树上的查找-Ｂ－树

　当查找的文件较大，且存放在磁盘等直接存取设备中时，为了减少查找过程中对磁盘的读写次数，提高查找效率，基于直接存取设备的读写操作以"页"为单位的特征。
　1972年R.Bayer和E.M.McCreight提出了一种称之为B-树的多路平衡查找树。它适合在磁盘等直接存取设备上组织动态的查找表。

B-树的定义

1、B-树的定义
　一棵m(m≥3)阶的B-树是满足如下性质的m叉树：
(1)每个结点至少包含下列数据域：
(j，P0，Kl，P1，K2，…，Ki，Pi)
　　其中：
j为关键字总数
Ki(1≤i≤j)是关键字，关键字序列递增有序：K1 Pi(0≤i≤j)是孩子指针。对于叶结点，每个Pi为空指针。
注意：
　    ①实用中为节省空间，叶结点中可省去指针域Pi，但必须在每个结点中增加一个标志域leaf，其值为真时表示叶结点，否则为内部结点。
　　②在每个内部结点中，假设用keys(Pi)来表示子树Pi中的所有关键字，则有：
　　　　　　　keys(P0) 即关键字是分界点，任一关键字Ki左边子树中的所有关键字均小于Ki，右边子树中的所有关键字均大于Ki。
(2)所有叶子是在同一层上，叶子的层数为树的高度h。

(3)每个非根结点中所包含的关键字个数j满足：

.

　即每个非根结点至少应有 个关键字，至多有m-1个关键字。
　因为每个内部结点的度数正好是关键字总数加1，故每个非根的内部结点至少有子树，至多有m棵子树。

(4)若树非空，则根至少有1个关键字，故若根不是叶子，则它至少有2棵子树。根至多有m-1个关键字，故至多有m棵子树。

2、B-树的结点规模
　在大多数系统中，B-树上的算法执行时间主要由读、写磁盘的次数来决定，每次读写尽可能多的信息可提高算法得执行速度。
　B-树中的结点的规模一般是一个磁盘页，而结点中所包含的关键字及其孩子的数目取决于磁盘页的大小。
注意：
　①对于磁盘上一棵较大的B-树，通常每个结点拥有的孩子数目(即结点的度数)m为50至2000不等
　②一棵度为m的B-树称为m阶B-树。
　③选取较大的结点度数可降低树的高度，以及减少查找任意关键字所需的磁盘访问次数。
【例】下图给出了一棵高度为3的1001阶B-树。


　说明：
　　①每个结点包含1000个关键字，故在第三层上有100多万个叶结点，这些叶节点可容纳10亿多个关键字。
　　②图中各结点内的数字表示关键字的数目。
　　③通常根结点可始终置于主存中，因此在这棵B-树中查找任一关键字至多只需二次访问外存。

3、B-树的存储结构

#define Max l000 //结点中关键字的最大数目：Max=m-1，m是B-树的阶
#define Min 500 //非根结点中关键字的最小数目：Min=┌m/2┐-1
typedef int KeyType； //KeyType应由用户定义
typedef struct node{ //结点定义中省略了指向关键字代表的记录的指针
  　int keynum； //结点中当前拥有的关键字的个数，keynum《Max
  　KeyType key[Max+1]； //关键字向量为key[1..keynum]，key[0]不用。
  　struct node *parent； //指向双亲结点
  　struct node *son[Max+1]；//孩子指针向量为son[0..keynum]
 }BTreeNode；
typedef BTreeNode *BTree；

　注意：
　为简单起见，以上说明省略了辅助信息域。在实用中，与每个关键字存储在一起的不是相关的辅助信息域，而是一个指向另一磁盘页的指针。磁盘页中包含有该关键字所代表的记录，而相关的辅助信息正是存储在此记录中。
　有的B-树(如第10章介绍的B+树)是将所有辅助信息都存于叶结点中，而内部结点(不妨将根亦看作是内部结点)中只存放关键字和指向孩子结点的指针，无须存储指向辅助信息的指针，这样使内部结点的度数尽可能最大化。

4、5阶B-树示例
【例】下图给出了一棵包含24个英文字母的5阶B-树的存储结构图。


说明：
　 按照定义，在5阶B-树里，根中的关键字数目可以是1～4，子树数可以是2～5；其它的结点中关键字数目可以是2～4，若该结点不是叶子，则它可以有3～5棵子树。

