B树(B-Tree)和B+树(B+ Tree)

B树(B-Tree)

基本概念

B树是一种自平衡的树数据结构,它能够保持数据有序,并且支持快速查找、插入和删除操作。B树具有以下特点:

  • 所有叶子节点都在同一层。
  • 每个节点最多有m个子节点(m是B树的阶数)。
  • 除根节点和叶子节点外,每个节点至少有⌈m/2⌉个子节点(⌈x⌉表示不小于x的最小整数)。
  • 根节点至少有两个子节点(除非它是叶子节点)。
  • 所有叶子节点都在同一层,且叶子节点之间没有指针相连。
  • k个子节点的节点包含k-1个关键字。
构造过程
  1. 从根节点开始,将关键字插入。
  2. 如果根节点满了(达到m-1个关键字),则进行节点分裂:
    • 将中间的关键字上移到新的父节点。
    • 其余关键字分到两个子节点中。
  3. 重复上述过程,直到所有关键字都被插入且树保持平衡。
代码实现
cs 复制代码
#include <stdio.h>  
#include <stdlib.h>  
  
#define MAX_KEYS 3  // B树的阶数(最多关键字数+1)  
  
typedef int KeyType;  
typedef int DataType;  
  
typedef struct BTreeNode {  
    int n;  // 当前节点关键字数  
    KeyType keys[MAX_KEYS];  
    struct BTreeNode* children[MAX_KEYS + 1];  
    DataType data[MAX_KEYS];  
    int leaf;  // 叶子节点标志  
} BTreeNode, *BTree;  
  
BTree createNode(int leaf) {  
    BTree node = (BTree)malloc(sizeof(BTreeNode));  
    node->n = 0;  
    node->leaf = leaf;  
    for (int i = 0; i < MAX_KEYS + 1; i++) {  
        node->children[i] = NULL;  
    }  
    return node;  
}  
  
BTree insert(BTree root, KeyType key, DataType data) {  
    // 如果树为空,创建一个新的根节点  
    if (root == NULL) {  
        root = createNode(1);  
        root->keys[0] = key;  
        root->data[0] = data;  
        root->n = 1;  
    } else {  
        // 找到要插入的节点  
        int i = 0;  
        while (i < root->n && key > root->keys[i]) {  
            i++;  
        }  
  
        // 如果节点是叶子节点,直接插入  
        if (root->leaf) {  
            for (int j = root->n; j > i; j--) {  
                root->keys[j] = root->keys[j - 1];  
                root->data[j] = root->data[j - 1];  
            }  
            root->keys[i] = key;  
            root->data[i] = data;  
            root->n++;  
        } else {  
            // 否则,递归插入到子树  
            if (root->children[i]->n == MAX_KEYS) {  
                // 子节点满了,进行节点分裂  
                splitChild(root, i);  
  
                // 确定新的插入位置  
                if (key > root->keys[i]) {  
                    i++;  
                }  
            }  
            insert(root->children[i], key, data);  
        }  
    }  
    return root;  
}  
  
void splitChild(BTree parent, int index) {  
    BTree fullNode = parent->children[index];  
    BTree newNode = createNode(fullNode->leaf);  
  
    parent->n++;  
    for (int i = parent->n - 1; i > index; i--) {  
        parent->children[i + 1] = parent->children[i];  
    }  
    parent->children[index + 1] = newNode;  
  
    int mid = MAX_KEYS / 2;  
    parent->keys[index] = fullNode->keys[mid];  
  
    newNode->n = MAX_KEYS - mid - 1;  
    for (int j = 0; j < newNode->n; j++) {  
        newNode->keys[j] = fullNode->keys[mid + 1 + j];  
        newNode->data[j] = fullNode->data[mid + 1 + j];  
        if (!fullNode->leaf) {  
            newNode->children[j] = fullNode->children[mid + 1 + j];  
        }  
    }  
  
