数据结构 4 时间复杂度、B-树 B+树 具体应用与理解
前言
面试中,经常会问到有关于MYSQL 索引的相关概念,我们之前也都学过有关树的概念、以及二叉树、二叉查找树、红黑树等。这一节,来关注经常是数据库索引中使用的B-树
在说这些之前,我们需要了解时间复杂度以及空间复杂度。
时间复杂度
时间复杂度,用于鉴定一个算法的好坏、很多时候,比如跑一个for 循环一个数组排序,有冒泡、二分法等方法。相比于冒泡。二分法很占优势,为什么呢?因为比较的次数少、并且做的无用功少、所以这个算法就好。
时间复杂度就是为了表示一个频繁度,这个频繁度怎么说呢。就是每执行一次循环,这就是一个频繁。
O(频度)
用O大写字符O表示,而不是零。
常见时间复杂度依次从小到大:
- O(1) 常数阶
- O(logn) 对数阶
- O(n) 线性阶
- O(n的平方) 平方阶
- O(n的立方) 立方阶
- O(2的n次方) (指数阶)
空间复杂度
空间复杂度,一般指占用的内存
时间换空间、空间换时间
这两个完全是可以等价交换的。比如我们想用
消耗时间长、换取占用空间少
这样会使应用程序响应变慢。但是占用内存少
消耗大量空间、换取快速的响应
例子:谷歌浏览器
B-树
切记,这里不念做B减数
这里的横岗没有任何意思,就是B树。
来说这个问题之前,首先了解一下:有关索引的简单内容。
我们都知道,索引,就是储存在本地磁盘上的一块数据结构,通过索引,我们能够快速查找数据库指定数据所在的位置。因为需要快速的查找出来。所以性能需要好的数据结构;例如:
- 二叉查找树 时间复杂度 O(logN)
一般情况下,二叉查找树以二分法查找,时间能够大大减少、一般遍历的最多次数就是二叉树的层级高度。
我们在上面已经了解过有关时间换空间、空间换时间的概念了。所以数据库的索引必须让其快起来,那就必须使用空间去换取时间,一般的索引库都是很大的。几个G甚至更多。
一般情况下,这么大的索引,我们没办法一次性读入到内存中。必须逐一加载的内存当中才可以。
因为是磁盘,就会有读取和写入(IO),使用二叉树虽然性能很高,但是不得不考虑磁盘的IO性能。
假设在使用二叉树来实现索引。我们查找的数字是7
最坏的情况下。也需要读取3次才可找到这个数字,那么有没有情况,就是把这个树的层级减少一些,我们读取的IO次数也就能减少。性能也就能提升。B-树就出来了
概念
将原来瘦高
的二叉树变为矮胖
的B-树。
B树是一种多路平衡查找树。每一个节点最多包含K个孩子,而K又被称为是B树的阶。这个阶取决于磁盘页大小。
特点
假设这个磁盘决定的B树阶为m
- 根节点至少有两个子女。
- 中间节点都包含(k-1)个元素和K个孩子,其中
m/2 <= k <= m
总结上面的话,就是说,这个k 就是节点的元素数量的范围取值范围在于
总是不能大于阶,并且也不能少于阶的一半。
- 每一个叶子节点都包含(k-1)个元素,其中
m/2 <= k <= m
- 所有叶子节点都是位于同一层的
- 每一个节点的元素从小到大排列,它的第(k-1)个元素正好是其k个孩子所包含元素的值域。(有点难以理解)
理解一下
画出一个B树,按照上面的条条框框 我们来说一下:
- B树根节点
9
确实有两个子节点 - 中间的节点都会包含的元素数=子节点数-1。
- 比如
2 6
这个元素的位置。
我们假设当前的k=2,所以当前节点的k-1=1 第一个元素2
正好是第2个子元素3,5
的值域划分。因为
- 2 < 3 < 6
- 2 < 5 < 6
画个图,你就理解了。拿出原来的一小部分,我们来分析
通过箭头的指向,将子元素插入到指定的位置,你会发现什么??
看到了么?变成了一个线性数组,并且已经排序好了的。
B- 优势
相比于二叉查找树,我们的B-树在缩短与硬盘的交互次数IO ,提升性能。每次只需要读取一个节点,通过本节点在内存中的交互,即可通过值域的方式确定当前的值在那个节点下,依次找寻即可。
B-树 插入元素
假设我们插入一个4
,通过遍历,我们发现,必须要插入到这个位置:
若这样插入,其实是违反规则的,因为父节点3,5
有两个元素,所以它应该有三个儿子节点才对,所以这样行不通,需要改变!
