面试:“索引背后的数据结构是什么样的?”,五分钟带你了解“B树,B+树”

索引背后的数据结构是什么样的?

是哈希表吗?

        不是,虽然哈希表的增删查改速度都很快,但对于 大于、小于、between and...这类比较大小的范围查询可能是不行的;

会是二叉搜索树、AVL树、红黑树吗?

        二叉搜索树的最坏情况,单枝树最坏情况,时间复杂度为 O(N),即使是AVL树、红黑树、这种尽可能平衡的二叉搜索树,时间复杂度为O(logN),当数据库的数据特别多时,这些树的高度也就会非常高(logN),这和比较次数是相关的,如果是在内存中比较,多比较几次倒也无所谓,因为内存的访问速度很快,但如果实在硬盘上进行的,那就要思量一下了~

所以,程序猿为数据库的索引专门定制了一个数据结构——B+树


什么是B树?

        要想了解B+树,首先来了解一下什么是B树:

        如下图

面试:“索引背后的数据结构是什么样的?”,五分钟带你了解“B树,B+树”_第1张图片

         B树是一个N叉搜索树,每个结点可能包含 N - 1 个值,这 N - 1个值就把区间划分成N份,并且每个结点值不能重复出现,这样划分有什么意义呢?就是表示相同元素的数据集合的时候比二叉树的高度小很多,IO次数也降低了很多~


什么是B+树?

        了解完B树,再来看看B+树:

        如下图

面试:“索引背后的数据结构是什么样的?”,五分钟带你了解“B树,B+树”_第2张图片

        1.B+树的每个结点里可以有N个值,并且在分成N个区间 ;

        2.B树的每个结点的值不能重复出现,B+树则可能重复出现(父元素的值在子元素中会以最大值或者最小值的形式出现)。

        3.子叶中各结点是一链表的形式连接起来的,便于范围查找

        4.子叶是全集数据(每条记录完整关联到子叶上即可),而非子叶是只需要保存索引(目录)即可,非子叶占用空间相比于子叶这种完整数据集合占用的空间要小的多,就可以放在内存中缓存,查询就进一步减少了硬盘IO。

你可能感兴趣的:(数据结构,面试,B+树,B树)