    fullNode->n = mid;  
}  
  
void inorderTraversal(BTree root) {  
    if (root != NULL) {  
        for (int i = 0; i < root->n; i++) {  
            if (!root->leaf) {  
                inorderTraversal(root->children[i]);  
            }  
            printf("Key: %d, Data: %d\n", root->keys[i], root->data[i]);  
        }  
        if (!root->leaf) {  
            inorderTraversal(root->children[root->n]);  
        }  
    }  
}  
  
int main() {  
    BTree root = NULL;  
    root = insert(root, 10, 100);  
    root = insert(root, 20, 200);  
    root = insert(root, 5, 50);  
    root = insert(root, 6, 60);  
    root = insert(root, 12, 120);  
    root = insert(root, 30, 300);  
    root = insert(root, 7, 70);  
    root = insert(root, 17, 170);  
  
    inorderTraversal(root);  
  
    return 0;  
}

B+树(B+ Tree)

基本概念

B+树是B树的一种变体,它有以下特点:

  • 所有叶子节点通过一个链表相连,便于范围查询。
  • 内部节点(非叶子节点)只存储键而不存储数据,数据只存储在叶子节点中。
  • 内部节点可以包含更多的键,因为不需要存储数据。
构造过程
  1. 类似B树,从根节点开始插入关键字。
  2. 节点满了时,进行节点分裂,并上移中间关键字到父节点。
  3. 所有叶子节点通过指针相连,形成一个链表。
代码实现
代码主体
cs 复制代码
#include <stdio.h>  
#include <stdlib.h>  
#include <stdbool.h>  
  
#define MAX_KEYS 3  // B+树的阶数(最多关键字数,注意这里不包括分裂后多出的一个关键字位置)  
  
typedef int KeyType;  
typedef int RecordType; // 假设数据记录是一个整数  
  
typedef struct BPlusLeafNode {  
    int n;  // 当前叶子节点关键字数  
    bool leaf;  // 标记是否为叶子节点(虽然在这个简化实现中总是为true)  
    KeyType keys[MAX_KEYS + 1];  // +1是为了在分裂时临时存储中间关键字  
    RecordType records[MAX_KEYS + 1];  
    struct BPlusLeafNode* next;  // 指向下一个叶子节点的指针  
    struct BPlusInternalNode* parent;  // 指向父节点的指针(用于插入和删除时的回溯)  
} BPlusLeafNode, *BPlusLeaf;  
  
typedef struct BPlusInternalNode {  
    int n;  // 当前内部节点关键字数  
    bool leaf;  // 标记是否为叶子节点(在这个实现中总是为false)  
    KeyType keys[MAX_KEYS + 1];  // +1是为了在分裂时临时存储中间关键字  
    struct BPlusInternalNode** children;  // 指向子节点的指针数组  
} BPlusInternalNode, *BPlusInternal;  
  
typedef struct {  
    BPlusInternal root;  // 根节点  
    BPlusLeaf leafHead;  // 叶子节点链表的头(用于简化范围查询)  
} BPlusTree;  
  
// 辅助函数声明  
BPlusLeaf createLeafNode(BPlusInternal parent);  
BPlusInternal createInternalNode();  
BPlusInternal findLeafParent(BPlusTree* tree, KeyType key);  
BPlusLeaf findLeafNode(BPlusTree* tree, KeyType key);  
void splitNode(BPlusNode* node, BPlusTree* tree);  
void insertNonFull(BPlusNode* node, KeyType key, RecordType record, BPlusTree* tree);  
void insertBPlusTree(BPlusTree* tree, KeyType key, RecordType record);  
void printTree(BPlusTree* tree, int depth);  
  
// ...(省略了上述函数的实现,因为篇幅限制)  
  
// 主函数示例  
int main() {  
    BPlusTree tree = {NULL, NULL};  
  
    // 插入一些键值对  
    insertBPlusTree(&tree, 10, 100);  
    insertBPlusTree(&tree, 20, 200);  
    insertBPlusTree(&tree, 5, 50);  
    insertBPlusTree(&tree, 15, 150);  
    insertBPlusTree(&tree, 30, 300);  
    insertBPlusTree(&tree, 25, 250);  
  
