【轉】B樹、B-樹、B+樹、B*樹、紅黑樹、 二叉排序樹、trie樹Double Array 字典查找樹簡介

来源:http://www.cnblogs.com/duanxingxing/archive/2016/01/27/5164603.html
-Advertisement-
Play Games

B 樹 即二叉搜索樹: 1.所有非葉子結點至多擁有兩個兒子(Left和Right); 2.所有結點存儲一個關鍵字; 3.非葉子結點的左指針指向小於其關鍵字的子樹,右指針指向大於其關鍵字的子樹; 如: B樹的搜索,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


B  樹 即二叉搜索樹:

 

     1.所有非葉子結點至多擁有兩個兒子(Left和Right);

     2.所有結點存儲一個關鍵字;

     3.非葉子結點的左指針指向小於其關鍵字的子樹,右指針指向大於其關鍵字的子樹;

      如:

      

 

      B樹的搜索,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針為空,則報告找不到相應的關鍵字;

      如果B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樹的搜索性能逼近二分查找;但它比連續記憶體空間的二分查找的優點是,改變B樹結構(插入與刪除結點)不需要移動大段的記憶體數據,甚至通常是常數開銷;

      如:

       

 

   但B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B樹,但它的搜索性能已經是線性的了;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B樹還要考慮儘可能讓B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;      

      實際使用的B樹都是在原B樹的基礎上加上平衡演算法,即“平衡二叉樹”;如何保持B樹結點分佈均勻的平衡演算法是平衡二叉樹的關鍵;平衡演算法是一種在B樹中插入和刪除結點的策略;

 


B-樹

      是一種多路搜索樹(並不是二叉的):

      1.定義任意非葉子結點最多只有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=指向兒子的指針個數-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.非葉子結點的指針: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-樹的搜索,從根結點開始,對結點內的關鍵字(有序)序列進行二分查找,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;重覆,直到所對應的兒子指針為空,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.搜索有可能在非葉子結點結束;

      4.其搜索性能等價於在關鍵字全集內做一次二分查找;

      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,其最底搜索性能為:

    

      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-樹的性能總是等價於二分查找(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占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,也是一種多路搜索樹:

      1.其定義基本與B-樹同,除了:

      2.非葉子結點的子樹指針與關鍵字個數相同;

      3.非葉子結點的子樹指針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針;

      6.所有關鍵字都在葉子結點出現;

      如:(M=3)

  B+的搜索與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),其性能也等價於在關鍵字全集做一次二分查找;

      B+的特性:

      1.所有關鍵字都出現在葉子結點的鏈表中(稠密索引),且鏈表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),葉子結點相當於是存儲(關鍵字)數據的數據層;

      4.更適合文件索引系統;

 

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針;

  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的數據複製到新結點,最後在父結點中增加新結點的指針;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針;

      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,那麼將一部分數據移到兄弟結點中,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的數據到新結點,最後在父結點增加新結點的指針;

      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,每個結點只存儲一個關鍵字,等於則命中,小於走左結點,大於走右結點;

      B-樹:多路搜索樹,每個結點存儲M/2到M個關鍵字,非葉子結點存儲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,為葉子結點增加鏈表指針,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鏈表指針,將結點的最低利用率從1/2提高到2/3;

 

紅黑樹rbtree二叉排序樹

map 就是採用紅黑樹存儲的,紅黑樹(RBTree)是平衡二叉樹,其優點就是樹到葉子節點深度一致,查找的效率也就一樣,為logN.在實行查找,插入,刪除的效率都一致,而當是全部靜態數據時,沒有太多優勢,可能採用hash表各合適。

hash_map是一個hashtable占用記憶體更多,查找效率高一些,但是hash的時間比較費時。

總體來說,hash_map查找速度會比map快,而且查找速度基本和數據數據量大小,屬於常數級別;而map的查找速度是log(n)級別。並不一定常數就比log(n)小,hash還有hash函數的耗時,明白了吧,如果你考慮效率,特別是在元素達到一定數量級時,考慮考慮hash_map。但若你對記憶體使用特別嚴格,希望程式儘可能少消耗記憶體,那麼一定要小心,hash_map可能會讓你陷入尷尬,特別是當你的hash_map對象特別多時,你就更無法控制了,而且hash_map的構造速度較慢。

現在知道如何選擇了嗎?權衡三個因素: 查找速度, 數據量,記憶體使用。

 

trie樹Double Array字典查找樹 

Trie樹既可用於一般的字典搜索,也可用於索引查找。
每個節點相當於DFA的一個狀態,終止狀態為查找結束。有序查找的過程相當於狀態的不斷轉換
對於給定的一個字元串a1,a2,a3,...,an.則 採用TRIE樹搜索經過n次搜索即可完成一次查找。不過好像還是沒有B樹的搜索效率高,B樹搜索演算法複雜度為logt(n+1/2).當t趨向大,搜索效率變得高效。怪不得DB2的訪問記憶體設置為虛擬記憶體的一個PAGE大小,而且幀切換頻率降低,無需經常的PAGE切換。
   下麵我們有and,as,at,cn,com這些關鍵詞,那麼如何構建trie樹呢?

