資料結構中常見的樹(BST二叉搜尋樹、AVL平衡二叉樹、RBT紅黑樹、B-樹、B+樹、B*樹)
BST樹
即二叉搜尋樹:
1.所有非葉子結點至多擁有兩個兒子(Left和Right);
2.所有結點儲存一個關鍵字;
3.非葉子結點的左指標指向小於其關鍵字的子樹,右指標指向大於其關鍵字的子樹;
如:
BST樹的搜尋,從根結點開始,如果查詢的關鍵字與結點的關鍵字相等,那麼就命中;
否則,如果查詢關鍵字比結點關鍵字小,就進入左兒子;如果比結點關鍵字大,就進入
右兒子;如果左兒子或右兒子的指標為空,則報告找不到相應的關鍵字;
如果BST樹的所有非葉子結點的左右子樹的結點數目均保持差不多(平衡),那麼B樹
的搜尋效能逼近二分查詢;但它比連續記憶體空間的二分查詢的優點是,改變
(插入與刪除結點)不需要移動大段的記憶體資料,甚至通常是常數開銷;
如:
但BST樹在經過多次插入與刪除後,有可能導致不同的結構:
右邊也是一個BST樹,但它的搜尋效能已經是線性的了;同樣的關鍵字集合有可能導致不同的
樹結構索引;所以,使用BST樹還要考慮儘可能讓BST樹保持左圖的結構,和避免右圖的結構,也就
是所謂的“平衡”問題;
AVL平衡二叉搜尋樹
定義:平衡二叉樹或為空樹,或為如下性質的二叉排序樹:
(1)左右子樹深度之差的絕對值不超過1;
(2)左右子樹仍然為平衡二叉樹.
平衡因子BF=左子樹深度-右子樹深度.
平衡二叉樹每個結點的平衡因子只能是1,0,-1。若其絕對值超過1,則該二叉排序樹就是不平衡的。
如圖所示為平衡樹和非平衡樹示意圖:
RBT 紅黑樹
AVL是嚴格平衡樹,因此在增加或者刪除節點的時候,根據不同情況,旋轉的次數比紅黑樹要多;
紅黑是弱平衡的,用非嚴格的平衡來換取增刪節點時候旋轉次數的降低;
所以簡單說,搜尋的次數遠遠大於插入和刪除,那麼選擇AVL樹,如果搜尋,插入刪除次數幾乎差不多,應該選擇RB樹。
紅黑樹上每個結點內含五個域,color,key,left,right,p。如果相應的指標域沒有,則設為NIL。
一般的,紅黑樹,滿足以下性質,即只有滿足以下全部性質的樹,我們才稱之為紅黑樹:
1)每個結點要麼是紅的,要麼是黑的。
2)根結點是黑的。
3)每個葉結點,即空結點(NIL)是黑的。
4)如果一個結點是紅的,那麼它的倆個兒子都是黑的。
5)對每個結點,從該結點到其子孫結點的所有路徑上包含相同數目的黑結點。
下圖所示,即是一顆紅黑樹:
B-樹
是一種平衡多路搜尋樹(並不是二叉的):
1.定義任意非葉子結點最多隻有M個兒子;且M>2;
2.根結點的兒子數為[2, M];
3.除根結點以外的非葉子結點的兒子數為[M/2, M];
4.每個結點存放至少M/2-1(取上整)和至多M-1個關鍵字;(至少2個關鍵字)
5.非葉子結點的關鍵字個數=指向兒子的指標個數-1;
6.非葉子結點的關鍵字:K[1], K[2], …, K[M-1];且K[i] < K[i+1];
7.非葉子結點的指標:P[1], P[2], …, P[M];其中P[1]指向關鍵字小於K[1]的
子樹,P[M]指向關鍵字大於K[M-1]的子樹,其它P[i]指向關鍵字屬於(K[i-1], K[i])的子樹;
8.所有葉子結點位於同一層;
如:(M=3)
B-樹的搜尋,從根結點開始,對結點內的關鍵字(有序)序列進行二分查詢,如果
命中則結束,否則進入查詢關鍵字所屬範圍的兒子結點;重複,直到所對應的兒子指標為
空,或已經是葉子結點;
B-樹的特性:
1.關鍵字集合分佈在整顆樹中;
2.任何一個關鍵字出現且只出現在一個結點中;
3.搜尋有可能在非葉子結點結束;
4.其搜尋效能等價於在關鍵字全集內做一次二分查詢;
5.自動層次控制;
由於限制了除根結點以外的非葉子結點,至少含有M/2個兒子,確保了結點的至少
利用率,其最底搜尋效能為:
其中,M為設定的非葉子結點最多子樹個數,N為關鍵字總數;
所以B-樹的效能總是等價於二分查詢(與M值無關),也就沒有B樹平衡的問題;
