一、产生的背景
二叉查找树的查找时间复杂度是
o(logn)
,整体的查询效率已经足够高了,那么为什么还会有b树和b+树的进化演进呢? 主要的原因是:二叉树可能会退化成一个线性树,造成磁盘io次数增高的问题,当有大量的数据存储的时候,二叉查找树查询不能将所有的数据加载到内存中,只能逐一加载磁盘页,每个磁盘对应树的节点,造成大量的磁盘io操作(最坏的情况io次数为树的高度),平衡二叉树由于树深度过大而造成磁盘io读写过于频繁,进而导致效率低下。所以,为了减少磁的io的次数,必须降低树的深度,将瘦高
的树变得矮胖
。
1.1 进化要求
- 每个结点能存储多个元素
- 摒弃二叉树结构,采用多叉树
二、b-tree
b-tree是一种多叉的平衡搜索树(并不一定是二叉的),以一个三阶b-tree为例子来分析,每个储存块都包含:关键字和指向孩子结点的指针,最多有m个孩子,m的大小主要取决于每个存储块的容量和数据库的配置
,m表示m阶数的意思。
2.1 b-tree特性
- 根节点至少包括两个孩子,范围是[2,m];
- 树中每个节点最多包含m阶数个孩子(m是阶数,3阶,即:每个节点最多包含3个孩子);
- 除了根节点和叶子结点以外,其他每个节点至少有
ceil(m/2)
个孩子节点,ceil是取上限函数(m是阶数,3阶,即:每个节点至少有2个孩子); - 所有的叶子结点都位于同一层。
假设每个非叶子节点包含n个关键字信息,其中:
- ki(i=1,2..,n)为关键字,且关键字按顺序升序排序
k(i-1)< ki
; - 关键字的个数n必须满足:
[ceil(m/2)-1]<=n<=m-1
(非叶子结点的关键字 = 指向孩子的指针个数-1); - 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(即:3和5均小于8),p[m]指向关键字大于k[m-1]的子树(即:13和15均大于12),其他p[i]指向关键字属于
(k[i-1],k[i])
的子树,是开区间(即:9和10都处于8-12区间);
假设需要查询数据15,查询步骤:
- 首先从根部开始找,15<17,往左边p1找,p1指向的子树关键字为8和12;
- 由于15比8和12都大,因此会找到p3;
- p3指向了13和15,13<15,最终找到15;
- 查找的时间复杂度为o(logn)。
三、b+tree
3.1 b+tree特性
b+树是b树的变体,其定义基本上与b树相同,除了:
- 非叶子结点的子树指针与关键字的个数相同;
- 非叶子结点的子树指针p[i],指向关键字值
[k[i],k[i+1])
的子树,左闭右开区间; - 非叶子结点仅用于索引,数据都保存在叶子结点中;
- 所有的叶子结点均有一个链指针指向下一个叶子结点;
- b+树非叶子结点仅用来存放索引,能存储更多的关键字,使得b+树相对于b树来说更
矮壮
,能存储更多数据。 - 所有的数据都存储在叶子结点。
四、结论
b+tree相比b-tree更适合用来存储索引,原因如下:
- b+树的磁盘读写代价更低,b+树内部节点不存放数据,只存放索引信息,因此其内部节点相对b-tree会更小,所以同一个盘快就能存储更多的关键字,一次性读入内存中需要查找的关键字也就越多,因此io次数也就越低。
- b+树的查询效率更加稳定,由于b+树内部节点并不是指向文件内容的节点,而只是叶子节点关键字的索引,索引任何一个数据的查询都必须是:
任何关键字查询都是从根节点到叶子节点的查询路线,因此每个数据的查询效率都是稳定一致的
。 - b+树跟有利于对数据的扫描,b-tree在解决磁盘io性能同时并没有解决元素遍历效率低下问题,而b+树只需要遍历叶子节点就可以实现对所有关键字的扫描,所有对数据库频繁的范围查询是有着更高的查询性能。
到此这篇关于mysql b-tree与b+tree索引数据结构剖析的文章就介绍到这了,更多相关mysql b-tree与b+tree内容请搜索<计算机技术网(www.ctvol.com)!!>以前的文章或继续浏览下面的相关文章希望大家以后多多支持<计算机技术网(www.ctvol.com)!!>!
需要了解更多数据库技术:MySQL B-tree与B+tree索引数据结构剖析,都可以关注数据库技术分享栏目—计算机技术网(www.ctvol.com)!
本文来自网络收集,不代表计算机技术网立场,如涉及侵权请联系管理员删除。
ctvol管理联系方式QQ:251552304
本文章地址:https://www.ctvol.com/dtteaching/1209938.html