14.数据结构之多路查找树与堆

文章介绍了多路查找树的概念,重点讲解了B树和B+树的定义、特征及它们在数据库(如MySQL)索引中的应用。B树和B+树的区别在于非叶子节点是否存储数据,B+树更适用于索引。此外,文章还提及了二叉堆,包括最大堆和最小堆的定义以及它们在优先队列和求TopK问题中的应用。
摘要由CSDN通过智能技术生成

前言

之前介绍的都是二叉查找树,二叉树一个节点最多有两个子节点,那么多于两个节点是什么情况呢,这就是我们本节要介绍的多路查找树。

多路查找树,也是我们数据库mysql底层索引维护方式。下面,我们来详细介绍。

1. B 树

1.1 定义

1.1.1 多路查找树

多路查找树(muitl-way search tree),其每一个节点的孩子数可以多于两个,且每一个节点处可以存储多个元素。

1.1.2 B 树

B树(BalanceTree)是对二叉查找树的改进。它的设计思想是,将相关数据尽量集中在一起,以便一次读取多个数据,减少硬盘操作次数。
在这里插入图片描述

1.2 特征

一棵m阶的B 树 (m叉树)的特性如下:

  1. B树中所有节点的孩子节点数中的最大值称为B树的阶,记为M
  2. 树中的每个节点至多有M棵子树 —即:如果定了M,则这个B树中任何节点的子节点数量都不能超过M
  3. 若根节点不是终端节点,则至少有两棵子树
  4. 除根节点和叶节点外,所有点至少有m/2棵子树
  5. 所有的叶子结点都位于同一层

2. B+ 树

在这里插入图片描述

2.1 特征

B+树是B-树的变体,也是一种多路搜索树,其定义基本与B树相同,它的自身特征是:

  1. 非叶子结点的子树指针与关键字个数相同
  2. 非叶子结点的子树指针P[i],指向关键字值属于[K[i], K[i+1])的子树
  3. 为所有叶子结点增加一个链指针
  4. 所有关键字都在叶子结点出现

2.2 B和B+的区别

  1. B树和B+树的最大区别在于非叶子节点是否存储数据的问题。
  2. B树是非叶子节点和叶子节点都会存储数据。
  3. B+树只有叶子节点才会存储数据而且存储的数据都是在一行上,而且这些数据都是有指针指向的,也就是有顺序的。

2.3 应用

2.3.1 MySQL索引B+Tree

  1. B树是为了磁盘或其它存储设备而设计的一种多叉平衡查找树
  2. B树的高度一般都是在2-4这个高度,树的高度直接影响IO读写的次数
  3. 如果是三层树结构,支撑的数据可以达到20G;如果是四层树结构,支撑的数据可以达到几十T

3. 二叉堆

二叉堆本质上是一种完全二叉树,它分为两个类型

3.1 定义

3.1.1 大顶堆(最大堆)

最大堆的任何一个父节点的值,都大于或等于它左、右孩子节点的值。
在这里插入图片描述

3.1.2 小顶堆(最小堆)

最小堆的任何一个父节点的值,都小于或等于它左、右孩子节点的值。
在这里插入图片描述

3.2 存储原理

完全二叉树比较适合用数组来存储。用数组来存储完全二叉树是非常节省存储空间的。因为不需要存储左右子节点的指针,单纯地通过数组的下标,就可以找到一个节点的左右子节点和父节点。
在这里插入图片描述
如上图所示,数组中下标为 i 的节点的左子节点,就是下标为 i∗2 的节点,右子节点就是下标为 i∗2+1 的节点,父节点就是下标为 i/2 取整的节点。

3.3 二叉堆的典型应用

  1. 优先队列
  2. 利用堆求 Top K问题
    在一个包含 n 个数据的数组中,我们可以维护一个大小为 K 的小顶堆,顺序遍历数组,从数组中取出数据与堆顶元素比较。如果比堆顶元素大,我们就把堆顶元素删除,并且将这个元素插入到堆中;如果比堆顶元素小,则不做处理,继续遍历数组。这样等数组中的数据都遍历完之后,堆中的数据就是前 K 大数据了
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值