B树
概述
动机： B树实现高速I/O
640K如何"满足"任何实际需求了-- 源自比尔·盖茨的一个笑话
前提知识
-
高速缓存
- 为什么高速缓存有效?
- 不同容量的存储器，访问速度差异悬殊，磁盘和内存访问速度的量级相差\(>10^5\)
- 如果将访问内存比喻为1秒，那么访问外存则相当于1天
- 因此我们需要尽量减少IO次数
- 不同容量的存储器，访问速度差异悬殊，磁盘和内存访问速度的量级相差\(>10^5\)
- 为什么高速缓存有效?
-
分级I/O
- 俩个相邻存储级别之间的数据传输，统称为IO操作
- CPU -> RAM -> DISK -> ARRAY
- 访问速度依次递减，存储容量依次递增
- 常用的数据要放在最前面
-
从磁盘读取1B和读写1KB几乎一样快
问题：
B树为什么更宽更矮
B树实际也是BST，但是其对节点的定义方式不一样, 其定义的节点为超级节点
超级节点的概念：
如果我们将2代节点合并，并把它们都踩扁了，就会拥有4路，3个关键码
同理：每d代合并，就会拥有m =2^d路，m-1个关键码
- 多级存储系统中使用B树，可以针对外部查找，大大减少IO次数
- 对于常规BST来说，IO次数太高
- 对于AVL树来说，如果访问1G数据，10^9个关键码，一次只读取一个数据得到logN = 30 需要30次IO访问。
- 对于B树来说，则批量访问数据，一次读入一个超级节点
- 因此B树的主要目的就是为了减少IO次数
- 对于常规BST来说，IO次数太高
B树定义
- m阶B树：即m路平衡搜索树
对于m阶B树来说
关键码：
- 上限：
有不超过m-1个关键码, 即n <= m - 1个关键码——
\[ K_1 < K_2 < K_3 < ... < K_(n-1) < K_n $$ <br/>
* 下限：<br/>
对于根节点来说，则只要有不少于1个关键码就行
对于其他节点来说，`有不少于`$\lceil \frac{m}{2} \rceil - 1 <= n$ `个关键码` <br/>
分枝数 <br/>
* 上限：`有不超过m个分支`, 即n + 1 <= m个分支数—— <br/>
$$ A_0 < A_1 < A_2 < A_3 < ... < A_(n-1) < A_n $$ <br/>
* 下限：内部节点的分支数也不能太少 <br/>
对于根节点来说： 2 <= n + 1 "但树根是比较特殊的存在<br/>
对于其他节点来说：`有不少于`$\lceil \frac{m}{2} \rceil <= n + 1$`个分支` <br/>
简单举例： <br/>
* 2-4 树 —— 4阶B树，分支在2-4之内 这个树比较特殊🌲
* 3-5 树 —— 5阶B树，分支在3-5之内
* 3-6 树
* 4-7 树
* 4-8 树 等等
## B树的性质
* 所有叶节点深度统一相等 <br/>
* `外部节点深度统一相等`
* 外部节点就是叶节点的数值为空，但不存在的孩子。<br/>
* 外部节点其实所有树都存在，但只不过我们不关心而已，但在接下来的RB🌲和B🌲，我们将比较关心这一点
* `important`{:.error} B树中，外部节点更加名副其实，意味着查找失败，因此需要计算外部节点
* 对于B树来说，B树的高度相对于外部节点来说。因此，空的B树高度为0，一个节点的B树高度为1。<br/>
## 实现
### 查找
一般来说，B树的词条极多，所以其存在外存之中。<br/>
B树查找的核心：`只载入必需的节点，尽可能减少IO操作`{:.info} <br/>
其大概思想就是将根节点存放在内存之中，当需要某些数据时，进行B树的查找，将其从外存中读入到内存。鉴于之前
谈过的数据的局部性。我们将新的查找到的超级节点也放到内存之中。因此在同样查找的情况下，B树的树高更低，
所执行的IO次数自然就少。因此我们借助比较小的内存，就可以实现大规模数据的高效操作<br/>
实例：<br/>
1. 从根节点开始, 将第一个节点的所有key读入内存之中，执行一次顺序查找，如果查找成功，直接返回，如果查找失败
按照失败位置，借助引用转向读取下一节点。
2. 将下一节点的所有key读入内存之中，再次进行一次顺序查找。<br/>
...