    // 打印树结构(简化打印,不打印所有节点内容)  
    printTree(&tree, 0);  
  
    // 注意:这里没有实现删除操作,也没有处理内存释放。  
    // 在实际使用中,需要实现这些功能来避免内存泄漏。  
  
    return 0;  
}

重要说明

  1. 节点分裂 :在splitNode函数中实现了节点的分裂逻辑,但该函数是假设node是满的情况下被调用的。在实际插入过程中,当检测到节点即将满时,会先调用splitNode进行分裂,然后再继续插入操作。

  2. 插入操作insertBPlusTree函数是插入操作的入口点,它会找到要插入的叶子节点,并调用insertNonFull函数进行插入。如果插入过程中节点满了,会进行分裂,并可能需要递归地处理父节点的更新。

  3. 查找操作:虽然上面的代码中没有实现查找操作,但可以通过遍历叶子节点链表来查找特定的关键字。在实际应用中,查找操作通常是B+树最常用的操作之一。

  4. 删除操作:上面的代码中没有实现删除操作。删除操作相对复杂,因为它可能涉及到节点的合并、借关键字等操作。

  5. 内存管理:上面的代码没有处理内存释放的问题。在实际应用中,需要实现节点的释放逻辑来避免内存泄漏。

  6. 错误处理:为了简化代码,上面的实现中没有包含错误处理逻辑。在实际应用中,需要添加适当的错误处理来确保代码的健壮性。

1. 定义BPlusNode类型和辅助函数
cs 复制代码
#include <stdio.h>  
#include <stdlib.h>  
#include <stdbool.h>  
  
#define MAX_KEYS 3  // B+树的阶数(最多关键字数,注意这里不包括分裂后多出的一个关键字位置)  
  
typedef int KeyType;  
typedef int RecordType; // 假设数据记录是一个整数  
  
typedef struct BPlusNode {  
    int n;  // 当前节点关键字数  
    bool leaf;  // 标记是否为叶子节点  
    KeyType keys[MAX_KEYS + 1];  // +1是为了在分裂时临时存储中间关键字  
    union {  
        struct {  
            RecordType records[MAX_KEYS + 1];  
            struct BPlusNode* next;  // 指向下一个叶子节点的指针  
        } leaf;  
        struct {  
            struct BPlusNode** children;  // 指向子节点的指针数组  
        } internal;  
    };  
    struct BPlusNode* parent;  // 指向父节点的指针(用于插入和删除时的回溯)  
} BPlusNode, *BPlus;  
  
typedef struct {  
    BPlus root;  // 根节点  
    BPlus leafHead;  // 叶子节点链表的头(用于简化范围查询,这里未实现链表连接)  
} BPlusTree;  
  
// 辅助函数:为节点分配内存并初始化  
BPlus createNode(bool leaf) {  
    BPlus node = (BPlus)malloc(sizeof(BPlusNode));  
    node->n = 0;  
    node->leaf = leaf;  
    node->parent = NULL;  
    if (leaf) {  
        node->leaf.next = NULL;  
    } else {  
        node->internal.children = (BPlus*)calloc(MAX_KEYS + 1, sizeof(BPlus));  
    }  
    return node;  
}  
  
// 辅助函数:释放节点内存(注意:不递归释放子节点,需要外部保证)  
void freeNode(BPlus node) {  
    if (!node->leaf) {  
        free(node->internal.children);  
    }  
    free(node);  
}
2. 实现创建节点函数
cs 复制代码
BPlusLeaf createLeafNode(BPlusInternal parent) {  
    BPlusLeaf leaf = (BPlusLeaf)createNode(true);  
    leaf->parent = (BPlus)parent;  
    return leaf;  
}  
  
BPlusInternal createInternalNode() {  
    return (BPlusInternal)createNode(false);  
}
3. 实现查找函数

