`
sunny.yang
  • 浏览: 31755 次
  • 性别: Icon_minigender_2
  • 来自: 深圳
文章分类
社区版块
存档分类
最新评论

B树、B-树、B+树、B*树都是什么 转自原来如此的博客

阅读更多

B树、B-树、B+树、B*树都是什么

 

B

       即二叉搜索树:

       1.所有非叶子结点至多拥有两个儿子(LeftRight);

       2.所有结点存储一个关键字;

       3.非叶子结点的左指针指向小于其关键字的子树,右指针指向大于其关键字的子树;

       如:

       

       B树的搜索,从根结点开始,如果查询的关键字与结点的关键字相等,那么就命中;否则,如果查询关键字比结点关键字小,就进入左儿子;如果比结点关键字大,就进入右儿子;如果左儿子或右儿子的指针为空,则报告找不到相应的关键字;

       如果B树的所有非叶子结点的左右子树的结点数目均保持差不多(平衡),那么B树的搜索性能逼近二分查找;但它比连续内存空间的二分查找的优点是,改变B树结构(插入与删除结点)不需要移动大段的内存数据,甚至通常是常数开销;

       如:

      

   但B树在经过多次插入与删除后,有可能导致不同的结构:

   右边也是一个B树,但它的搜索性能已经是线性的了;同样的关键字集合有可能导致不同的树结构索引;所以,使用B树还要考虑尽可能让B树保持左图的结构,和避免右图的结构,也就是所谓的“平衡”问题;      

       实际使用的B树都是在原B树的基础上加上平衡算法,即“平衡二叉树”;如何保持B树结点分布均匀的平衡算法是平衡二叉树的关键;平衡算法是一种在B树中插入和删除结点的策略;

 

B-

       是一种多路搜索树(并不是二叉的):

       1.定义任意非叶子结点最多只有M个儿子;且M>2

       2.根结点的儿子数为[2, M]

       3.除根结点以外的非叶子结点的儿子数为[M/2, M]

       4.每个结点存放至少M/2-1(取上整)和至多M-1个关键字;(至少2个关键字)

       5.非叶子结点的关键字个数=指向儿子的指针个数-1

       6.非叶子结点的关键字:K[1], K[2], …, K[M-1];且K[i] < K[i+1]

       7.非叶子结点的指针:P[1], P[2], …, P[M];其中P[1]指向关键字小于K[1]的子树,P[M]指向关键字大于K[M-1]的子树,其它P[i]指向关键字属于(K[i-1], K[i])的子树;

       8.所有叶子结点位于同一层;

       如:(M=3

       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;

B-树的特性:

       1.关键字集合分布在整颗树中;

       2.任何一个关键字出现且只出现在一个结点中;

       3.搜索有可能在非叶子结点结束;

       4.其搜索性能等价于在关键字全集内做一次二分查找;

       5.自动层次控制;

       由于限制了除根结点以外的非叶子结点,至少含有M/2个儿子,确保了结点的至少利用率,其最底搜索性能为:

    

       其中,M为设定的非叶子结点最多子树个数,N为关键字总数;

       所以B-树的性能总是等价于二分查找(与M值无关),也就没有B树平衡的问题;

       由于M/2的限制,在插入结点时,如果结点已满,需要将结点分裂为两个各占M/2的结点;删除结点时,需将两个不足M/2的兄弟结点合并;

 

B+

       B+树是B-树的变体,也是一种多路搜索树:

       1.其定义基本与B-树同,除了:

       2.非叶子结点的子树指针与关键字个数相同;

       3.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(B-树是开区间);

       5.为所有叶子结点增加一个链指针;

       6.所有关键字都在叶子结点出现;

       如:(M=3

   B+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;

       B+的特性:

       1.所有关键字都出现在叶子结点的链表中(稠密索引),且链表中的关键字恰好是有序的;

       2.不可能在非叶子结点命中;

       3.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;

       4.更适合文件索引系统;

  

B*

       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;

   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(代替B+树的1/2);