3. 到达最后的时候，如果依然失败，会进入到外部节点，此时我们认为查找失败（P.s当然，我们也可以在外部节点接入
层次更低B树，从而构成一个整体上很大的B树。<br/>
不难发现，整个B树查找的过程其实就是在顺序查找，IO操作，顺序查找，IO操作不停重复的过程。<br/>
B树的失败查找，一定结束于外部节点处。<br/>
B树的算法时间主要消耗在俩个方面 <br/>
1. IO上面，因此，树的高度h很重要
2. 在每个超级节点上，我们都执行顺序查找（在小规模情况下，顺序查找要比二分查找快）
一个B树有N个内部节点，就一定有N+1个外部节点，从物理意义上理解，N个内部节点代表N种成功的可能，
自然对于N+1种失败的可能。
### 插入
对于插入来说，自然要合理使用search接口(插入必定插入在叶子节点,说实话，树的插入没有位置的选项，所以只能
插入，然后让树自己去选择位置)。search帮我们找到了叶子节点_hot，然后我们通过find接口找到
_hot节点中大于target的第一个关键码，然后在这里新插入
```cpp
BTree<T>::insert(const T &e)
{
auto ret = search(e);
if(ret) return false; // 保证目标元素不存在
++_size;
// search查找失败后，_hot就是叶节点
// 我们要在_hot中插入e
auto retIter = find(_hot->key.begin(), _hot->key.end(), [=](T t){
if(e>=t) return true;
return false;});
_hot->key.insert(retIter, e);
```
插入关键码后，自然也要插入孩子指针，而实际上如下图所示，因为使叶子节点
我们并不需要去寻找位置，只要在child向量中push\_back一个空指针即可<br/>
```cpp
// 理论上的插入
//int posnum = retIter - _hot->key.begin();
//_hot->child.insert(_hot->child.begin() + posnum + 1, nullptr );
// 但是叶子节点后面全是外部节点，所以都是nullptr，不需要再特定位置插入
_hot->child.push_back(nullptr);
// 插入之后，可能会导致这个节点的关键码超过m-1，从而溢出，违反了B树的定义。
solveOverflow(_hot);
}
/*
superNode-_hot ┌───┐
│ e │
┌─────────┐ ┌───┬───┬───┬───┬─┴─┬─┴─┬───┬───┐
│ key-set │───▶ │ s1│ o │ o │ o │█a█│ b │ o │ e1│
├─────────┤ ┌─┴─┬─┴─┬─┴─┬─┴─┬─┴─┬─┴─┬─┴─┬─┴─┬─┴─┐
│child-set│───▶│nul│nul│nul│nul│nul│NUL│nul│nul│nul│
└─────────┘ └───┴───┴───┴───┴───┴───┴───┴───┴───┘
┌─────────┐ ┌───┬───┬───┬───┬───┬───┬───┬───┬───┐
│ key-set │───▶ │ s1│ o │ o │ o │█a█│ e │ b │ o │ e1│
├─────────┤ ┌─┴─┬─┴─┬─┴─┬─┴─┬─┴─┬─┴─┬─┴─┬─┴─┬─┴─┬─┴─┐
│child-set│───▶│nul│nul│nul│nul│nul│NUL│ │nul│nul│nul│
└─────────┘ └───┴───┴───┴───┴───┴───┴───┴───┴───┴───┘
^
这里为理论上需要插入的新节点
*/
```
> tips
> 参照这幅图，我们不难发现几个规律，只要我们将key向量稍稍挪位，就可以得到一个逻辑上很清晰的关系，`在秩为r的小
节点上，其左孩子在child向量中的秩r，右孩子为r + 1`
插入完成之后，我们会发现这个新的B树可能会跳出去，不再符合B树的定义，我们需要使用`上溢`操作将其调整回来
```
┌───┬───┬───┐ ┌───┬───┬───┐ ┌───┬───┬───┬───┐
│400│470│500│ p->│400│470│500│ p->│400│440│470│500│
└───┼───┴───┤ └───┼───┴───┤ └───┼───┼───┴───┤
┌─────┘ └─┐ ┌───────┘ └─┐ ┌───┘ │ └─┐
│ │ │ │ │ │ │
▼ ▼ ▼ ▼ ▼ ▼ ▼
┌───┬───┬───┐ ┌───┬───┬───┐ ┌───┬───┬───┬───┐ ┌───┬───┬───┐ ┌───┬───┐ ┌───┐ ┌───┬───┬───┐