往上方观察,2,6
已经是满节点的状态,并且根节点最多包含两个节点,那只能在根节点入手了。
就需要拆分节点和发生一系列的改变,其实还是很繁琐的。
这里只需要了解这个过程即可。不需要钻牛角尖
B树优势
B树最大的优势就是自平衡
以及始终能够维持多路平衡,能够最大程度减少磁盘的IO次数而达到性能提升
应用场景
那就是数据库索引了。以及文件系统。数据库这里常见的就是MongoDB 一款非关系型数据库。
而我们常用的Mysql数据库则用的是B+树作为索引的。我们下来说一说。
B+树
所谓B+树,其实就是B树的Plus版本,更加牛皮,所以牛皮在哪儿呢?那无非就是查询性能上,查询快呗。
既然是B树的一种扩展,那么肯定的,也包含B树该有的性质它都有,B+树有的一些性质,我们这里罗列一下:
特征
假设这里存在一个m阶的B+树,
- 有K个子节点的中间节点包含有K个元素,(B树这里是k-1),中间节点的元素不保存数据,只用来索引,所有的数据都保存在叶子节点。
- 所有的叶子节点包含了全部的元素信息,以及指向这些元素的指针。叶子节点本身按照关键词的大小自小而大顺序排列。
- 所有的中间节点元素都同时存在与子节点中。在子节点元素中是最大或者最小的元素。
是不是很懵逼?懵逼就对了
待会儿我们来解释一下,不要慌
- 中间节点有三个元素,所以它有三个子节点。没毛病
- 每个子节点都会包含父节点的一个元素,或者是最大。或者是最小。
- 它的所有数据都是储存与叶子节点的,并且使用指针指向下一个叶子节点,形成一个
链表
为什么查询性能更优?
我们知道,B树是为了减少磁盘IO而创建出来的,因为二叉树虽然快,但是内存空间有限,一下子读取不了那么多。那就必须按照磁盘页的大小,依次读取节点到内存中。在数据量相同的情况下,因为B树每个节点上都存在数据。而不一样的是,B+树只有在叶子节点才会存在数据,所以呢 同样的情况下,B+树的这种结构,一次性能够放入内存的节点数量就可以增加了。因为B+树中间节点放的是引用地址嘛,这样读取性能又能够翻一翻。
- 单一节点储存了更多的元素。使得树更加矮胖,读取次数更少
- 查询都需要到达叶子节点,而后通过链表遍历、更加迅速。
小结
总结一下:为了什么发明出B树,因为通过空间换取时间的概念,索引是一个非常庞大的数据结构。而且
电脑的内存大小有限
不能一次性把二叉查找树读取进去,只能一点个节点一个节点的读取到里面。内存考虑完了。
硬盘IO 速度
因为索引的庞大,所以,在磁盘读取的时候,尽量使用少次的IO读取出我们需要的值,那就是最优解,所以呢,这个二叉树看起来很瘦高,要读取的IO数量太多了。所以呢?
B树就被发明出来了。为了啥?让二叉查找树变得矮胖
。减少IO次数
B+树呢?作为B树的一个Plus版本。还是由于磁盘页的大小限制,只能读取少量的B树节点到内存中。因为B树节点就带有数据。而B+树就不一样了。因为中间节点不带数据,能够一次性读取好几个节点进去处理。所以呢,性能又提升了!
奥利给!
其实说了这么多,我们可以发现,所有的优化,是建立在当前磁盘不够、IO不够、内存不够大的基础上改善的。
参考
https://mp.weixin.qq.com/s/jRZMMONW3QP43dsDKIV9VQ
数据结构 4 时间复杂度、B-树 B+树 具体应用与理解的更多相关文章
- 浅谈算法和数据结构: 七 二叉查找树 八 平衡查找树之2-3树 九 平衡查找树之红黑树 十 平衡查找树之B树
http://www.cnblogs.com/yangecnu/p/Introduce-Binary-Search-Tree.html 前文介绍了符号表的两种实现,无序链表和有序数组,无序链表在插入的 ...
- 【Todo】字符串相关的各种算法,以及用到的各种数据结构,包括前缀树后缀树等各种树
另开一文分析字符串相关的各种算法,以及用到的各种数据结构,包括前缀树后缀树等各种树. 先来一个汇总, 算法: 本文中提到的字符串匹配算法有:KMP, BM, Horspool, Sunday, BF, ...
