一.B树介绍

（一）.B树存在意义

（二）.B树的规则

二.B树实现原理及代码

（一）.实现原理

（二）.代码

三.B+树

（一）.概念

（二）.应用

①MyISAM

②InnoDB

四.B*树

一.B树介绍

（一）.B树存在意义

B树主要用于磁盘文件的检索操作。众所周知，平衡二叉树（AVL树、红黑树）搜索的时间复杂度是O(log^n)。虽然很快，但如果数据在磁盘中且有上亿量级的数据，即便只有30次左右的IO操作，速度也是非常慢的。因为磁盘IO速度极慢，主要是寻道操作影响，平均8ms左右。

因此，磁盘数据的检索不适合使用平衡二叉树，B树正式上线。

B树可以看成是压缩版的平衡二叉树，每一个节点上都有保存有多个值，且有多个叶子节点。

一般而言，B树的检索次数在个位量级，这取决于每个节点上能保存多少个值。

上亿量级的数据，红黑树可能需要30次左右，但B树只需要3-4次即可。

（二）.B树的规则

1. 根节点至少有两个孩子，规定每个节点最多存m - 1个元素

2. 每个分支有k - 1个元素和k个孩子节点，其中 ceil(m/2) ≤ k ≤ m，ceil是向上取整函数。

即孩子节点个数 = 元素个数 + 1（必须是分支节点）

3. 每个叶子节点都包含k-1个元素，其中 ceil(m/2) ≤ k ≤ m

4. 所有的叶子节点都在同一层

5. 每个节点中的元素从小到大排列

二.B树实现原理及代码

（一）.实现原理

以插入3、6、4、2、7、1、5为例，假定m为3，即每个节点最多存2个元素

首先，B树的节点图示如下：

这里多开辟一个空间是为了当元素数量满3时便于之后分裂。

依次插入，注意插入后元素要按从小到大排列（直接插入排序）：

此时，元素数量已经满3，要进行分裂操作。

分裂：节点对半分裂，将4提出作为父节点（根节点），3和6叶子节点分别作为4的左右孩子节点

之后2与4比较并插入，插入位置均是叶子节点（所有插入的元素都是这样）。

2小于4，因此插入左叶子节点，之后与3比较，小于3，插入左边。

7大于4因此插入右叶子节点，大于6，插入6右边

插入1后，此时右叶子节点满3了，要进行分裂：

分裂方式一样，将2提至父节点，1和3对半分。

2比4小，将4后移，同时4的右子树后移，1作为2的左子树，3作为2的右子树。

5插入后，4的右子树满3，进行分裂：

此时根节点满3，也要分裂：

将4提出作为根节点，2和6对半分，各自的叶子节点也对半分。

以上步骤包括所有B树插入的可能情况。

（二）.代码

// - - -    : _key
//- - - -   : _child
template<class T, size_t M>
struct BTreeNode {size_t _n;//已有值数量T _key[M + 1];//存放值,多一个位置，便于满时添加BTreeNode* _child[M + 1];//存放子节点们地址BTreeNode* _parent;//父节点BTreeNode()//初始化 + 默认构造:_n(0),_parent(nullptr){for (size_t i = 0; i <= M; i++) {_key[i] = T();_child[i] = nullptr;}}
};template<class T, size_t M>
class BTree {typedef BTreeNode<T, M> Node;void _insertKey(Node* cur, const T& key, Node* child)//child:右孩子{int i = cur->_n - 1;for (; i >= 0; i--)//这里不需要再判断key是否已有，insert中已经判断{if (key < cur->_key[i])//数据后移{cur->_key[i + 1] = cur->_key[i];cur->_child[i + 2] = cur->_child[i + 1];}else//key小于当前数据{break;}}//   - - -    _key//   - - - -  _child// ^   ^// i  childcur->_key[i + 1] = key;cur->_child[i + 2] = child;if (child){child->_parent = cur;}cur->_n++;}