│410│430│450│ │520│540│570│ v->│410│430│440│450│ │520│540│570│ v->│410│430│ u->│450│ │520│540│570│
└───┴───┴───┘ └───┴───┴───┘ └───┴───┴───┴───┘ └───┴───┴───┘ └───┴───┘ └───┘ └───┴───┴───┘
mid
┌────────────┐ ┌───────────┬───┐ ┌───────────┐
│ orgin tree │ │insert node│440│ │ overflow │
└────────────┘ └───────────┴───┘ └───────────┘
┌───┐
│470│
╳───╳
╱ ╲
╱─╱ ╲─────╲
╱ ╲
┌───┬───▼ ┌─▼─┐
│400│440│ │500│
└───┴───╳ └───╳
╱ ╲
╱────────╱ ╲
▼ ▼
┌───┬───┬───┐ ┌───┬───┬───┐
│410│430│450│ │520│540│570│
└───┴───┴───┘ └───┴───┴───┘
┌───────────┐
│ overflow │
└───────────┘
```
当节点发生上溢的时候，我们选取中位数，将其调整上去，然后将原来的节点分裂成俩部分<br/>
具体一点的方法就是:
1. 在集和v中找到中位数440
2. 让中位数右边的集独立出去（编程做法就是新建一个集和，拷贝原来，删除原来）
3. 中位数升上去（利用find在p中找到大于中位数的第一个值，得到秩，有了秩就可以为所欲为了）
4. 删除边角料，然后让一些小节点回指superNode
5. 递归处理v的父亲p
### 删除
对于删除来说，同样要好好利用search接口。和之前BST的删除方法一样，B树的节点真实孩子要么为0，要么一定大于等于2
因此对于这个删除来说，必须要依然保持BST的有序性，因此就要利用节点中序后继的做法
```cpp
BTree<T>::remove(const T &e)
{
BTNodePos(T) v = search(e);
if(!v) return false;
--_size;
auto rIter = find(v->key.begin(), v->key.end(), e);
assert(rIter != v->key.end());
int r = rIter - v->key.begin();
```
在节点不是叶子节点的情况下，我们使用其中序后继，且其中序后继一定是叶子节点
```cpp
if(v->child[0]) // 如果v不是叶子节点, 就交换其成为后继
{
BTNodePos(T) w = v->child[r + 1];
while(w->child[0] ) w = w->child[0]; // 此时w就是v的后继叶子节点
// 为什么？ 因为在B树中，如果一个节点左子树为空，那么右子树一定为空。且其一定为叶子节点，这是定义
// 而一个节点的中序后继节点没有左子树，
v->key[r] = w->key[0];
v = w; r = 0;
} // 此时v处于最底层，删除v
v->key.erase(v->key.begin());
v->child.erase(v->child.begin() + r + 1);
solveUnderflow(v);
return true;
}
```
因此，同插入一样，所有的删除一定在最底层发生<br/>
对于删除来说，因为B树的关键码下限存在，所以可能会发生下溢情况，此时我们可以通过旋转和合并来解决
```
y x
┌───┬───┬───┐ ┌───┬───┬───┐ ┌───┬───┬───┐
│400│470│500│ P │400│470│500│ P │400│450│500│
└───┼───┼───┘ └───┼───┼───┘ └───┼───┼───┘
┌─────┘ └┐ ┌───────┘ └─┐ ┌───────┘ └──┐
│ │ │ │ │ │
▼ ▼ ▼ ▼ ▼ ▼
┌───┬───┬───┐ ┌───┐ ┌───┬───┬───┐ ┌┐ ┌───┬───┐ ┌───┐
│410│430│450│ │490│ V│410│430│450│x U││ V│410│430│ U│470│y
└───┴───┴───┘ └───┘ └───┴───┴───┘ └┘ └───┴───┘ └───┘
┌────────────┐ ┌───────────┬───┐ ┌───────────┐
│ orgin tree │ │delete node│490│ │ rotate │
└────────────┘ └───────────┴───┘ └───────────┘
这是一颗2-4树，关键码的范围为1-3
我们发现V比较富裕，V > (m -1)/2 - 1 所以向V借一个节点，V也不会发生下溢，所以U借走了P中的y，P又