- 【数据结构】B-Tree, B+Tree, B*树介绍
[摘要] 最近在看Mysql的存储引擎中索引的优化,神马是索引,支持啥索引.全是浮云,目前Mysql的MyISAM和InnoDB都支持B-Tree索引,InnoDB还支持B+Tree索引,Memory ...
- 【数据结构】B-Tree, B+Tree, B*树介绍 转
[数据结构]B-Tree, B+Tree, B*树介绍 [摘要] 最近在看Mysql的存储引擎中索引的优化,神马是索引,支持啥索引.全是浮云,目前Mysql的MyISAM和InnoDB都支持B-Tre ...
- Java数据结构和算法(一)树
Java数据结构和算法(一)树 数据结构与算法目录(https://www.cnblogs.com/binarylei/p/10115867.html) 前面讲到的链表.栈和队列都是一对一的线性结构, ...
- Java数据结构和算法(二)树的基本操作
Java数据结构和算法(二)树的基本操作 数据结构与算法目录(https://www.cnblogs.com/binarylei/p/10115867.html) 一.树的遍历 二叉树遍历分为:前序遍 ...
- java数据结构和算法07(2-3-4树)
上一篇我们大概了解了红黑树到底是个什么鬼,这篇我们可以看看另外一种树-----2-3-4树,看这个树的名字就觉得很奇怪.... 我们首先要知道这里的2.3.4指的是任意一个节点拥有的子节点个数,所以我 ...
- 空间划分的数据结构(网格/四叉树/八叉树/BSP树/k-d树/BVH/自定义划分)
目录 网格 (Grid) 网格的应用 四叉树/八叉树 (Quadtree/Octree) 四叉树/八叉树的应用 BSP树 (Binary Space Partitioning Tree) 判断点在平面 ...
- 数据结构(一)二叉树 & avl树 & 红黑树 & B-树 & B+树 & B*树 & R树
参考文档: avl树:http://lib.csdn.net/article/datastructure/9204 avl树:http://blog.csdn.net/javazejian/artic ...
随机推荐
- jsonConfig用法
1.先编写jsonConfig的初始化代码 private JsonConfig jsonConfig; public action构造方法() { jsonConfig = new JsonConf ...
- Flask的Jinja2模版过滤器
Jinja2模版过滤器 过滤器是通过管道符号(|)进行使用的,例如:{{ name|length }},将返回name的长度.过滤器相当于是一个函数,把当前的变量传入到过滤器中,然后过滤器根据自己的功 ...
- 1)public,provite和protect不能放在函数函数头
今天我才知道,原来这三个修饰的东西,只是用在类里面方法,怪不得一个叫方法,一个叫函数了,原来就是区分他们,哎, 今天遇到这么一个问题: <?php //header('Content-type: ...
- Logarithmic transformation|Data transfer|MASS|Box-Cox
数据转换(Data transfer) 方差分析的前提是方差齐性,可以使用transfer改变方差使得方差变齐.不正态和outlier. Logarithmic transformation使方差聚合 ...
- Telnet和SSH区别
首先,telnet和ssh都是连接远程计算机的连接协议,可以完成对完成计算机的控制,方便维护.其次,他们都是基于TCP/IP协议下的,所以连接时都需要知道目标机的网址或者域名,第三,他们都是与远程主机 ...
- montagy
因为只是想分享ghcjs和webgl的使用经验,所以很多地方说的很粗,因为涉及的知识确实很多, 推荐两本书,一本haskell基础的 learn you a haskell for great goo ...
- php 依赖注入 和 控制反转 php设计模式
https://blog.csdn.net/zyddj123/article/details/82753650 什么是依赖注入?IOC:英文全称:Inversion of Control,中文名称:控 ...
- java操作telnet远程登录
import java.io.IOException; import java.io.InputStream; import java.io.InputStreamReader; import jav ...
- 配置gitlab(备忘)
已经配置好github的基础上,clone gitlab 地址git status 显示改变了的文件但是webstorm文件颜色不改变问题的解决:VCS->git-->remotes--& ...
- Flash Builder 使用
1. 解决编译慢的问题:用记事本打开安装目录下的 FlashBuilder.ini ,将里面设置的容量都扩大一半,如-Xms256m改为 -Xms512m,另外几项类似修改: 定位到相应版本的sdks ...