转B树B-树B+树B*树红黑树 二叉排序树trie树Double Array 字典查找树简介

Posted 2020-06-09

B  树 即二叉搜索树：

 

     1.所有非叶子结点至多拥有两个儿子（Left和Right）；

     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-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；

 

红黑树rbtree二叉排序树

map 就是采用红黑树存储的，红黑树(RBTree)是平衡二叉树，其优点就是树到叶子节点深度一致，查找的效率也就一样，为logN.在实行查找，插入，删除的效率都一致，而当是全部静态数据时，没有太多优势，可能采用hash表各合适。

hash_map是一个hashtable占用内存更多，查找效率高一些，但是hash的时间比较费时。

总体来说，hash_map查找速度会比map快，而且查找速度基本和数据数据量大小，属于常数级别;而map的查找速度是log(n)级别。并不一定常数就比log(n)小，hash还有hash函数的耗时，明白了吧，如果你考虑效率，特别是在元素达到一定数量级时，考虑考虑hash_map。但若你对内存使用特别严格，希望程序尽可能少消耗内存，那么一定要小心，hash_map可能会让你陷入尴尬，特别是当你的hash_map对象特别多时，你就更无法控制了，而且hash_map的构造速度较慢。

现在知道如何选择了吗？权衡三个因素: 查找速度, 数据量,内存使用。

 

trie树Double Array字典查找树 

Trie树既可用于一般的字典搜索，也可用于索引查找。
每个节点相当于DFA的一个状态，终止状态为查找结束。有序查找的过程相当于状态的不断转换
对于给定的一个字符串a1,a2,a3,...,an.则

采用TRIE树搜索经过n次搜索即可完成一次查找。不过好像还是没有B树的搜索效率高，B树搜索算法复杂度为logt(n+1/2).当t趋向大，搜索效率变得高效。怪不得DB2的访问内存设置为虚拟内存的一个PAGE大小，而且帧切换频率降低，无需经常的PAGE切换。
   下面我们有and,as,at,cn,com这些关键词，那么如何构建trie树呢？

从上面的图中，我们或多或少的可以发现一些好玩的特性。

      第一：根节点不包含字符，除根节点外的每一个子节点都包含一个字符。

      第二：从根节点到某一节点，路径上经过的字符连接起来，就是该节点对应的字符串。

      第三：每个单词的公共前缀作为一个字符节点保存。

使用范围：

     既然学Trie树，我们肯定要知道这玩意是用来干嘛的。

     第一：词频统计。

            可能有人要说了，词频统计简单啊，一个hash或者一个堆就可以打完收工，但问题来了，如果内存有限呢？还能这么

             玩吗？所以这里我们就可以用trie树来压缩下空间，因为公共前缀都是用一个节点保存的。

     第二: 前缀匹配

            就拿上面的图来说吧，如果我想获取所有以"a"开头的字符串，从图中可以很明显的看到是：and,as,at，如果不用trie树，

            你该怎么做呢？很显然朴素的做法时间复杂度为O(N²) ，那么用Trie树就不一样了，它可以做到h，h为你检索单词的长度，

            可以说这是秒杀的效果。

举个例子：现有一个编号为1的字符串”and“，我们要插入到trie树中，采用动态规划的思想，将编号”1“计入到每个途径的节点中，

              那么以后我们要找”a“，”an“，”and"为前缀的字符串的编号将会轻而易举。