文件系统的索引—B树

B-tree

如何设计一个文件系统的索引？？

1 前置知识：

• 索引：为了更快找到数据的一种键值对（k:v）；比如字典索引。

• 让你设计一个文件系统的索引，你会用什么数据结构来实现？

  • 线性结构：等于是全部遍历一遍，如果是线性表还涉及大规模的移动。
  • 哈希表：其实就是对key进行模运算来进行数据访问
    • hash冲突后，数据散列不均匀，产生大量线性遍历，效率低
    • 等值查询可以，范围查询就需要挨个遍历

• 二叉树：拿它来做索引，数据访问的时候还是得遍历，因为它的键值是无序的

• BST二叉查找树：

  • 特点是左小右大。如果用数组来存，它是递增的，根节点在最中间。
  • 但是树的形态和插入顺序相关，导致树可能存在大量线性部分。
    
    

• AVL树：

  • 1962年村里来了两个年轻人，解决了BST二叉查找树的致命问题
  • 他们怎么做的（快让我康康）
    • 插入数据时，通过算法让这棵树保持平衡，即上一层满了，我才可以把数据插在下一层。
    • 也可以说用插入的成本来弥补查询的效率
  • 但是插入操作多的时候，平衡算法耗时所以有缺陷

• 红黑树：

  • 它是一种弱AVL树。即不需要绝对的平衡，大体上平衡就好了。

  • 最长子树高度超过最短子树的二倍才进行平衡调节。

  • 保持查找效率的同时提升了插入效率

  • 但是只有两个分支，导致随着数据的插入，树的深度激增，意味着IO次数增多，影响读取的效率。

    下划线注释：

    这里的意思就是我们要使用磁盘数据，则需要把数据输入到内存，但是我们不可能把D盘直接输入进去再进行检索，我们的检索信息是通过IO来传递然后再外存进行检索的。这里想象一下我们打开D盘，打开游戏目录，最后打开一个游戏程序。（一个文件夹只能两个子目录，所以很深）

2 转入正题 —B树

• 1970年，村里又来了两个年轻人提出了B树

• B树：一个有序的多路查询树。它是可以看作是红黑树的进化版。

• 磁盘预读

  在一个典型的B树应用中，需要处理的数据量非常大，所有数据无法一次装入主存。B树算法将所需页面从磁盘复制到主存，然后将修改过的页面写回磁盘。任何时刻B树算法都只需要在主存中保持一定数量的页面。因此主存的大小并不限制被处理B树的大小

  

  

• B 树的索引方式
  任何和关键字相关联的卫星数据都将与关键字存储在同一个节点。比如B树的变种，B+树就是把所有卫星数据都存储在叶节点上，以最大化内部节点的分支因子
  
  

练习：