由於M/2的限制,在插入結點時,如果結點已滿,需要將結點分裂為兩個各佔
M/2的結點;刪除結點時,需將兩個不足M/2的兄弟結點合併;
B+樹
B+樹是B-樹的變體,也是一種多路搜尋樹:
1.其定義基本與B-樹同,除了:
2.非葉子結點的子樹指標與關鍵字個數相同;
3.非葉子結點的子樹指標P[i],指向關鍵字值屬於[K[i], K[i+1])的子樹
(B-樹是開區間);
5.為所有葉子結點增加一個鏈指標;
6.所有關鍵字都在葉子結點出現;
如:(M=3)
B+的搜尋與B-樹也基本相同,區別是B+樹只有達到葉子結點才命中(B-樹可以在
非葉子結點命中),其效能也等價於在關鍵字全集做一次二分查詢;
B+的特性:
1.所有關鍵字都出現在葉子結點的連結串列中(稠密索引),且連結串列中的關鍵字恰好
是有序的;
2.不可能在非葉子結點命中;
3.非葉子結點相當於是葉子結點的索引(稀疏索引),葉子結點相當於是儲存
(關鍵字)資料的資料層;
4.更適合檔案索引系統;比如對已經建立索引的資料庫記錄,查詢10<=id<=20,那麼只要通過根節點搜尋到id=10的葉節點,之後只要根據葉節點的連結串列找到第一個大於20的就行了,比B-樹在查詢10到20內的每一個時每次都從根節點出發查詢提高了不少效率。
B*樹
是B+樹的變體,在B+樹的非根和非葉子結點再增加指向兄弟的指標;
B*樹定義了非葉子結點關鍵字個數至少為(2/3)*M,即塊的最低使用率為2/3
(代替B+樹的1/2);
B+樹的分裂:當一個結點滿時,分配一個新的結點,並將原結點中1/2的資料
複製到新結點,最後在父結點中增加新結點的指標;B+樹的分裂隻影響原結點和父
結點,而不會影響兄弟結點,所以它不需要指向兄弟的指標;
B*樹的分裂:當一個結點滿時,如果它的下一個兄弟結點未滿,那麼將一部分
資料移到兄弟結點中,再在原結點插入關鍵字,最後修改父結點中兄弟結點的關鍵字
(因為兄弟結點的關鍵字範圍改變了);如果兄弟也滿了,則在原結點與兄弟結點之
間增加新結點,並各複製1/3的資料到新結點,最後在父結點增加新結點的指標;
所以,B*樹分配新結點的概率比B+樹要低,空間使用率更高;
小結
B樹:二叉樹,每個結點只儲存一個關鍵字,等於則命中,小於走左結點,大於
走右結點;
B-樹:多路搜尋樹,每個結點儲存M/2到M個關鍵字,非葉子結點儲存指向關鍵
字範圍的子結點;
所有關鍵字在整顆樹中出現,且只出現一次,非葉子結點可以命中;
B+樹:在B-樹基礎上,為葉子結點增加連結串列指標,所有關鍵字都在葉子結點
中出現,非葉子結點作為葉子結點的索引;B+樹總是到葉子結點才命中;
B*樹:在B+樹基礎上,為非葉子結點也增加連結串列指標,將結點的最低利用率
從1/2提高到2/3;
B+/B*Tree應用
資料庫索引--索引檔案和資料檔案是分離的,索引檔案僅儲存資料記錄的地址。
資料庫索引--表資料檔案本身就是按B+Tree組織的一個索引結構,這棵樹的葉節點data域儲存了完整的資料記錄。這個索引的key是資料表的主鍵。
倒排索引--也可以由B樹及其變種實現但不一定非要B樹及其變種實現,如lucene沒有使用B樹結構,因此lucene可以用二分搜尋演算法快速定位關鍵詞。實現時,lucene將下面三列分別作為詞典檔案(Term Dictionary)、頻率檔案(frequencies)、位置檔案 (positions)儲存。其中詞典檔案不僅儲存有每個關鍵詞,還保留了指向頻率檔案和位置檔案的指標,通過指標可以找到該關鍵字的頻率資訊和位置資訊。
關鍵詞 文章號[出現頻率] 出現位置
guangzhou 1[2] 3,6
he 2[1] 1
i 1[1] 4
live 1[2] 2,5,
2[1] 2
shanghai 2[1] 3
tom 1[1] 1
參考文章
http://blog.csdn.net/hguisu/article/details/7786014