       B+树的分裂:当一个结点满时,分配一个新的结点,并将原结点中1/2的数据复制到新结点,最后在父结点中增加新结点的指针;B+树的分裂只影响原结点和父结点,而不会影响兄弟结点,所以它不需要指向兄弟的指针;

       B*树的分裂:当一个结点满时,如果它的下一个兄弟结点未满,那么将一部分数据移到兄弟结点中,再在原结点插入关键字,最后修改父结点中兄弟结点的关键字(因为兄弟结点的关键字范围改变了);如果兄弟也满了,则在原结点与兄弟结点之间增加新结点,并各复制1/3的数据到新结点,最后在父结点增加新结点的指针;

       所以,B*树分配新结点的概率比B+树要低,空间使用率更高;

  

小结

       B树:二叉树,每个结点只存储一个关键字,等于则命中,小于走左结点,大于走右结点;

       B-树:多路搜索树,每个结点存储M/2M个关键字,非叶子结点存储指向关键字范围的子结点;

       所有关键字在整颗树中出现,且只出现一次,非叶子结点可以命中;

       B+树:在B-树基础上,为叶子结点增加链表指针,所有关键字都在叶子结点中出现,非叶子结点作为叶子结点的索引;B+树总是到叶子结点才命中;

       B*树:在B+树基础上,为非叶子结点也增加链表指针,将结点的最低利用率从1/2提高到2/3

 

原文地址:http://www.cublog.cn/u/14468/showart_441875.html

分享到:
评论

相关推荐

    B树-B+树-B*树谈到R树

    ### B树-B+树-B*树谈到R树 #### 一、引言 在计算机科学领域,树形数据结构作为一种高效的数据组织方式被广泛应用。在众多树形结构中,B树、B+树、B*树和R树因其在处理大规模数据集时表现出的优秀性能而备受关注。...

    B树、B-树、B+树、B*树

    - B-树、B+树和B*树都是为了处理大量数据设计的自平衡多路搜索树。 - B-树支持关键字在非叶子节点处命中,B+树将所有关键字存储在叶子节点中,增加了叶子节点之间的链接。 - B*树通过增加指向兄弟节点的指针以及提高...

    B-树、B+树、B树详解

    B树、B-树、B+树以及B*树都是基于树形结构的自平衡数据结构,它们各有侧重,适用于不同的应用场景: - **B树** 更适合需要频繁插入和删除操作的场景。 - **B-树** 保证了较高的查找效率,适用于对查找速度要求较高的...

    B树、B-树、B+树、B树++、R-tree总结

    B树++(B*树)是对B+树的进一步优化,增加了节点的扇出率,减少了节点分裂和合并的频率,提高了空间利用率。 R树(R-tree)是一种多维空间索引结构,用于处理高维数据,如地理信息系统中的坐标数据。R树允许节点...

    B-tree--BP-tree--B--tree--R-tree.rar_B+_R-Tree_b+tree_btree转换为rt

    在数据库和文件系统中,数据存储和检索的高效性至关重要,这就引出了我们今天要讨论的主题:B树、B+树、B*树以及R树。这些数据结构都是为了优化磁盘I/O操作而设计的,尤其适用于大规模数据的存储。 首先,B树...

    B 树、 B- 树、 B+ 树、 B 树都是什么 .doc

    B树、B-树、B+树和B*树都是数据库和文件系统中常用的高效数据结构,它们主要用于解决大数据量的存储和检索问题。这些数据结构都是多路搜索树,与二叉搜索树不同的是,它们的每个节点可以有多个子节点,从而允许更...

    book-mis.rar_B+树索引_b树系统

    首先,B+树是一种自平衡的多路搜索树,特别适合用于数据库和文件系统的索引结构。它的设计目标是减少磁盘I/O操作,因为磁盘读取速度远低于内存。B+树的特性包括: 1. **所有叶子节点在同一层**:这意味着所有数据都...

    b+b-树c语言版

    B+树(B Plus Tree)是一种自平衡的树,它的设计目的是为了减少磁盘I/O操作。与普通的二叉搜索树不同,B+树的所有数据都存储在叶子节点上,且叶子节点之间通过指针链接,使得数据的遍历更为高效。此外,B+树的每个...