從上面的圖中,我們或多或少的可以發現一些好玩的特性。

      第一:根節點不包含字元,除根節點外的每一個子節點都包含一個字元。

      第二:從根節點到某一節點,路徑上經過的字元連接起來,就是該節點對應的字元串。

      第三:每個單詞的公共首碼作為一個字元節點保存。

使用範圍:

     既然學Trie樹,我們肯定要知道這玩意是用來幹嘛的。

     第一:詞頻統計。

            可能有人要說了,詞頻統計簡單啊,一個hash或者一個堆就可以打完收工,但問題來了,如果記憶體有限呢?還能這麼

             玩嗎?所以這裡我們就可以用trie樹來壓縮下空間,因為公共首碼都是用一個節點保存的。

     第二: 首碼匹配

            就拿上面的圖來說吧,如果我想獲取所有以"a"開頭的字元串,從圖中可以很明顯的看到是:and,as,at,如果不用trie樹,

            你該怎麼做呢?很顯然朴素的做法時間複雜度為O(N2) ,那麼用Trie樹就不一樣了,它可以做到h,h為你檢索單詞的長度,

            可以說這是秒殺的效果。

舉個例子:現有一個編號為1的字元串”and“,我們要插入到trie樹中,採用動態規劃的思想,將編號”1“計入到每個途徑的節點中,

              那麼以後我們要找”a“,”an“,”and"為首碼的字元串的編號將會輕而易舉。


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • <!-- /* Font Definitions */ @font-face {font-family:Wingdings; panose-1:5 0 0 0 0 0 0 0 0 0;} @font-face {font-family:宋體; panose-1:2 1 6 0 3 1 1 1 1 1
  • 每次我講解SQL Server之前,我都會先簡單談下當我們執行查詢時,在SQL Server內部發生了什麼。執行一個SELECT語句非常簡單,但是執行DML語句更加複雜,因為SQL Server要修改記憶體中的相關頁,併在事務日誌里記錄整個事務。 介紹完這些特定步驟後,我總會問同樣的問題:當我們有個未
  • 1)遷移整個資料庫,然後再進行掛庫升級 第一步:先把資料庫正常停庫,然後重啟資料庫為只讀模式 Startup mount Alter database open read only; 第二步:RMAN狀態下運行腳本,把源庫數據進行備分導出。 關於轉換的問題:在傳輸表空間我們說過都是小位元組不用轉換也可
  • 1 USE master; 2 GO 3 DECLARE @SQL VARCHAR(MAX); 4 SET @SQL='' 5 SELECT @SQL=@SQL+'; KILL '+RTRIM(SPID) 6 FROM master..sysprocesses 7 WHERE dbid=DB_ID(
  • 通過phpmyadmin連接mysql成功,但是通過php連接資料庫失敗,執行如下php語句 ? 1 @mysql_connect("localhost","root","12345") or die ("資料庫伺服器連接失敗");// 連接伺服器 之後,瀏覽器輸出資料庫伺服器連接失敗,下文為解決辦
  • --時間:2016年1月27日--Author:zhenxing yu 查詢回收站 SELECT * FROM RECYCLEBIN; SELECT * FROM USER_RECYCLEBIN; --USER_RECYCLEBING與RECYCLEBIN是同義詞,欄位完全一樣 --開啟或關閉回收站
  • memcached是一個高性能的分散式記憶體緩存伺服器,memcached在Linux上可以通過yum命令安裝,這樣方便很多,在生產環境下建議用Linux系統,memcached使用libevent這個庫在Linux系統上才能發揮它的高性能。它的分散式其實在服務端是不具有分散式的特征的,是依靠客戶端的
  • 一,mysql命令行參數 Usage: mysql [OPTIONS] [database] //命令方式 -?, --help //顯示幫助信息並退出 -I, --help //顯示幫助信息並退出 --auto-rehash //自動補全功能,就像linux裡面,按Tab鍵出提示差不多,下麵有例子
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...