B-树上的基本运算

1、B-树的查找
（1）B-树的查找方法
　 在B-树中查找给定关键字的方法类似于二叉排序树上的查找。不同的是在每个结点上确定向下查找的路径不一定是二路而是keynum+1路的。
　　对结点内的存放有序关键字序列的向量key[l..keynum] 用顺序查找或折半查找方法查找。若在某结点内找到待查的关键字K，则返回该结点的地址及K在key[1..keynum]中的位置；否则，确定K在某个key[i]和key[i+1]之间结点后，从磁盘中读son[i]所指的结点继续查找……。直到在某结点中查找成功；或直至找到叶结点且叶结点中的查找仍不成功时，查找过程失败。
【例】下图中左边的虚线表示查找关键字1的过程，它失败于叶结点的H和K之间空指针上；右边的虚线表示查找关键字S的过程，并成功地返回S所在结点的地址和S在key[1..keynum]中的位置2。


（2）B-树的查找算法

BTreeNode *SearchBTree(BTree T，KeyType K，int *pos)
 { //在B-树T中查找关键字K，成功时返回找到的结点的地址及K在其中的位置*pos
//失败则返回NULL，且*pos无定义
  int i；
  T→key[0]=k; //设哨兵．下面用顺序查找key[1..keynum]
  for(i=T->keynum；Kkey[i];i--)； //从后向前找第1个小于等于K的关键字
  if(i>0 && T->key[i]==1){ //查找成功，返回T及i
    *pos=i；
    return T；
   } //结点内查找失败，但T->key[i]key[i+1]，下一个查找的结点应为
     //son[i]
  if(!T->son[i]) //*T为叶子，在叶子中仍未找到K，则整个查找过程失败
    return NULL；
    //查找插入关键字的位置，则应令*pos=i，并返回T，见后面的插入操作
  DiskRead(T->son[i])； //在磁盘上读人下一查找的树结点到内存中
  return SearchBTree(T->Son[i]，k，pos)； //递归地继续查找于树T->son[i]
 }

（3）查找操作的时间开销
　B-树上的查找有两个基本步骤：
　①在B-树中查找结点，该查找涉及读盘DiskRead操作，属外查找；
　②在结点内查找，该查找属内查找。
　 查找操作的时间为：
　①外查找的读盘次数不超过树高h，故其时间是O(h)；
　②内查找中，每个结点内的关键字数目keynum 　注意：
　　①实际上外查找时间可能远远大于内查找时间。
　　②B-树作为数据库文件时，打开文件之后就必须将根结点读人内存，而直至文件关闭之前，此根一直驻留在内存中，故查找时可以不计读入根结点的时间。

2、B-树的插入和生成
　B-树的生成是从空树起，逐个插入关键字而得到的。

（1）插入关键字K的方法
　首先在树中查找K，若找到则直接返回(假设不处理相同关键字的插入)；否则查找操作必失败于某个叶子上，然后将K插入该叶子中。若该叶子结点原来是非满(指keynum 调整操作：
　将违反性质(3)的结点以中间位置上的关键字 为划分点，将该

结点(不妨设是*current)：
(m，P0，K1，P1，…，Km，Pm) //Ki表示key[i]，Pi表示son[i]
"分裂"为两个结点：


并将中间关键字 (和新结点指针new一起插入到*current的双亲*parent中。
注意：
　①当m为奇数时，分裂后的两结点中的关键字数目相同，均是半满；
　②若m为偶数，则*new中关键字数比*current中关键字数多1。
　 结点的分裂过程见下图。


　其中i表示key和son向量的下标。
注意：
　当和新结点的地址一起插入已满的双亲后，双亲也要做分裂操作。最坏情况是，从被插入的叶子到根的路径上各结点均是满结点，此时，插入过程中的分裂操作一直向上传播到根。当根分裂时，因根没有双亲，故需建立一个新的根，此时树长高一层。

（2）B-树的生成
　由空树开始，逐个插入关键字，即可生成B-树。
【例】以关键字序列(a，g，f，b，k，d，h，m，i，e， s，i，r，x，c，l，n，t，u，p)建立一棵5阶B-树的生长过程【参见动画演示】
注意：
　   ①当一结点分裂时所产生的两个结点大约是半满的，这就为后续的插入腾出了较多的空间，尤其是当m较大时，往这些半满的空间中插入新的关键字不会很快引起新的分裂。
　　②向上插人的关键字总是分裂结点的中间位置上的关键字，它未必是正待插入该分裂结点的关键字。因此，无论按何次序插入关键字序列，树都是平衡的。