public:pair<Node*, int> find(const T& key)//寻找节点{Node* cur = _root;Node* parent = nullptr;while (cur){int i = 0;while (i < cur->_n){if (key > cur->_key[i]){i++;}else if (key < cur->_key[i]){break;}else{return make_pair(cur, i);}}parent = cur;cur = cur->_child[i];}return make_pair(parent, -1);//没有找到}bool insert(const T& key)//插入值{if (_root == nullptr)//插入的是第一个节点{_root = new Node;_root->_key[0] = key;_root->_n++;return true;}//插入的不是第一个节点pair<Node*, int> ret = find(key);//找节点if (ret.second >= 0) return false;//节点已经存在//节点不存在，进行插入操作Node* cur = ret.first;Node* brother = nullptr;T midValue = key;//因为key是const，不能直接使用while (1){_insertKey(cur, midValue, brother);//先插入//判断cur是否已经满了if (cur->_n == M){//满了，分裂brother = new Node;T keyValue = cur->_key[M / 2];cur->_key[M / 2] = T();int i = M / 2 + 1, j = 0;for (; i < M; i++)//分裂{brother->_key[j] = cur->_key[i];brother->_child[j] = cur->_child[i];cur->_key[i] = T();cur->_child[i] = nullptr;if (brother->_child[j]){brother->_child[j]->_parent = brother;}j++;}brother->_n = j;cur->_n = M - brother->_n - 1;//-1是因为还要把向上提到父节点的减去brother->_child[j] = cur->_child[M];//最后一个子节点也需要添加cur->_child[M] = nullptr;if (brother->_child[j]){brother->_child[j]->_parent = brother;}//判断cur是否是根节点，是就需要手动创建节点并链接叶子，因为_insertKey只能同层插入，不能更新_rootif (cur->_parent == nullptr){_root = new Node;_root->_key[0] = keyValue;_root->_child[0] = cur;_root->_child[1] = brother;cur->_parent = _root;brother->_parent = _root;_root->_n = 1;break;}else{midValue = keyValue;cur = cur->_parent;}}else{break;}}return true;}void levelOrder()//层序遍历{queue<Node*> qu;qu.push(_root);while (!qu.empty()){int n = qu.size();while (n--){Node* node = qu.front();qu.pop();int i = 0;for (; i < node->_n; i++){cout << node->_key[i] << " ";if (node->_child[i]){qu.push(node->_child[i]);}}if (node->_child[i]){qu.push(node->_child[i]);}cout << "| ";}cout << endl;}}private:Node* _root = nullptr;
};

三.B+树

（一）.概念

B+树是对B树的改进，具体改进如下：
1.分支节点的子树指针与元素个数相同

2. 所有叶子节点增加一个链接指针链接在一起，便于遍历元素

3. 所有元素都在叶子节点出现，且链表中的节点都是有序的

4.分支节点相当于是叶子节点的索引，叶子节点才是存储数据的数据层，叶子层的元素才记录与数据的映射。

5.分支、叶子节点首元素来自父节点，且首元素是本节点最小元素（便于查找时确定位置）

图例如下：

分支节点可以看成是叶子节点的索引，链接指针存在的意义就是便于遍历所有数据，通过叶子节点的指针可以访问兄弟叶子节点，进而遍历数据。

插入数据时，如果叶子节点元素满了就创建一个新节点，并将数据的后一半给新节点，在父节点中记录新节点第一个数据并建立指针联系。

（二）.应用

B+树典型应用就是MySQL的索引。

①MyISAM

MySQL中的MyISAM引擎就是使用B+树，主键和辅键索引结构相同，只不过主键不能重复，索引数据时，通过B+树的搜索方式（与B树基本相同，不同是可以通过链接指针直接访问下一个叶子节点）找到key值，通过key值找到数据地址，再通过地址访问数据，即非聚集索引。

