Java数据结构与算法（十一）：多路查找树

刺骨的言语ヽ痛彻心扉 2022-12-26 11:25 103阅读 0赞

## 1. 二叉树与B树 ##

### 1.1 二叉树的问题分析 ###

二叉树的操作效率较高，但是也存在问题。  
![在这里插入图片描述][20201205155424783.png]

*  二叉树需要加载到内存的，如果二叉树的节点少，没有什么问题，但是如果二叉树的节点很多（比如1亿），就存在如下问题：
    
     *  问题1：在构建二叉树时，需要多次进行i/o操作（海量数据存在数据库或文件中），节点海量，构建二叉树时，速度有影响；
     *  问题2：节点海量，也会造成二叉树的高度很大，会降低操作速度；

### 1.2 多叉树 ###

*  在二叉树中，每个节点有数据项，最多有两个子节点。如果允许每个节点可以有更多的数据项和更多的子节点，就是多叉树；
 *  2-3树，2-3-4树就是多叉树，多叉树通过重新组织节点，减少树的高度，能对二叉树进行优化；  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70]

### 1.3 B树的基本介绍 ###

B树通过重新组织节点，降低树的高度，并且减少 i/o 读写次数来提升效率。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70 1]

*  文件系统及数据库系统的设计者利用了磁盘预读原理，将一个节点的大小设为等于一个页（页的大小通常为4k），这样每个节点只需要一次 I/O 就可以完全载入；
 *  将树的高度M设置为 1024，在600亿个元素中最多只需要4次 I/O操作就可以读取到想要的元素，B树（B+）广泛应用于文件存储系统以及数据库系统中；

## 2. 2-3树 ##

### 2.1 2-3树是最简单的B树结构 ###

*  2-3树的所有叶子节点都在同一层（只要是B树都满足这个条件）；
 *  有两个子节点的节点叫二节点，二节点要么没有子节点，要么有两个子节点。
 *  有三个子节点的节点叫三节点，三节点要么没有子节点，要么有三个子节点；
 *  2-3树是由二节点和三节点构成的树；

### 2.2 2-3树应用案例 ###

将数列\{16,24,12,32,14,26,34,10,8,28,38,20\} 构建成 2-3 树，并保证数据插入的大小顺序。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70 2]  
**插入规则：**

*  2-3树的所有叶子节点都在同一层。（只要是B树都满足这个条件）
 *  有两个子节点的节点叫二节点，二节点要么没有子节点，要么有两个子节点。
 *  有三个子节点的节点叫三节点，三节点要么没有子节点，要么有三个子节点；
 *  当按照规则插入一个数到某个节点时，不能满足上面三个要求，就需要拆，先向上拆，如果上层满，则拆本层，拆后仍然需要满足上面3个条件；
 *  对于三节点的子树的值大小仍然遵守（BST 二叉排序树）的规则；

### 2.3 其他说明 ###

除了23树，还有234树等，概念和23树类似，也是一种B树。如图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70 3]

## 3. B树、B+树和B\*树 ##

### 3.1 B树的介绍 ###

B-tree即B树，B即Balanced，平衡的意思。有人把B-tree翻译成B-树，容易让人产生误解。会以为B-树是一种树，而B树又是另一种树。实际上，B-tree就是指的是B树。2-3树和2-3-4树，都是B树。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70 4]  
说明：

*  B树的阶：节点的最多子节点个数。比如2-3树的阶是3，2-3-4树的阶是4；
 *  B-树的搜索，从根结点开始，对结点内的关键字（有序）序列进行二分查找，如果命中则结束，否则进入查询关键字所属范围的儿子结点：重复，直到所对应的儿子指针为空，或已经是叶子结点；
 *  关键字集合分布在整颗树中，即叶子结点和非叶子结点都存放数据；
 *  搜索有可能在非叶子结点结束；
 *  其搜索性能等价于在关键字全集内做一次二分查找；

### 3.2 B+树的介绍 ###

B+树是B树的变体，也是一种多路搜索树。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70 5]  
说明：

*  B+树的搜索与B树也基本相同，区别是B+树只有达到叶子结点才命中（B树可以在非叶子结点命中），其性能也等价于在关键字全集做一次二分查找；
 *  所有关键字都出现在叶子结点的链表中（即数据只能在叶子结点【也叫稠密索引】），且链表中的关键字（数据）恰好是有序的。
 *  非叶子结点相当于是叶子结点的索引（稀疏索引），叶子结点相当于是存储（关键字）数据的数据层；
 *  更适合文件索引系统；
 *  B树和B+树各有自己的应用场景，不能说B+树完全比B树好，反之亦然；

### 3.3 B\*树的介绍 ###

B*树是B+树的变体，在B+树的非根和非叶子结点再增加指向兄弟的指针。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70 6]  
B*树的说明：

*  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，而B+树的块的最低使用率为1/2；
 *  从上面的特点，我们可以看出，B\*树分配新结点的概率比B+树要低，空间使用率更高；

[20201205155424783.png]: /images/20221120/72864a0114f3491490c0d32704d1cb34.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70]: /images/20221120/36730589f118469eab6b2983965e8c7d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20201205160550689.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/2020120516180941.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20201205162842240.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/2020120516333428.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20201205164035117.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20201205165021631.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXdhbmxl,size_16,color_FFFFFF,t_70