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-树
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+树
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*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;
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/2到M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
相关推荐
这些知识点涵盖了数据库系统的多个方面,包括数据独立性、数据模型、关系代数、事务管理、数据库设计等多个领域的重要概念和技术细节。通过理解和掌握这些知识点,可以帮助学生更好地理解数据库系统的基本原理和应用...
- **解析**: 选项B可能介绍了一些常用的数据库设计工具,如ERWin、PowerDesigner等。 23. **(23)A)** - **知识点**: 数据库审计 - **解析**: 选项A可能探讨了数据库审计的重要性及其实施方法。 24. **(24...
**B+树详解** 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,并且在插入...这不仅有助于提升数据结构和算法的知识,也能为数据库设计和系统优化提供理论支持。
14. **数据库设计的步骤**: - **需求分析**:确定系统需要满足哪些业务需求。 - **概念结构设计**:建立概念模型,如ER图。 - **逻辑结构设计**:将概念模型转换为具体的数据模型。 - **物理设计**:决定数据的...
这样的设计使得B-树在查找、插入和删除操作时都能保持较好的性能,特别是对于磁盘等慢速存储介质,其优势更为明显。 B-树的插入操作需要考虑如何保持树的平衡,可能会涉及到节点的分裂和键值的重新分布。删除操作...
### 数据库原理试卷B知识点解析 #### 一、单项选择题知识点详解 1. **数据库的概念模型** - **知识点**: 数据库的概念模型是数据库设计的第一步,它独立于具体的机器和DBMS(数据库管理系统)。概念模型的主要...
本实验主要关注的是B+树和B树的数据结构及其在数据库中的应用,通过实现文件存储、查找、插入和删除操作来深入理解这两种数据结构的工作原理。 首先,B树(Balanced Tree)是一种自平衡的多路搜索树,它保持数据...
根据给定的文件信息,我们可以总结出以下几个关键知识点: ### 数据库系统原理 ...以上是对给定文件信息中涉及的关键知识点的详细解析,希望有助于深入理解数据库系统原理的相关概念和技术细节。
本课程设计的目的是深入理解和应用B+树原理,通过实际编写代码来创建基于索引文件的B+树,从而提升对数据库索引操作的理解。 B+树是一种自平衡的多路查找树,其主要特性包括: 1. **节点分层**:B+树由根节点、...
### 数据库面试基础知识知识点梳理 #### 一、MySQL 面试题(基础部分) 1. **Drop、Truncate、Delete 的区别** - **Drop**:用于删除表或视图等数据库对象。如果表中有数据,则使用 Drop 时将无法保留任何数据。...
学习和理解B+树不仅可以帮助我们深入数据库索引的工作原理,还能提高我们对数据结构和算法的理解,从而提升软件开发中的性能优化能力。通过阅读和分析`b_plus_tree.c`代码,我们可以亲手实践这些理论知识,加深对B+...
根据提供的文件内容,这里将对其中涉及的数据库原理选择题进行详细的知识点解析与总结。 ### 数据库原理选择题知识点解析 #### 1. 数据库模式的理解 题目中提到的“ûsteller”部分可能是因为文本编码问题导致显示...
### 数据库原理知识点总结 #### 一、数据库基础概念 - **数据**:是指描述事物的符号记录,是数据库处理的基本对象。 - **数据库(DB)**:长期存储在计算机内的、有组织的、可共享的数据集合。 - **Access**:...
### 数据库原理知识点总结 #### 一、数据库系统概述 **1. 数据**: 在这里指的是描述事物的符号记录,它可以是数字、文字、图形、图像、声音等多种形式。 **2. 数据库(DB)**: 是长期储存在计算机内的、有组织的...
- **删除操作异常**:在关系数据库设计中,如果设计不当,在执行删除操作时可能会导致意外的结果。 **选项分析:** - **A. 不该删除的数据被删除**:正确。这是删除操作异常的一种情况。 - **B. 不该插入的数据被...
4. **数据库设计**:包括需求分析、概念设计(ER图转换为关系模式)、逻辑设计(规范化处理)和物理设计(考虑存储效率和查询性能)。 5. **事务处理**:事务是数据库操作的基本单位,具有原子性、一致性、隔离性和...
b)通过实践,掌握数据库设计方法和SQL编程方法。 c)通过设计实际的数据库系统应用课题,进一步熟悉数据库管理系统的操作技术,提高动手能力,提高分析问题和解决问题的能力。 二、课程设计的主要内容 A)系统分析...
- **数据库设计过程**:需求分析、概念设计(E-R模型)、逻辑设计(关系模型)、物理设计。 - **E-R建模**:实体、属性、关系的表示方法,以及如何转换为关系模型。 - **视图**:虚拟表,提供了数据的逻辑独立性...
这些知识点构成了数据库原理的基础,理解和掌握它们对于进行有效的数据库设计、管理和使用至关重要。在互联网环境中,数据库系统是支撑各种应用程序运行和数据交换的核心,其高效、安全、稳定运行对于业务的正常运行...