    从B_树、B+_树、B_树谈到R_树.doc

    【B树、B+树和B*树:数据结构中的高效索引技术】 在计算机科学中,数据结构的选择对算法的效率至关重要。特别是在处理大规模数据时,如何有效地存储和检索信息是一个关键问题。B树(B-tree)、B+树(B+tree)和B*树...

    B-树和B+树_C语言实现B+树_算法_B+B-B_数据结构_B+树_

    B-树和B+树的C语言实现(数据结构)。

    B-+树的实现细节

    1. **B-树**:B-树是一种自平衡的搜索树,它可以在保持较低深度的情况下支持大量的数据存储。B-树的特点是能够容纳大量数据,并且通过将数据分散存储于多个节点中来确保树的平衡性。这使得B-树在执行搜索、插入和...

    b+/-树的实现源代码

    这两种树都是自平衡的,能保持数据的有序性,并且在插入、删除和查找操作中保持相对较高的效率。 **B-树(B-Tree)** 1. **结构特性**:B-树是一种多路搜索树,每个节点可以有多个子节点,一般为2到32个。每个节点...

    B-树和B+树的源代码

    B-树(Balanced Tree)和B+树是两种常见的自平衡的多路搜索树,广泛应用于数据库和文件系统中,以优化大容量数据的访问效率。这两种数据结构都是为了在磁盘等慢速存储设备上实现高效的查找、插入和删除操作。 B-树...

    B-树与B+树(重要)1

    B-树和B+树的主要区别在于,B-树的搜索、插入和删除可以在非叶子节点进行,而B+树的所有操作都在叶子节点进行,这使得B+树更适用于需要遍历所有记录的情况,例如数据库索引。B+树的叶子节点之间的链指针减少了查找...

    B树和B+树的插入、删除图文详解 - nullzx - 博客园1

    B树是一种自平衡的多叉搜索树,其节点可以包含多个关键字,并且每个节点都可以有多于两个子节点。B+树是B树的一种变体,主要区别在于B+树的所有数据都存储在叶子节点,非叶子节点仅作为索引,且叶子节点之间通过指针...

    B+树C++代码实现

    B+树(B Plus Tree)是一种自平衡的树数据结构,广泛应用于数据库和文件系统中,因为它能保持数据排序并提供快速的查找、插入和删除操作。这种数据结构的特点是所有数据都在叶子节点,非叶子节点只作为索引存在。 1...

    B-树的实现,B-树的分析,B-树的代码

    B-树是一种自平衡的树数据结构,常用于数据库和文件系统中,因其能够高效地支持查找、插入和删除操作,并且在磁盘读写方面具有很好的性能。本文将从给定的代码片段出发,深入解析B-树的关键知识点,包括其结构、实现...

    B.rar_B+树_B+树 C++实现_B树_visual c

    B+树(B Plus Tree)是一种自平衡的树数据结构,广泛应用于数据库和文件系统中,因为它能保持数据有序并提供高效的数据检索。B+树的主要特性在于其节点可以包含多个键,并且每个节点的子节点数量与键的数量有关。在B...

    B树、B-树、B+树、B树_介绍、比较与小结(转载).doc

    B树、B-树、B+树和B*树是数据库和文件系统中常见的数据结构,主要用于高效地存储和检索大量数据。它们都是自平衡的多路搜索树,能够保持数据的有序性,并且在插入、删除和查找操作时保持较高的效率。 1. **B树**:B...

    Adv--DB-Assignment1.zip_b+tree

    **B+树详解** 在高级数据库系统中,B+树是一种至关重要的数据结构,它广泛应用于数据库和文件系统的索引实现。B+树是B树的一种变体,优化了对磁盘等外存储器的数据访问效率,使得大量数据的检索更为高效。 1. **B+...

Global site tag (gtag.js) - Google Analytics