本篇博文旨在介绍一种适合外查找的树---B树,以及B树的延伸B+树;比较了B树和B+树的各自优缺点;说明了B树B+树的应用场景;以及实现了B树的代码
B树
B树的概念和性质
B树是一种适合外查询的树,它是一种多叉平衡树
除此之外,它还满足如下的性质:
(1)根节点有至少两个孩子
(2)非根节点的孩子数量在【M/2,M】之间
(3)每个节点的key值的数量在【(M/2) - 1,M-1】之间,关键字并按照升序排序
(4)所有的叶子节点均在同一层
(5)key[i],key[i+1],这两个关键值之间的孩子的值在key[i]到key[i+1]之间
一颗M=3的B树
B树节点的定义
//定义B树的节点 template<typename K,typename V,size_t M = 3> struct BTreeNode { pair<K,V> _kv[M]; BTreeNode<K,V> *_subs[M+1]; BTreeNode<K,V> *_parent; //表示存储了多少个Key值 size_t _size; //节点的构造函数 BTreeNode() :_size(0),_parent(NULL) { for (size_t i = 0; i <= M; ++i) { _subs[i] = NULL; } } };我们按照B树的概念及其性质定义了如上的节点类
B树如何查找一个key值
//查找函数,其返回值的设计实现了Insert的复用 pair<Node*,int> Find(const K& key) { //若查询不到,则用parent记录需要插入的节点的父节点 //实现了Insert的复用 Node* cur = _root; Node* parent = NULL; while (cur) { size_t index = 0; while (index < cur->_size) { if (key > cur->_kv[index].first) { index++; } else if (key == cur->_kv[index].first) { //查询到,返回查询的节点 return make_pair(cur,index); } else { break; } } parent = cur; cur = cur->_subs[index]; } //没有查询到,返回需要插入节点的父亲节点 //实现了Insert函数的复用 return make_pair(parent,-1); }这里和搜索树的方式相同,只是由于定义的不同而实现的略有区别而已,概念都是一样的
这里使用了pair,pair是一个结构体类型,返回值返回的是节点的指针以及查找成功与否的bool
B树的插入方法
插入的时候可能遇到以下情况:
(1)B树为空
创造新节点,并给根赋值
(2)插入的时候,B树已经存在了该Key值
根据find返回值pair结构体的第二个参数,可以判断原B树是否存在对应的Key值
若存在,则插入失败;
否则再插入
(3)插入一个节点后,该节点未满
插入完成,直接返回TRUE
(4)插入一个节点后,该节点的关键值满了,需要分裂
分裂方法:
将该节点的右半区间移到一个新的节点中(移动时也要把孩子移过去)
生成节点后,还要注意之前有没有父亲节点;
若没有,就需要将中间的元素提到新的根节点;
(5)分裂时,若分裂的节点有父亲节点
这种情况可能继续调整,因为之前分裂会将一个key值给父亲节点
父亲节点的key值数量+1,也就有可能满了
上面的情况是分裂节点为空的情况,不用继续调整,就可结束
代码中有对所有情况的分析和注释
bool Insert(const pair<K,V>& kv) { //情况1.当根节点为空的时候,需要对_root进行赋值 if (_root == NULL) { _root = new Node; _root->_size = 1; _root->_kv[0] = kv; return true; } //情况2.不为空,则找到插入的位置 //如果second的值不为-1,则表示已经存在,不需要插入 pair<Node*,int> ret = Find(kv.first); if (ret.second != -1) return false; //进行插入 Node* cur = ret.first; Node* temp = cur; pair<K,V> newKV = kv; Node* sub = NULL; while (1) { //在cur节点插入kv和sub _Insert(cur,newKV,sub); //情况3.如果cur没满,则表示插入成功 //否则需要进行分裂 if (cur->_size < M) return true; //情况4.构造一个新节点tmp Node* tmp = new Node; size_t mid = M >> 1; size_t i = mid+1; size_t j = 0; //将右半区间的元素移到tmp中 while (i < cur->_size) { tmp->_kv[j] = cur->_kv[i]; cur->_kv[i] = pair<K,V>(); tmp->_subs[j] = cur->_subs[i]; if (cur->_subs[i]) cur->_subs[i]->_parent = tmp; //调整 i++; j++; tmp->_size++; cur->_size--; } //拷走最后一个右孩子 tmp->_subs[j] = cur->_subs[i]; cur->_subs[i] = NULL; if (cur->_subs[i]) cur->_subs[i]->_parent = tmp; //情况5.如果cur没有父亲节点,需要创建 //如果cur有父亲节点,那么需要将中间元素插入到父亲节点里 if (cur->_parent) { //继续向上调整,判别是否parent会满 newKV = cur->_kv[mid]; sub = tmp; cur->_size--; cur = cur->_parent; } else { //定义一个新根节点,将中间元素放入该节点中 Node* newRoot = new Node; newRoot->_kv[0] = cur->_kv[mid]; newRoot->_size = 1; //设置新根节点的两个孩子cur和tmp //并修改他们的父亲节点 newRoot->_subs[0] = cur; cur->_parent = newRoot; newRoot->_subs[1] = tmp; tmp->_parent = newRoot; cur->_size--; //将根节点重新赋值 _root = newRoot; return true; } } }
B树的代码实现