3、B-树的删除
（1）删除操作的两个步骤
　 第一步骤：在树中查找被删关键字K所在的地点
　 第二步骤：进行删去K的操作

（2）删去K的操作
　B-树是二叉排序树的推广，中序遍历B-树同样可得到关键字的有序序列（具体遍历算法【参见练习】）。任一关键字K的中序前趋(后继)必是K的左子树(右子树)中最右(左)下的结点中最后(最前)一个关键字。
　若被删关键字K所在的结点非树叶，则用K的中序前趋(或后继)K'取代K，然后从叶子中删去K'。从叶子*x开始删去某关键字K的三种情形为：
　情形一：若x->keynum>Min，则只需删去K及其右指针(*x是叶子，K的右指针为空)即可使删除操作结束。
注意：
　
　情形二：若x->keynum=Min，该叶子中的关键字个数已是最小值，删K及其右指针后会破坏B-树的性质(3)。若*x的左(或右)邻兄弟结点*y中的关键字数目大于Min，则将*y中的最大(或最小)关键字上移至双亲结点*parent中，而将*parent中相应的关键字下移至x中。显然这种移动使得双亲中关键字数目不变；*y被移出一个关键字，故其keynum减1，因它原大于Min，故减少1个关键字后keynum仍大于等于Min；而*x中已移入一个关键字，故删K后*x中仍有Min个关键字。涉及移动关键字的三个结点均满足B-树的性质(3)。 请读者验证，上述操作后仍满足B-树的性质(1)。移动完成后，删除过程亦结束。
　情形三：若*x及其相邻的左右兄弟(也可能只有一个兄弟)中的关键字数目均为最小值Min，则上述的移动操作就不奏效，此时须*x和左或右兄弟合并。不妨设*x有右邻兄弟*y(对左邻兄弟的讨论与此类似)，在*x中删去K及其右子树后，将双亲结点*parent中介于*x和*y之间的关键字K，作为中间关键字，与并x和*y中的关键字一起"合并"为一个新的结点取代*x和*y。因为*x和*y原各有Min个关键字，从双亲中移人的K'抵消了从*x中删除的K，故新结点中恰有2Min(即2「m/2」-2≤m-1)个关键字，没有破坏B-树的性质(3)。但由于K'从双亲中移到新结点后，相当于从*parent中删去了K'，若parent->keynum原大于Min，则删除操作到此结束；否则，同样要通过移动*parent的左右兄弟中的关键字或将*parent与其 左右兄弟合并的方法来维护B-树性质。最坏情况下，合并操作会向上传播至根，当根中只有一个关键字时，合并操作将会使根结点及其两个孩子合并成一个新的根，从而使整棵树的高度减少一层。

　删除5阶B-树的h、r、p、 d等关键字的过程【参见动画演示】。

分析：
　 第1个被删的关键字h是在叶子中，且该叶子的keynum>Min(5阶B-树的Min=2)，故直接删去即可。第2个删去的r不在叶子中，故用中序后继s取代r，即把s复制到r的位置上，然后从叶子中删去s。第3个删去的p所在的叶子中的关键字数目是最小值Min，但其右兄弟的keynum>Min，故可以通过左移，将双亲中的s移到p所在的结点，而将右兄弟中最小(即最左边)的关键字t上移至双亲取代s。当删去d时，d所在的结点及其左右兄弟均无多余的关键字，故需将删去d后的结点与这两个兄弟中的一个(图中是选择左兄弟(ab))及其双亲中分隔这两个被合并结点的关键字c合并在一起形成一个新结点(abce)。但因为双亲中失去c后keynum

B-树的高度及性能分析

　B-树上操作的时间通常由存取磁盘的时间和CPU计算时间这两部分构成。B-树上大部分基本操作所需访问盘的次数均取决于树高h。关键字总数相同的情况下B-树的高度越小，磁盘I/O所花的时间越少。
　与高速的CPU计算相比，磁盘I/O要慢得多，所以有时忽略CPU的计算时间，只分析算法所需的磁盘访问次数（磁盘访问次数乘以一次读写盘的平均时间(每次读写的时间略有差别)就是磁盘I/O的总时间）。

1、B-树的高度
　定理9.1 若n≥1，m≥3，则对任意一棵具有n个关键字的m阶B-树，其树高h至多为：
logt((n+1)/2)+1。
这里t是每个(除根外)内部结点的最小度数，即

　由上述定理可知：B-树的高度为O(logtn)。于是在B-树上查找、插入和删除的读写盘的次数为O(logtn)，CPU计算时间为O(mlogtn)。

2、性能分析
　　①n个结点的平衡的二叉排序的高度H（即lgn）比B-树的高度h约大lgt倍。
　【例】若m=1024，则lgt=lg512=9。此时若B-树高度为4，则平衡的二叉排序树的高度约为36。显然，若m越大，则B-树高度越小。
　　②若要作为内存中的查找表，B-树却不一定比平衡的二叉排序树好，尤其当m较大时更是如此。
　因为查找等操作的CPU计算时间在B-树上是
O(mlogtn)=0(lgn·(m/lgt))
而m/lgt>1，所以m较大时O(mlogtn)比平衡的二叉排序树上相应操作的时间O(lgn)大得多。因此，仅在内存中使用的B-树必须取较小的m。（通常取最小值m=3，此时B-树中每个内部结点可以有2或3个孩子，这种3阶的B-树称为2-3树）。

转载自：http://student.zjzk.cn/course_ware/data_structure/web/chazhao/chazhao9.3.2.1.htm