图例如下：

图示来源（有修改）：CodingLabs - MySQL索引背后的数据结构及算法原理

②InnoDB

InnoDB是MySQL的默认存储引擎，与MyISAM不同的是：

1.数据文件本身就是按B+树组织的结构，即主键索引。而MyISAM的主键索引与数据文件分离，记录的是数据文件地址。

2.辅键索引映射主键的值。而MyISAM的辅键索引映射的是数据文件地址

使用主键索引时非常高效，可以直接得到完整的数据，但是使用辅键索引时需要先索引出主键值，再根据主键值索引出数据，即聚集索引。

图例如下：

图示来源（有修改）：CodingLabs - MySQL索引背后的数据结构及算法原理

四.B*树

B*树是对B+树的进一步改良，它优化了B+树的空间利用率。

结构上是在B+树基础上，分支节点中再增加指向兄弟分支节点的指针。

图例如下：

插入数据时，如果叶子节点满了，就将一部分数据给兄弟节点。如果兄弟节点满了就进行分裂，在自己与兄弟节点中间创建新节点，将自己与兄弟节点各1/3数据给新节点并与父节点建立联系。

退一步海阔天空，这是一种应有的心境——未名

如有错误，敬请斧正

B树的原理及代码实现、B+树和B*树介绍及应用相关推荐

Huffman树的原理以及代码构建
我们的目标认识只是基础,代码实现是才是核心 1.Huffman树的定义: 从树中一个结点到另一个结点的之间的分支构成两个结点之间的路径,路径上的分支数称为路径长度.那么树的路径长度就是从树根到每一个结 ...
梯度提升树(GBDT)原理小结(转载)
在集成学习值Adaboost算法原理和代码小结(转载)中,我们对Boosting家族的Adaboost算法做了总结,本文就对Boosting家族中另一个重要的算法梯度提升树(Gradient Boos ...
Merkle Tree（默克尔树）原理解析
Merkle Tree(默克尔树)原理解析一.Merkle Tree 1.1 Merkle Tree的特点二.Hash list 三.Merkle tree VS Hash list 四.Merk ...
图机器学习(GML)图神经网络(GNN)原理和代码实现(前置学习系列二）
图机器学习(GML)&图神经网络(GNN)原理和代码实现(PGL)[前置学习系列二] 上一个项目对图相关基础知识进行了详细讲述,下面进图GML networkx :NetworkX 是一个 P ...
数据结构—2-3树、2-3-4树、B树、B+树等多路查找树的原理详解
详细介绍了多路查找树中的2-3树.2-3-4树.B树.B+树的概念的区别,以及它们的应用场景. 文章目录 1 多路查找树的概述 1.1 索引概述 1.2 多路查找树的引出 2 2-3树 2.1 2-3 ...
Python OpenCV 图像匹配（Brute-Force与FLANN）的原理与代码实现
先导文章:SIFT特征提取 Python OpenCV SIFT特征提取的原理与代码实现_乔卿的博客-CSDN博客如果对图像扩大规模,如缩放,如下图所示,那么原本的角点在变换后的某些窗口中可能就不是角 ...
遍历HashMap源码——红黑树原理、HashMap红黑树实现与反树型化（三）
本章将是HashMap源码的最后一章,将介绍红黑树及其实现,HashMap的remove方法与反树型化.长文预警~~ 遍历HashMap源码--红黑树原理.HashMap红黑树实现与反树型化什么是红 ...
字符串处理【字典树】 - 原理字典树详解
字符串处理[字典树] - 原理字典树详解字典树,又称Trie树.单词查找树,是一种树形结构,也是哈希树的一种变种,主要用于统计.排序和存储大量的字符串(但不限于字符串),所以经常被搜索引擎系统用于 ...
赫夫曼树的原理和构建
赫夫曼树的原理和构建 1. 赫夫曼树的构造给定N个权值分别为w1, w2, -, Wn的节点.构造赫夫曼树的算法描述如下: 1)将这N个结点分别作为N棵树仅含一个结点的二叉树,构成森林F. ...

B树的原理及代码实现、B+树和B*树介绍及应用

一.B树介绍

（一）.B树存在意义

（二）.B树的规则

二.B树实现原理及代码

（一）.实现原理

（二）.代码

三.B+树

（一）.概念

（二）.应用

①MyISAM

②InnoDB

四.B*树

B树的原理及代码实现、B+树和B*树介绍及应用相关推荐

最新文章

热门文章