如下：

用序列{53, 139, 75, 49, 145, 36, 101}构建B树设M=3

插入过程总结：

• 如果树为空，直接插入新节点中，该节点为树的根节点
• 树非空，找待插入元素在树中的插入位置(注意：找到的插入节点位置一定在叶子节点中)
• 检测是否找到插入位置(假设树中的key唯一，即该元素已经存在时则不插入)
• 按照插入排序的思想将该元素插入到找到的节点中
• 检测该节点是否满足B-树的性质：即该节点中的元素个数是否等于M，如果小于则满足
• 如果插入后节点不满足B树的性质，需要对该节点进行分裂：申请新节点，找到该节点的中间位置，将该节点中间位置右侧的元素以及其孩子搬移到新节点，将中间位置元素以及新节点往该节点的双亲节点中插入，即继续第4条
  如果向上已经分裂到根节点的位置，插入结束

实现B-树的插入

#pragma once
#include <iostream>
using namespace std;
template<class K,class V,size_t M>
struct BTreeNode
{
	/*
	pair<K, V> _kvs[M];
	BTreeNode<K, V, M>* _sub[M + 1];
	*/
	//孩子数比关键数多1

	//K空间上多给一个，方便分裂，方便插入以后再分裂
	pair<K, V> _kvs[M];
	BTreeNode<K, V, M>* _sub[M + 1];
	BTreeNode<K, V, M>* _parent;

	size_t _kvSize;

	BTreeNode()
		:_kvSize(0)
		, _parent(nullptr)
	{
		
		for (size_t i = 0; i < M + 1; ++i)
		{
			_sub[i] = nullptr;
		}
	}
};
template<class K, class V, size_t M>
class BTree
{
	typedef BTreeNode<K, V, M> Node;
public:
	pair<Node*,int> Find(const K& key)
	{
		//观察：左孩子下标跟key的下标相等，右孩子下标是key的下标+1
		//第i个key的左孩子是sub[i],第i个key的右孩子是sub[i + 1]
	
		Node* parent = nullptr;
		Node* cur = _root;
		while (cur)
		{
			size_t  i = 0;
			while (i < cur->_kvSize)
			{
				//如果M比较大，可以换成二分查找会快一些
				if (cur->_kvs[i].first < key)//key大于当前位置往右找
					i++;
				else if (cur->_kvs[i].first > key)//key小于当前位置往左找
					break;
				else
					return make_pair(cur, i);
			}
			parent = cur;
			
			cur = cur->_sub[i];
		}
		//没找到
		return make_pair(parent, -1);
	}
	void InsertKV(Node* cur, const pair<K, V> &kv, Node* sub)
	{
		//往cur里插入key和sub
		int i = cur->_kvSize - 1;
		for (;i >= 0; )
		{
			//将kv找到合适的位置插入
			if (cur->_kvs[i].first < kv.first)
			{
				break;
			}
			else
			{
				//kv往后挪动，kv的有孩子也挪动
				cur->_kvs[i + 1] = cur->_kvs[i];
				cur->_kvs[i + 2] = cur->_kvs[i + 1];
				i--;
			}
		}
		cur->_kvs[i + 1] = kv;
		cur->_sub[i + 2] = sub;
		cur->_kvSize++;
		if (sub)
		{
			sub->_parent = cur;
		}

		
	}
	bool Insert(const pair<K, V> &kv)
	{
		
		if (_root == nullptr)
		{
			_root = new Node;
			_root->_kvs[0] = kv;
			_root->_kvSize = 1;
			
			return true;
		}
		pair<Node*, int> ret = Find(kv.first);
		if (ret.second >= 0)//已经有了，不能插入(允许插入就是mutil版本)
		{
			return false;
		}


		//往cur节点插入一个newkv和sub

		Node* cur = ret.first;
		pair<K, V> newkv = kv;
		Node* sub = nullptr;

		while (1)
		{
			InsertKV(cur, newkv,sub);

			//1\如果cur没满就结束
			if (cur->_kvSize < M)
			{
				return true;
			}
			else //满了需要分裂
			{
				//2、如果满了就分裂，分裂出兄弟以后往父亲插一个关键字和孩子，再满还要继续分裂
				Node* newnode = new Node;//分裂出一个兄弟节点

				//\拷贝走右半区间给分裂的兄弟节点

				int mid = M / 2;
				int j = 0;
				int i = mid + 1;

				newkv = cur->_kvs[mid];
				cur->_kvs[mid] = pair<K, V>();
				for (; i < M; i++)
				{
					newnode->_kvs[j] = cur->_kvs[i];
					cur->_kvs[i] = pair<K, V>();					
					newnode->_sub[j] = cur->_sub[i];//还需要拷贝孩子
					cur->_sub[i] = nullptr;
					if (newnode->_sub[j])
					{
						newnode->_sub[j]->_parent = newnode;
					}
					j++;
					newnode->_kvSize++;
					//printf("%d\n", newnode->_kvSize);
					
