B树系列

文章目录

B树系列
- 1. B树
- - 1. B树特点
  - 2. B树的分裂过程：（插入）
  - 3. B树的删除操作
- 2. B+树
- - 1. B树和B+树的相同点：
  - 2. B树和B+树的不同点
  - 3. B+树的插入操作
- 3. B树和B+树总结⭐
- 4. 搜索树总结

B树和B+树的出现是为了查询数据时减少磁盘的IO次数，我们知道平衡二叉查找树是一种查询速度很快的数据结构。它的时间复杂度为（logN），但是它由于是一个二叉树，所以树的高度相对于多叉树来讲是比较高的，所以为了平衡磁盘IO与时间复杂度直接的关系，我们引入了B树和B+树；

1. B树

上图为一个3-4树，或者叫4阶树，即一个节点最多存储3个key，一个节点最多有4个孩子（3+1）；

在B树里，一个节点里面有多个key；

1. B树特点

每个节点最多有m-1个关键字（可以存有的键值对）；
根节点最少可以只有一个关键字；
非根节点至少有m / 2 个关键字；
每个节点中的关键字都按照从小到大的顺序排列，每个关键字的左子树中的所有关键字都小于它，而右子树中的所有关键字都大于它；
所有叶子节点都位于同一层，或者说根节点到每个叶子节点的长度都相同；
每个节点都存有索引和数据，也就是对应的key和value；

所以得到结论：

根节点的关键字数量范围：1 <= k <= m-1；
非根节点的关键字数量范围：m/2 <= k <= m-1；

所以我们在描述一个B树的时候需要指定它的阶数，阶数表示了一个节点最多有多少个孩子节点，一般用 m 表示阶数；

2. B树的分裂过程：（插入）

分裂：高度是分裂出来的

插入的时候永远在最下面的节点中进行插入（该在哪一块，从上往下找呗，因为这也是搜索树啊）；
中间的那个数往上走成为一个新的节点，将分为左和右；

3. B树的删除操作

如果删除的是叶子节点中的元素，且删除之后，那个叶子节点数还是大于m/2，这种情况直接删除即可；
删除非叶子节点中的元素，如下图：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

要删除22这个节点，对于非叶子节点的删除，我们要将后继key覆盖要删除的key，然后在后继key所在的子支中删除这个key，结果如下：

此时发现26所在节点只有一个元素了，小于m/2，不符合B树特点，如果它的兄弟节点的元素大于m/2，此时就要向它的兄弟节点借取，具体方法就是先向父节点借取，然后兄弟节点再给父节点补充，如下图：

2. B+树

1. B树和B+树的相同点：

根节点至少一个元素；
非根节点的元素范围：m/2 <= k <=m-1

2. B树和B+树的不同点

B+树有两种类型的节点：内部节点（也称索引节点）和叶子节点 ；
- 内部节点就是非叶子节点，内部节点不存储数据，只存储索引，数据都存储在叶子节点；
内部节点中的key都按照从小到大的顺序排列，对于内部节点中的一个key，左树种所有key都小于它，右树中所有key都大于等于它，叶子节点中的记录也按照key的大小排列；
每个叶子节点都存有相邻叶子节点的指针，叶子节点本身依关键字的大小自小而大顺序链接；
父节点存有右孩子的第一个元素的索引；

下面看一个B+树的图片来感受感受：

3. B+树的插入操作

以下面的这颗5阶的B+树（m为5）为例，5阶B+树的节点最多4个元素，最少2个元素；

插入5，10，15，20

然后插入25，此时元素个数大于m-1，需要分裂：
接着插入26，30，继续分裂：

3. B树和B+树总结⭐

B+树相对于B树有一些自己的优势，可以归结为下面几点：

单一节点存储的元素更多，使得查询的IO次数更少，所以也就使得它更适合作为数据库MySQL的底层数据结构；
所有的查询都要查找到叶子节点，查询性能是稳定的，而B树，每个节点都可以查找到数据，所以不稳定；
所有的叶子节点形成了一个有序链表，更加便于查找；

4. 搜索树总结

模型：

key模型（Set）
Map模型

哈希表和搜索树的比较：

哈希表的时间复杂度为O（1）
搜索树不会遭到恶意冲突
搜索树的中序是有序的
- 这个优点比如在数据库的ORDER BY语句中，假如使用了索引，则直接返回其中序遍历索引即可；
hash表只支持等值查询，不易于范围查询，而搜索树实现范围查询就很容易；

B-树、B+树、B树的区别（B只做了解即可）

数据库中的索引就是在原有的数据之外又建立了一个B系列树（MySQL中InnoDB为B+树）；

数据库也支持hash索引，这种索引只用于等值查询；

B树和B+树画图详解相关推荐

线段树扫描线求矩形周长详解
线段树扫描线求矩形周长详解原创 wucstdio 最后发布于2018-04-24 16:12:09 阅读数 841 收藏发布于2018-04-24 16:12:09 版权声明:本文为博主原创文章, ...
K近邻算法和KD树详细介绍及其原理详解
相关文章 K近邻算法和KD树详细介绍及其原理详解朴素贝叶斯算法和拉普拉斯平滑详细介绍及其原理详解决策树算法和CART决策树算法详细介绍及其原理详解线性回归算法和逻辑斯谛回归算法详细介绍及其原理详 ...
蒙特卡洛树搜索（MCTS）详解
蒙特卡洛树搜索(MCTS)详解蒙特卡洛树搜索是一种经典的树搜索算法,名镇一时的 AlphaGo 的技术背景就是结合蒙特卡洛树搜索和深度策略价值网络,因此击败了当时的围棋世界冠军.它对于求解这种大规模 ...
AVL树的实现（图文详解）
AVL树的实现 AVL树定义 AVL树其实就是一棵特殊的二叉树,为什么会出现AVL树,AVL树比普通二叉树优势在什么地方呢? 我们知道,一棵普通的二叉搜索树,以其特殊的性质(左<根<右), ...
Android vector Path Data画图详解
下面来解释一下"M 100,240 C510,300 80,100 300,160 H40 v80"这样字符串的意义. 分为四种情况来解释: 1. 移动指令:Move Comm ...
HDU - 3333 Turing Tree 线段树区间不同值和+详解+思想
传送门首先第一次做这种求不同元素和的线段树题,猜想是个裸题.但是题目中有一句话显然给题目降低了很大的难度,就是想想其实它就是在暗示你这道题你要结合多次询问来处理,也就是所谓的离线,而不是一次一次的 ...
【线段树合并】解题报告：luogu P4556雨天的尾巴（树上对点差分 + 动态开点 + 线段树合并）线段树合并模板离线/在线详解
题目链接:雨天的尾巴本题本身是一个非常简单的一道树上差分的模板题,但是由于变态的数据范围,我们直接用数组是存不下的(本来使用一颗普通的线段树直接维护最大值即可.但是本题的空间只有128MB,直接按照 ...
树状数组基本用法详解
树状数组重点是在树状的数组大家都知道二叉树吧叶子结点代表A数组A[1]~A[8] - 现在变形一下现在定义每一列的顶端结点C[]数组如下图 C[i]代表子树的叶子结点的权值之和// 这里以 ...
wxpython使用方法_python图形界面开发之wxPython树控件使用方法详解
wxPython树控件介绍树(tree)是一种通过层次结构展示信息的控件,如下图所示是树控件示例,左窗口中是树控件,在wxPython中树控件类是wx.TreeCtrl. wx.TreeCtrl常用 ...

B树和B+树画图详解