赞
踩
此时,就可以考虑将数据存储在硬盘中,而数据的地址则加载到内存中,通过某种搜索结构进行存储,使用时只需要通过该结构查找到地址,在通过地址去找到对应的数据即可。
常用的几种搜索结构:二叉搜索树、AVL树、红黑树、哈希、位图、布隆过滤器。
考虑到查找性能以及内存消耗,其中适合这种场景的只有平衡二叉搜索树(AVL、红黑树)。
但即使平衡二叉搜索树的搜索性能能达到 O(log2N),由于数据量过于庞大,例如存储了 10亿个数
,则可能最多需要查找 30次
。这个数字看起来不是很多,因为之前我们比较的是内存的速度,即使是 10亿个数
也能一瞬间查找完。但是对于硬盘来说,由于硬盘的速率低,每一次 IO
都意味这大量的损耗,所以这种方法也不太合适。
如果想要提高查找的效率,那么唯一的方法就是压缩树的高度,而压缩的方法,就是将二叉树变为 M叉树
,也就是使用到 M路平衡搜索树——B树。
B树
即一棵平衡的 M路平衡搜索树(M > 2)
,可以是 空树 或者满足以下性质:
2
个孩子、最多有 M
个孩子;i
个孩子, M/2(上取整) <= i <= M
;j
个关键字, M/2-1(上取整) <= j <= M-1
,并且以升序排列;key[i]
和 key[i+1]
之间的孩子节点的值介于 key[i]、key[i+1]
之间;对照一棵 M=3
的 B树
来理解:
节点实现
template<class K, int M = 3>
struct BTreeNode
{
K _keys[M]; // 存放元素
BTreeNode<K, M>* _pSub[M+1]; // 存放孩子节点,注意:孩子比数据多一个
BTreeNode<K, M>* _pParent; // 在分裂节点后可能需要继续向上插入,为实现简单增加parent域
size_t _size; // 节点中有效元素的个数
BTreeNode()
: _pParent(NULL)
, _size(0)
{
for(size_t i = 0; i <= M; ++i)
_pSub[i] = NULL;
}
};
下面拿一个 M=3
的 三叉B树
来举例子。(PS:三叉树即每个节点至多 3
个孩子,2
个 key
,key
的数量永远比孩子少一个)
假设使用以下数据构建B树 {63, 131, 85, 39, 148, 31, 111}
(B树从叶子节点的位置进行插入):
首先依次插入前三个节点,当插入到第三个时,由于三叉树的 key
只能有 2
个,所以此时会采取分裂的方法来维持树的平衡。
B树分裂的规则是:创建一个兄弟节点,拷贝右半区间的数据到兄弟节点,左半区间保留,中位数放到父亲节点(如果没有则创建新的根节点)。
B树
与 AVL
的旋转、红黑树的旋转+变色不一样,它使用了分裂的方法来维持树的平衡,这样的好处是既能做到平衡,也保证了非根节点至少有一半的空间利用率。
所以此时按照上面的规则进行分裂:
接着插入 39,148
:
然后插入 31
,开始分裂:
接着插入111
,此时再次发生分裂:
此时可以看到,叶子节点已经分裂成了 4
个,并且根节点的 key
也达到了 3
个,不符合 B树
的性质:每个根节点最多有 M 个孩子、M - 1 个key,因此继续分裂:
此时,树重新平衡。从上面可以看出来,本质上B树的设计还是参考了二叉搜索树。
B树的有序遍历还是通过中序遍历来完成,不过需要通过队列或者递归遍历完这个节点的所有的key
。
void _InOrder(PNode pRoot)
{
if(NULL == pRoot)
return;
for(size_t i = 0; i < pRoot->_size; ++i)
{
_InOrder(pRoot->_pSub[i]);
cout << pRoot->_keys[i] << " ";
}
_InOrder(pRoot->_pSub[pRoot->_size]);
}
作为一个M路平衡搜索树,B树的搜索性能达到了 log M + 1 N \log_{M+1}N logM+1N ~ log M / 2 N \log_{M/2}N logM/2N 之间,查找到指定关键字的方法是:
K1、…、Kn
查找给定的关键字(可用顺序查找或二分查找法),若找到等于给定值的关键字,则查找成功;Ki
与 Ki+1
之间,Pi
为指向子树根节点的指针,此时取指针 Pi
所指的结点继续查找,直至找到,或指针 Pi 为空
时查找失败。比起二叉平衡搜索树,速度快了一大截,并且大大的减少了硬盘 IO
的次数,所以在文件系统以及数据库索引等方面使用的都是这种数据结构。
B+树是B树的变形,主要性质如下:
这里为了方便,使用 三阶B+树
举例子,这里还是使用同样的数据。{63, 131, 85, 39, 148, 31, 111}
首先插入 63
,并把 63
作为父节点的索引:
接着插入 131,85
:
当插入 39
时,发生分裂,分裂规则与之前略有区别。
B+树的分裂规则:因为此时父节点存储的是索引,所以此时只会将左半部分数据保留,右半部分数据放入新建的兄弟节点,并且会向上更新父节点的索引。
当插入 111
时,发生分裂:
从上面可以看出来,B+树的主要特点其实就是更方便进行遍历,因为其将所有数据存储在叶子节点,所有非叶子节点就相当于一个索引。其所有叶子节点连接起来,像遍历链表一样遍历B+树。这样的结构使得B+树的查找相当于对关键字全集做一次二分查找。
所以通常文件的索引系统都会采用B+树的结构。
B*树则又是对B+树的变形,其性质如下:
key
的数量 [2/3 * M,M]
(提高空间利用率,从1/2提升到了2/3)B*树再次修改了插入规则,规则修改为:
1/3
的数据放入新创建的结点。还是原来那些数据 {63, 131, 85, 39, 148, 31, 111}
:
接下来插入 39
:
插入 148、31
:
此时插入111
,发生分裂,从两边各取走 1/3
的数据:
从上面可以看出,B*树的最大改进就是将B+树的空间利用率从1/2提升到了2/3,并且对非叶子节点也进行了连接,查找更加便利。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。