常用的資料索引資料結構
摘要：
在建立索引時，通常採用的資料結構有：Hash、二叉搜尋樹、紅黑樹、B樹以及B+樹。這裡主要介紹這些資料結構的設計思想，不做底層實現研究。
Hash結構：通過一定的演算法計算資料的Hash值，然後得到資料的存放位置，例如JAVA中的HashMap採用就是這種資料索引結構。
...
在建立索引時，通常採用的資料結構有：Hash、二叉搜尋樹、紅黑樹、B樹以及B+樹。這裡主要介紹這些資料結構的設計思想，不做底層實現研究。
-
Hash結構：通過一定的演算法計算資料的Hash值，然後得到資料的存放位置，例如JAVA中的HashMap採用就是這種資料索引結構。
- 優點：檢索時間快，平均檢索時間為O(1)。
- 缺點：
- 因為Hash值是通過演算法計算出來的，存在Hash碰撞的機率，比如HashMap對於Hash值相同的資料，會在Hash值所在桶建立一個連結串列，用於存放相同Hash值的資料。
- 在資料量很大的情況下，記憶體無法載入全部的資料索引。
-
二叉搜尋樹：定義規則為“左邊節點值比根節點小，右邊節點值比根節點大，並且左右子節點都是排序樹”。
- 優點：可以解決大量資料索引無法一次載入進記憶體中的問題，二叉搜尋樹可以批量載入資料進記憶體。
- 缺點：
- 檢索時間與樹的高度有關，樹的高度越高，檢索次數及時間相對就會越久。
- 極端情況下，如果資料本身就是有序的，二叉搜尋樹會退化成連結串列，效能會急劇降低。
-
紅黑樹：紅黑樹是一種自平衡二叉樹，主要解決二叉搜尋樹在極端情況下退化成連結串列的情況，在資料插入的時候同時調整整個樹，使其節點儘量均勻分佈，保證平衡性，目的在於降低樹的高度，提高查詢效率。
- 優點：解決二叉搜尋樹的極端情況的退化問題。
-
缺點：檢索時間依舊與樹的高度有關，當資料量很大時，樹的高度就會很高，檢索的次數就會比較多，檢索的時間會比較久，效率低。
image
(圖片採自51CTO公眾號)
-
B樹：B樹是一種多路搜尋樹，每個子節點可以擁有多於2個子節點，M路的B樹最多可擁有M個子節點。設計成多路，其目的是為了降低樹的高度，降低查詢次數，提高查詢效率。
- 雖然多路可以降低樹的高度，但是如果設計成無限多路，就會退化成有序陣列，一般B樹的使用場景是用於檔案的索引，這些索引會存放於硬碟中，有時記憶體是無法一次性載入完，此時就無法進行查詢。
-
如果全部在記憶體中，紅黑樹的查詢效率要高於B樹，但是涉及到磁碟操作，B樹要優於紅黑樹，所以在JDK1.8版本的HashMap中，如果單個桶的連結串列長度多於8或全部桶的連結串列總長度多餘64，會將連結串列轉換成紅黑樹。
Image
(圖片採自51CTO公眾號)
-
B+樹：B+樹是對於B樹進行優化的多路搜尋樹，主要設計是將資料全部存放於葉子節點，並將葉子節點用指標進行連結串列連結。
- 主要使用場景：常用於資料庫的索引。
- 資料庫的索引一般資料量不小，同時又存放於磁碟中，採用多路搜尋樹，可以降低樹的高度，同時在大資料量下可以分批載入記憶體，提高查詢效率。
- 不同於B樹的使用場景，資料庫的查詢中，我們一般查詢的數量不會是單條資料，例如列表常用查詢中的分頁查詢--查詢第1頁的10條資料，此時如果採用B樹，需要進行樹的中序遍歷，可能需要跨層訪問。
-
而B+樹的所有資料全部存放於葉子節點上，且葉子節點之間採用指標進行連結串列連結，一次查詢多條時，確定首尾位置，便可以方便的確定多條資料位置。
Image
(圖片採自51CTO公眾號)
- 主要使用場景：常用於資料庫的索引。