				}
				//最后一个右孩子
				newnode->_sub[j] = cur->_sub[i];
				if (newnode->_sub[j])
				{
					newnode->_sub[j]->_parent = newnode;
				}
				newkv = cur->_kvs[mid];
				cur->_kvSize = cur->_kvSize - newnode->_kvSize - 1;
				

				//a、如果Cur没有父亲，cur就是根，产生新的根
				//b、如果cur有父亲，那么就转换成cur的父亲中插入一个key和一个孩子	
				//c最坏的情况分裂到根，原来的根分裂产生新的根，最多分裂出高度次
				if (cur->_parent == nullptr)
				{
					_root = new Node;
					_root->_kvs[0] = newkv;
					_root->_sub[0] = cur;
					_root->_sub[1] = newnode;
					cur->_parent = _root;
					newnode->_parent = _root;

					_root->_kvSize = 1;
					return true;
				}
				else
				{
					//往父亲插入newkv和newnode,转换成迭代器
					sub = newnode;
					cur = cur->_parent;

				}
			}
		}
		return true;
	}
	
	
	
private:
	Node* _root = nullptr;
	
};
void test()
{
	BTree<int, int, 3> t;
	int a[] = { 53, 139, 75, 49, 145, 36, 101 };
	for (auto e : a)
	{
		t.Insert(make_pair(e, e));
	}
	
}

B+树和B*树

B+树

B+树是B-树的变形，也是一种多路搜索树，
其定义基本与B-树相同，除了：

• 非叶子节点的子树指针与关键字个数相同
• 非叶子节点的子树指针p[i]，指向关键字值属于[k[i]，k[i+1])的子树
• 为所有叶子节点增加一个链指针
• 所有关键字都在叶子节点出现

节点K数到M+1在分裂
分裂出兄弟，拷走一半
关键字就是兄弟中第一个K，孩子就是兄弟
B+树的插入：分裂时拷走一半，不需要把中位数插入到父亲，往上提，因为叶子分裂，所有的值都要存在叶子，非叶子只存孩子最小的值，方便查找，B+树存在重复存储K的问题，所有的值都在叶子，叶子再链接方便遍历树中的所有值

B+树的搜索与B-树基本相同，区别是B+树只有达到叶子节点才能命中(B-树可以在非叶子节点中命中)，其性能也等价与在关键字全集做一次二分查找。
B+树的特性：

• 所有关键字都出现在叶子节点的链表中(稠密索引)，且链表中的节点都是有序的。
• 不可能在非叶子节点中命中。
• 非叶子节点相当于是叶子节点的索引(稀疏索引)，叶子节点相当于是存储数据的数据层。
• 更适合文件索引系统

B*树

B*树是B+树的变形，在B+树的非根和非叶子节点再增加指向兄弟节点的指针。

• 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 (代替B+树的1/2);

• B+树的分裂:当一个结点满时，分配一个新的结点，并将原结点中1/2的数据
  复制到新结点，最后在父结点中增加新结点的指针;B+树的分裂只影响原结点和父 结点，而不会影响兄弟结点，所以它不需要指向兄弟的指针;
  B*树的分裂:当一个结点满时，如果它的下一个兄弟结点未满，那么将一部分
  数据移到兄弟结点中，再在原结点插入关键字，最后修改父结点中兄弟结点的关键字 (因为兄弟结点的关键字范围改变了);如果兄弟也满了，则在原结点与兄弟结点之间增加新结点，并各复制1/3的数据到新结点，最后在父结点增加新结点的指针;

• 所以，B*树分配新结点的概率比B+树要低，空间使用率更高;

总结

• B-树:多路搜索树，每个结点存储M/2到M个关键字，非叶子结点存储指向关键字范围的子结点;

• 所有关键字在整颗树中出现，且只出现一次，非叶子结点可以命中;

• B+树:在B-树基础上，为叶子结点增加链表指针，所有关键字都在叶子结点
  中出现，非叶子结点作为叶子结点的素引;B+树总是到叶子结点才命中，

• B*树:在B+树基础上，为非叶子结点也增加链表指针，将结点的最低利用率从1/2提高到2/3;

B-树的应用

索引

B-树最常见的应用就是用来做索引。索引(index)是帮助MySQL高效获取数据的数据结构，简单来说：索引就是数据结构。

当数据量很大时，为了能够方便管理数据，提高数据查询的效率，一般都会选择将数据保存到数据库，因此数据库不仅仅是帮助用户管理数据，而且数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用数据，这样就可以在这些数据结构上实现高级查找算法，该数据结构就是索引。