借走了V中的x，看起来像发生了旋转一样
```
```
┌───┬───┬───┐ ┌───┬───┬───┐ ┌───┐ ┌───┐ ┌───┬───┐
│400│470│500│ P│400│470│500│ P│400│ │500│ │400│500│
└───┼───┼───┘ └───┼───┼───┘ └───┤ ├───┘ └───┼───┘
┌─────┘ └┐ ┌───────┘ └─┐ ┌───────┘ └─┐ ┌──┘
│ │ │ │ │ │ │
▼ ▼ ▼ ▼ ▼ ▼ ▼
┌───┐ ┌───┐ ┌───┐ ┌┐ ┌───┐ ┌───┐ ┌┐ ┌───┬───┐
│430│ │490│ V │430│ U││ V│430│ │470│U││ │430│450│
└───┘ └───┘ └───┘ └┘ └───┘ └───┘ └┘ └───┴───┘
┌────────────┐ ┌───────────┬───┐ ┌───────────┬───┐ ┌───────────┐
│ orgin tree │ │delete node│490│ │down angel │490│ │ merge │
└────────────┘ └───────────┴───┘ └───────────┴───┘ └───────────┘
依然是一颗2-4树，如果之前的V已经处于崩溃边缘的话，此时就没有兄弟借钱给U了，此时就需要天使融资了。
从P中下来一个天使，这个天使节点就是U和V中间共同的老爹节点。将V和U合并，我们发现P中就会消失一个节点，
自然有连续崩溃的可能性，因此同Overflow一样，依然需要递归处理，
```
```
┌───┐ ┌───┬───┐
│470│ │470│500│
├───┤ ├───┼───┘ │ │ │
┌─────┘ └┐ ┌───────┘ └─┐ ┌───────┘ └─┐ ┌──┘
│ │ │ │ │ │ │
▼ ▼ ▼ ▼ ▼ ▼ ▼
┌───┐ ┌───┐ ┌───┐ ┌┐ ┌───┐ ┌───┐ ┌┐ ┌───┬───┐
│430│ │490│ │430│ ││ │430│ │470│ ││ │430│450│
└───┘ └───┘ └───┘ └┘ └───┘ └───┘ └┘ └───┴───┘
┌────────────┐ ┌───────────┬───┐ ┌───────────┬───┐ ┌───────────┐
│ orgin tree │ │delete node│490│ │down angel │490│ │ merge │
└────────────┘ └───────────┴───┘ └───────────┴───┘ └───────────┘
当天使节点来自根节点的时候，此时就会形成一个虚根，没有任何作用，自然直接处理掉这个虚根，
让根指向它的孩子节点。
```
具体的实际代码如下,
```cpp
// 节点的下溢，做节点的旋转或者合并处理
template <typename T>
void
BTree<T>::solveUnderflow(BTNodePos(T) v)
{
if(v->child.size() >= (_order + 1) / 2) // _order + 1) / 2 就是向上取整的操作
return ; // 递归基:当前节点不满足下溢情况
BTNodePos(T) p = v->parent;
if(!p) // v已经是根节点，此时没有孩子的下限
{
if(!v->key.size() && v->child[0])
{
// 根节点没有关键码，却有非空孩子，此时应对根节点孩子发生合并的情况。可以直接跳过
_root = v->child[0];
_root->parent = nullptr;
v->child[0] = nullptr;
delete v;
}
return ;
}
size_t r = 0;
// 此时v中的目标节点已经被删除了，很可能不含有关键码
while(p->child[r] != v) r++; // 确定v是p的第几个孩子
// 情况1： 左顾，向左兄弟借码
if(r > 0) // 首先得有左兄弟
{
BTNodePos(T) ls = p->child[p->child.begin() + r - 1]; // v的左爹为y, ls的老幺为x
if(ls->child.size() > (_order + 1) / 2) // 必须大于下限
{
v->key.insert(v->key.begin(), p->key[r - 1]); // v向p借一个码y
p->key[r - 1] = ls->key[ls->key.size() - 1]; // p向ls借一个码x
v->child.insert(v->child.begin(), ls->child[ls->child.size() - 1]);//同时将x的右孩子过继给y
