树的结构详细讲解.pptVIP

* * * * * * * * 物料管理 SEAR * Algorithms and DataStructures:Search * 物料管理 SEAR * Algorithms and DataStructures:Search * 物料管理 SEAR * Algorithms and DataStructures:Search * 物料管理 SEAR * Algorithms and DataStructures:Search * 物料管理 SEAR * Algorithms and DataStructures:Search * 物料管理 SEAR * Algorithms and DataStructures:Search * 物料管理 SEAR * Algorithms and DataStructures:Search * 物料管理 SEAR * Algorithms and DataStructures:Search * 物料管理 SEAR * Algorithms and DataStructures:Search * 物料管理 SEAR * Algorithms and DataStructures:Search * 物料管理 SEAR * Algorithms and DataStructures:Search 7、B_ 树和 B+ 树 1、为什么采用B_ 树和 B+ 树： 大量数据存放在外存中，通常存放在硬盘中。由于是海量数据，不可能一次调入内存。因此，要多次 访问外存。但硬盘的驱动受机械运动的制约，速度慢。所以，主要矛盾变为减少访外次数。 在 1970 年由 R bayer 和 E macreight 提出用B_ 树作为索引组织文件。提高访问速度、减少时间。 内存 E.G: 用二叉树组织文件，当文件的记录个数为 100，000时，要找到给定关键字的记录，需访问外存17次（log100,000）,太长了！ 50 25 10 75 15 35 60 90 20 30 40 55 70 80 95 索引文件 数据文件 文件头，可常驻内存 文件访问示意图：索引文件、数据文件存在盘上 * 7、B_ 树和 B+ 树 2、B_ 树是一种多分支数，首先介绍 m 阶 B_ 树： 定义： m 阶 B_ 树满足或空，或： A、根结点要么是叶子，要么至少有两个儿子 B、除根结点和叶子结点之外，每个结点的儿子个数为: m/2 = s = m C、有 s 个儿子的非叶结点具有 n = s － 1 个关键字，即: s = n + 1 这些结点的数据信息为： （n, A0, K1, R1, A1, K2, R2, A2, ……… Kn, Rn, An） 这里：n: 关键字的个数 A0：K1 的结点的地址（指在该 B_ 树中） K1：关键字 R1：关键字 = K1 的数据记录在硬盘中的地址 A2： K1 且 K2 的结点的地址（指在该 B_ 树中） 余类推 ……… An： Kn 的结点的地址（指在该 B_ 树中） 注意：K1 =K2 = …... = Kn D、所有的叶子结点都出现在同一层上，不带信息（可认为外部结点或失败结点）。 * 7、B_ 树和 B+ 树 例如：m = 4 阶 B_ 树。除根结点和叶子结点之外，每个结点的儿子个数 至少为 m/2 = 2 个；结点的关键字个数至少为 1 。该 B_ 树的深度为 4。 叶子结点都在第 4 层上。 1，99 3，47，58，64 1，39 1，27 1，11 2，43，78 1，18 1，35 F F F F F F F F F F F F 第 1 层 第 2 层 第 3 层(L层) 第 4 层(L＋1层) * 7、B_ 树和 B+ 树 3、B_ 树的查找代价分析： 查找过程，类似于二叉树的查找。如查找关键字为 KEY 的记录。 从根开始查找，如果 Ki = KEY 则查找成功，Ri 为关键字为 KEY 的记录的地址。 若 Ki KEY Ki+1; 查找 Ai 指向的结点 若 KEY K1; 查找 A0 指向的结点 若 KEY Kn; 查找 An指向的结点