#pragma once #include<iostream> using namespace std; /* * author:haohaosong * date:2017/2/23 * note:B树的实现 */ //B树的增删查改的时间复杂度 O(logM(N)) //定义B树的节点 template<typename K,_parent(NULL) { for (size_t i = 0; i <= M; ++i) { _subs[i] = NULL; } } }; //B树的定义 template<typename K,size_t M = 3> class BTree { typedef BTreeNode<K,V> Node; public: //构造函数 BTree() :_root(NULL) {} //查找函数,其返回值的设计实现了Insert的复用 pair<Node*,-1); } bool Insert(const pair<K,V>& kv) { //当根节点为空的时候,需要对_root进行赋值 if (_root == NULL) { _root = new Node; _root->_size = 1; _root->_kv[0] = kv; return true; } //不为空,则找到插入的位置 //如果second的值不为-1,则表示已经存在,不需要插入 pair<Node*,sub); //如果cur没满,则表示插入成功 //否则需要进行分裂 if (cur->_size < M) return true; //构造一个新节点tmp Node* tmp = new Node; size_t mid = M >> 1; size_t i = mid+1; size_t j = 0; //将右半区间的元素移到tmp中 while (i < cur->_size) { tmp->_kv[j] = cur->_kv[i]; cur->_kv[i] = pair<K,V>(); tmp->_subs[j] = cur->_subs[i]; if (cur->_subs[i]) cur->_subs[i]->_parent = tmp; //调整 i++; j++; tmp->_size++; cur->_size--; } //拷走最后一个右孩子 tmp->_subs[j] = cur->_subs[i]; cur->_subs[i] = NULL; if (cur->_subs[i]) cur->_subs[i]->_parent = tmp; //如果cur没有父亲节点,需要创建 //如果cur有父亲节点,那么需要将中间元素插入到父亲节点里 if (cur->_parent) { //继续向上调整,判别是否parent会满 newKV = cur->_kv[mid]; sub = tmp; cur->_size--; cur = cur->_parent; } else { //定义一个新根节点,将中间元素放入该节点中 Node* newRoot = new Node; newRoot->_kv[0] = cur->_kv[mid]; newRoot->_size = 1; //设置新根节点的两个孩子cur和tmp //并修改他们的父亲节点 newRoot->_subs[0] = cur; cur->_parent = newRoot; newRoot->_subs[1] = tmp; tmp->_parent = newRoot; cur->_size--; //将根节点重新赋值 _root = newRoot; return true; } } } //中序遍历 void InOrder() { _InOrder(_root); cout << endl; } protected: void _Insert(Node* cur,const pair<K,V>& newKV,Node* sub) { //这里要用int,不能用size_t,会影响while循环的判断条件 int index = (cur->_size)-1; while (index >= 0) { //找到合适的插入位置,跳出 if (newKV.first > cur->_kv[index].first) break; //将key值向后移动,并且将孩子也移动 cur->_kv[index + 1] = cur->_kv[index]; cur->_subs[index + 2] = cur->_subs[index + 1]; index--; } //插入新的KV以及孩子 cur->_kv[index+1] = newKV; cur->_subs[index+2] = sub; //孩子存在,给其父亲赋值 if (sub) sub->_parent = cur; cur->_size++; } //中序遍历递归函数 void _InOrder(Node* root) { if (root == NULL) return; //访问每一个key值及其左孩子 size_t index = 0; while (index < root->_size) { _InOrder(root->_subs[index]); cout << root->_kv[index].first<<" "; index++; } //打印最后一个key值的右孩子 _InOrder(root->_subs[root->_size]); } protected: Node* _root; }; void TestBtree() { BTree<int,int> t; int a[] = { 53,75,139,49,145,36,101 }; for (size_t i = 0; i < sizeof(a) / sizeof(a[0]); ++i) { t.Insert(make_pair(a[i],i)); t.InOrder(); } t.InOrder(); }
B+树
B树的特点
B+树是B树的一种变形树,它的基本特性和B树一致
只是有下列区别:
(1)每个节点的key值和子节点的个数对应
(2)非叶子节点只是起到索引的作用,只有叶子节点内部存储数据
(3)所有的叶子节点由一个链表串起来,并且是有序的,可以根据关键值的次序遍历全部记录
B树和B+树的对比
B树的优点:
和B+树相比,每一个节点都有key和对应的value,如果访问的元素离根节点较近,则访问很迅速
B+树的优点:
(1)叶子节点是用链表串起来的,遍历一遍的速度很快;相反如果采用B树,则需要遍历整颗树
(2)B+树的数据是顺序排列的,并且是相连的所以在区间内查找时(比如查找成绩在70~80分之间的学生),B+树很方便就可以办到
而如果采用B树,B树要对每一层递归的进行遍历,效率低;
(3)空间局部性高,缓存命中率高
B树和B+树的主要应用:
一些主流的数据库,如MysqL,Oracle对B数,B+树都有运用
当然是进行优化过后的