ls->key.erase(ls->key.end() - 1);
ls->child.erase(ls->child.end() - 1);
if(v->child[0]) v->child[0]->parent = v;
return ;
}
}
// 情况2： 右盼，向右兄弟借码
if(r < p->child.size() - 1)
{
BTNodePos(T) rs = p->child[p->child.begin() + r + 1]; // v的右爹为y，rs的老大为x
if(rs->child.size() > (_order + 1) / 2) // 右孩子足够胖，大于下限就足够胖
{
v->key.insert(v->key.end(), p->key[r]); //
p->key[r] = rs->key[0];
v->child.insert(v->child.end(), rs->child[0]); // 将x的左孩子过继给y
rs->key.erase(rs->key[0]);
if(rs->child[0])
rs->child[0]->parent = v;
rs->child.erase(rs->child[0]);
}
}
// 情况3： 左顾右盼失败，要么其没有左右兄弟(但不可能同时)，要么左右兄弟太瘦，此时需要从上面下来一个天使, 合并
if(0 < r) // 和左兄弟合并，当然也可以先和右兄弟合并，随个人喜好
{
BTNodePos(T) ls = p->child[r - 1];
ls->key.push_back(p->key[r - 1]);
p->key.erase(p->key.begin() + r - 1);
ls->child.push_back(v->child[0]);
for(int i = 0; i < v->key.size(); ++i)
{
ls->key.push_back(v->key[i]);
ls->child.push_back(v->child[i+1]);
}
if(v->child[0])
{
for(int i = 0; i < v->child.size(); ++i)
{
v->child[i]->parent = ls;
delete v->child[i];
}
v->child.erase(v->child.begin(), v->child.end());
}
p->child.erase[p->child.begin() + r];
}
else// 和右兄弟合并
{
BTNodePos(T) rs = p->child[r + 1];
rs->key.push_back(p->key[r]); // 把天使先合并过来
p->key.erase(p->key.begin() + r); //
v->child.push_back(rs->child[0]);
for(int i = 0; i < rs->key.size(); ++i)
{
v->key.push_back(rs->key[i]);
v->child.push_back(rs->child[i+1]);
}
if(rs->child[0])
{
for(int i = 0; i < rs->child.size(); ++i)
{
rs->child[i]->parent = v;
delete rs->child[i];
}
rs->child.erase(rs->child.begin(), rs->child.end());
}
p->child.erase[p->child.begin() + r];
}
solveUnderflow(p);
return ;
}
```
## B树总结
对于B树来说，可能经常遇到它，一直不太明白它比红黑树优秀在哪里。现在明白其主要功能在于减少树的高度
从而减少IO次数。<br/>
对于B树来说，主要掌握的就是其插入与删除。首先要会自己画，明白有哪些情况，然后怎么处理。知道这些后
编程只是实现而已。<br/>
1. 插入：
* 因为B树的搜索知道外部节点才会停止，所以插入都是发生在最底层的叶子节点。当插入的节点超过m-1之后
就会需要重新调整。我们采取的策略是让其进行分裂，将中位关键码飞上去，然后原本的节点分为俩个关键码差不多的
节点, 依次递归调整。
2. 删除:
* 对于删除来说，稍稍有些复杂，大致需要考虑俩个问题
* 没法生下溢之前，因为要删除节点，所以要考虑节点后面的元素怎么弥补，仍然让B树保持有序性。这里我们
采用之前BST使用的中序后继的方法，让删除统一在底层叶子节点发生。
* 发生下溢之后，节点的关键码过于少，数量低于$\lceil \frac{m}{2} \rceil -1$，需要重新调整
* 如果左右兄弟大于$\lceil \frac{m}{2} \rceil -1$这个数目，就可以配合他们共同的老爹进行旋转
* 如果左右兄弟都不行，则让他们的老爹下来，将俩兄弟和老爹合并成一个新的节点。\]
posted on
