数据结构 - B树(多路查找树)

作者: 翀鹰精灵 | 来源:发表于2019-12-14 18:59 被阅读0次

数据结构与算法系列(B树)
B树和B+树
B树和B+树
数据结构 - B树(多路查找树)
多路查找树（B树）
多路查找树（B树）
多路查找树（B树）
Mysql
B/B+ 树和MySQL
B树和B+树

之前我们了解的树，都是一个节点可有多个孩子，但是它自身只能存储一个元素。二叉树限制更多，节点最多只能有两个孩子。一个节点只能存储一个元素，在元素非常多的时候，就是的要么树的深度非常大(树的高度非常大)，这就使得内存存储次数非常多。
试想一下，为了要在一个拥有几十万个文件的磁盘中查找一个文本文件，你设计的算法需要读取磁盘上万次，还是读取几十次，这是有本质差异的。此时，为了降低对外存储设备的访问次数，就需要更好的数据结构来处理这样的问题。为此，引入了B树(多路查找树)的概念。

B树是一种平衡的多路搜索树，多用于文件系统、数据库的实现。
我们先来看几个B树的样子，如下图所示：

2-3.jpg

2-3-4.jpg

一、 ★★★【B树】性质：

◼假设一个节点存储的元素个数为 x
◼根节点:1 ≤ x ≤ m − 1
◼非根节点:┌ m/2 ┐ − 1 ≤ x ≤ m − 1
◼如果有子节点，子节点个数 y = x + 1
✓根节点:2 ≤ y ≤ m
✓非根节点:┌ m/2 ┐ ≤ y ≤ m

☆★☆
假如3阶B数：
根节点：1 ≤ x ≤2
非根节点：┌ 3/2 ┐ − 1 ≤ x ≤ 3 − 1 ---> 1 ≤ x ≤ 2
如果有子节点，子节点个数 y = 3;

注意：①┌ ┐是向上取整，即代码中的Ceil()函数
②└ ┘是向下取整，即代码中的 Floor()函数

➢比如 m = 3，2 ≤ y ≤ 3，因此可以称为(2, 3)树、2-3树
➢比如 m = 4，2 ≤ y ≤ 4，因此可以称为(2, 4)树、2-3-4树
➢比如 m = 5，3 ≤ y ≤ 5，因此可以称为(3, 5)树

B树 VS 二叉搜索树

◼B树和二叉搜索树，在逻辑上是等价的
◼ 多代节点合并，可以获得一个超级节点
2代合并的超级节点，最多拥有 4 个子节点(至少是 4阶B树)
3代合并的超级节点，最多拥有 8 个子节点(至少是 8阶B树)
n代合并的超级节点，最多拥有 2n个子节点( 至少是 2n阶B树)
◼m阶B树，最多需要 log2m 代合并
01.jpg

二、【B树】节点的增加和删除

对于B树来说，与二叉搜索树相同，插入操作一定是发生在叶子节点上。可与二叉搜索树不同的是，B树插入一节点的过程可能会对该树的其余结构产生连锁反应。

1.节点添加步骤：

B树节点添加可分为两种情况

第一种情况：正常添加节点到对应的叶子节点上

02.jpg
添加节点动画如下： 01.gif

第二种情况：添加节点上溢
上溢节点的元素个数必然等于 m
◼假设上溢节点最中间元素的位置为 k
◼ 将 k 位置的元素向上与父节点合并
◼ 将 [0, k-1] 和 [k + 1, m - 1] 位置的元素分裂成 2 个子节点
上溢-分裂为两个节点.jpg

如下图所示，一个4阶B树，添加一个节点110，产生了上溢。
产生上溢的原因分析：
4阶B树需要满足以下条件：① 根节点：1 ≤ x ≤ 3(满足) ; ② 非根节点：1 ≤ x ≤ 3 （添加节点110后不满足，所以产生了上溢）

03.jpg
添加节点动画如下： 02.gif

2.节点删除步骤：

B树节点删除也分为两种情况

第一种情况：删除叶子节点(4阶B树)

04.jpg
删除节点动画如下：
03.gif

第二种情况：删除非叶子节点(包含节点下溢的情况)

◼1. 假如需要删除的元素在非叶子节点中
①. 先找到前驱或后继元素，覆盖所需删除元素的值
②. 再把前驱或后继元素删除
◼ 非叶子节点的前驱或后继元素，必定在叶子节点中
◼ 所以这里的删除前驱或后继元素，就是最开始提到的情况:删除的元素在叶子节点中
◼ 真正的删除元素都是发生在叶子节点中

如下图所示，删除节点60，真正被删除的是60的前驱节点55。
05.jpg
删除节点动画如下：
04.gif

◼2. 假如需要删除的元素产生了下溢
下溢的解决分两种情况：(1).兄弟充足，兄弟节点可借 (2).兄弟节点不可借，父节点下来合并。
(1).兄弟充足，兄弟节点可借

下溢-借兄弟节点.jpg
注意：这里不可以直接借用，即：不可以直接将A放到绿色的框中，因为B树叶满足二叉树的性质，左边小于右边，如果直接放过来，破坏了二叉树的性质。

(2).兄弟节点不可借，父节点下来合并。
下溢-父节点合并.JPG
这个操作可能会导致父节点下溢,下溢现象可能会一直往上传播。