文件的索引结构-1.pptVIP

文件索引结构与倒排表 2007/05/14 本讲主要内容： 平衡二叉树 文件的索引结构 倒排表与倒排索引 类型无关的软件平台架构 字典的二分查找 二分查找(binary search) 要求： 查找表为有序表，即表中 结点按关键字有序排列，并且采用顺序存储结构。 基本思想： 确定搜索区间的中点位置： 然后将待查的key值与range[mid].key比较：若相等，则查找成功并返回此位置，否则确定新的查找区间，继续二分查找. 动态查找表结构 —— 二叉排序树（又称二叉搜索树） 以关键码值为结点的二叉树 如果任一结点的左子树非空，则左子树中的所有结点的关键码都小于根结点的关键码； 如果任一结点的右子树非空，则右子树中的所有结点的关键码都大于根结点的关键码。 二叉排序树的插入与构造 最佳二叉排序树的构造 (1) 先将字典元素关键码排序。 (2) 对每个关键码按二分法在排序关键码序列中执行检索，将检索中遇到的还未在二叉排序树中的关键码插入二叉排序树中。 —— 按二分查找中所遇到的节点依次插入二叉排序树。 举例（记录二分查找的过程） 对于K={27,73,10,5,18,41,99,51,25}，构造最佳二叉排序树的过程如下： 首先将它们排序为：5，10，18，25，27，41，51，73，99， 然后从空二叉树出发，在排序的关键码序列中用二分法检索5，检索中遇到的结点为27,10,5，将这三个结点插入二叉排序树。 再检索第二个结点10，遇到的结点为27,10，二叉排序树中已经有这两个结点。 再检索第三个结点18，…。 得到的插入次序为27，10，5，18，25，51，41，73，99。 静态查找表索引结构 索引 索引是索引项的集合，一个索引项是由一个结点的关键码和该结点的存储位置组成的关联。 索引的实质还是字典，而且是元素类型相同的等长结点的字典。所有关于字典的讨论都适合于索引；所有字典的实现也可以用来组织索引。 文件与索引结构 —— 打开一个文件 从文本文件中读入数据集合 将数据集转换为记录集 通过记录的某一项属性值反过来查找到这个记录的存放地址，或者记录对应的关键码。我们称这种索引为倒排索引（inverted index）。 倒排索引的建立 包含数据逻辑层的软件架构 动态查找表 —— 平衡二叉排序树 以上的“最佳”二叉排序树，不仅构造的时间代价很大，而且很难动态的保持。通常用于表示一旦构造后就不改动的静态字典； 对于动态字典，为了能够在进行元素的插入和删除操作时，较快地对二叉排序树进行调整，通常不要求二叉排序树总是保持“最佳的”检索效率，而是希望达到一种比较容易调整的“较佳”的状态。 平衡二叉排序树， 又称AVL树，要求从整体上看，在动态插入或删除后，每个结点的左右子树能够基本保持平衡。不会出现过分倾斜的现象，从而使得平均检索长度保持比较短。 结点右子树高度与左子树高度之差称为该结点的平衡因子，平衡二叉排序树中每个结点的平衡因子只能是1、0或－1。 插入的影响 在平衡二叉排序树中插入新结点时，如果新结点插入后不影响其父结点为根的子树高度，则不会破坏整个二叉排序树的平衡；反之，若父结点为根的子树高度增加了，则可能引起一连串的反映。 其结果又有两种可能，一种是在其祖先的某一层上不再影响子二叉排序树的高度，则整个二叉排序树仍然是平衡的；另一种是在其祖先的某一层上破坏了平衡的要求，使整个二叉排序树不再是AVL树。 最小不平衡子树 处理失去平衡的方法为首先找出最小不平衡子树（指离插入结点最近，且以平衡因子绝对值大于1的结点为根的子树）， 在保证排序树性质的前提下，调整最小不平衡子树中各结点的连接关系，以达到新的平衡。 AVL树调整平衡的原则 LL型调整 破坏平衡的原因是由于在A的左子女(L)的左子树(L)中插入新结点，使A的平衡因子由 -1变为 -2而失去平衡。 调整不破坏节点间的序关系。 调整不增加子树的高度。 LL-调整规则 将A的左子女B提升为新二叉树的根；原来的根A连同其右子树γ向右下旋转成为B的右子树；B的原右子树β作为A的左子树。 调整后仍保持二叉排序树的性质，而且整个（子）二叉树的高度与插入前相同，因此不会影响包含它的更大（子）二叉树的平衡。 RR型调整 破坏平衡的原因是由于在A的右子女(R)的右子树(R)中插入结点，使A的平衡因子由1变为2而失去平衡。 调整规则：与LL型的对称。将A的右子女B提升为新二叉树的根；原来的根A连同其左子树向左下旋转成为B的左子树；B的原左子树作为A的右子树。 LR型调整 破坏平衡的原因是由于在A的左子女(L)的右子树(R)中插入结点，使A的平衡因子由－1变为－2而失去平衡。 若α、β、γ、δ全