数据结构

堆

完全二叉树，大根堆的根节点的值大于子节点的值，小根堆根节点的值小于子节点的值

堆插入操作（大根堆为例）：插入新的节点，然后沿着新节点到根节点的路径执行一趟起泡操作，交换其与根节点的值；时间复杂度O(logn)

堆删除操作：只能删除堆顶元素，删除堆顶之后，再将最后一个叶子结点删除，执行一次从根节点到叶子结点的操作，寻找最后一个叶子节点应该存放的位置；时间复杂度O(logn)

建堆操作：对每个节点都执行一次堆插入操作；时间复杂度O(nlogn)

堆初始化操作：从最后一个非叶子节点开始调整，时间复杂度为非叶子节点的节点数量

二叉搜索树

查找操作：二分法，时间复杂度O(h)

插入操作：类似查找操作，找到需要插入的位置，时间复杂度O(h)

删除操作：基于查找，时间复杂度O(h)

• 情况1：删除叶子节点，直接删除
• 情况2：要删除的节点只有一个子树，如果要删除的节点是根节点，则将子树变为根节点，否则让该节点的父节点指向该节点
• 情况3：要删除的节点有两个子树，则用左子树最大节点或右子树最小节点替换该节点，左子树最大节点是左子树的最右节点，右子树最小节点是右子树的最小节点

红黑树：平衡二叉搜索树

二叉搜索树问题：查找、插入和删除的时间复杂度与树高有关，最坏情况下为O(n)，最好情况为O(logn)
红黑树：高度平衡的二叉搜索树，时刻维持树高为logn，可以保证查找性能为O(logn)，在插入或删除操作时通过“旋转”维持树高

B树&B+树

用于外部存储，磁盘I/O读写较慢，如果使用二叉搜索树树太深，查找效率较低

B树&B+树：多路平衡查找树；每个节点可以有多个关键字，是一棵多叉树
B树：父节点的关键字不包括在子节点当中，提供层次查找的方式；与B+树相比，如果经常访问的节点离根节点更近，那么检索速度会更快，因为非叶子节点存储了叶子结点的指针
B+树：父节点的关键字包括在子节点中，非叶子节点不存储叶子结点的指针，因此可以存储更多的关键字，提高效率；提供层次查找和顺序查找两种查找方式；叶子结点按顺序存储，查找指定区间的数据效率更高，数据紧密性好，缓存命中率更高，有助于数据库的整表检索

红黑树和AVL树用于内部存储，B-树和B+树用于外部存储