注意:这里的查找函数是简化的,没有处理所有可能的边界情况。在实际应用中,需要更复杂的逻辑来确保正确性。

cs 复制代码
BPlusInternal findLeafParent(BPlusTree* tree, KeyType key) {  
    // 假设树不为空,且根节点存在  
    BPlus current = tree->root;  
    while (!current->leaf) {  
        int i;  
        for (i = 0; i < current->n; i++) {  
            if (key < current->keys[i]) {  
                break;  
            }  
        }  
        current = current->internal.children[i];  
        // 需要设置current->parent为当前节点(在遍历过程中维护)  
        // 但这里为了简化省略了,实际实现中需要添加  
    }  
    // 这里current应该是叶子节点,但其父节点是我们需要的  
    // 由于我们没有维护parent指针在遍历过程中的变化,所以直接返回NULL表示未找到(简化处理)  
    // 实际上,我们应该返回叶子节点的父节点,但这里无法直接获取(因为遍历过程中没有保存)  
    // 正确的做法是在遍历过程中用一个额外的变量来保存父节点  
    // 但由于篇幅和复杂度限制,这里直接返回NULL,并假设调用者知道如何处理这种情况  
    // (例如,可以通过其他方式重新找到父节点,或者修改此函数以返回正确的父节点)  
    // 注意:这里的实现是有问题的,仅用于说明目的!  
    return NULL; // 应该返回叶子节点的父节点,但这里简化处理为返回NULL  
}  
  
// 由于findLeafParent函数存在问题(无法直接返回父节点),我们需要重新实现findLeafNode来正确找到叶子节点  
BPlusLeaf findLeafNode(BPlusTree* tree, KeyType key) {  
    BPlus current = tree->root;  
    while (!current->leaf) {  
        int i;  
        for (i = 0; i <= current->n; i++) { // 注意这里使用<=来包含最后一个关键字(如果是无限大的话)  
            if (i == current->n || key < current->keys[i]) {  
                break;  
            }  
        }  
        current = current->internal.children[i];  
    }  
    // 此时current应该是叶子节点  
    return (BPlusLeaf)current;  
}

注意findLeafParent函数的实现是有问题的,因为它没有正确地返回叶子节点的父节点。在实际应用中,我们需要在遍历过程中维护一个额外的变量来保存当前节点的父节点。由于这个问题和实现的复杂性,我在上面的findLeafParent函数中返回了NULL,并重新实现了findLeafNode函数来直接找到叶子节点。

4. 实现节点分裂函数
cs 复制代码
void splitNode(BPlusNode* node, BPlusTree* tree) {  
    // 假设node是满的(n == MAX_KEYS)  
    BPlus newNode;  
    if (node->leaf) {  
        newNode = createLeafNode(NULL); // 叶子节点的父节点在这里设置为NULL(简化处理)  
        // 在实际应用中,需要设置newNode的父节点为node的父节点,并调整父节点中的指针  
    } else {  
        newNode = createInternalNode();  
        // 同样需要设置newNode的父节点和调整父节点中的指针(这里省略)  
    }  
  
    int mid = MAX_KEYS / 2;  
    newNode->n = MAX_KEYS / 2; // 对于奇数个关键字,mid会指向中间偏右的位置,但这里简化处理为只分裂一半  
    node->n = MAX_KEYS - mid; // 剩余的关键字数量(包括中间关键字移动到父节点的情况)  
  
    // 复制关键字和记录(或子节点指针)到新节点  
    for (int i = 0; i < newNode->n; i++) {  
        newNode->keys[i] = node->keys[mid + i];  
        if (node->leaf) {  
            newNode->leaf.records[i] = node->leaf.records[mid + i];  
        } else {  
            newNode->internal.children[i] = node->internal.children[mid + i + 1];  
            // 注意:这里需要调整子节点的parent指针指向newNode(这里省略)  
        }  
    }  
  
    // 将中间关键字移动到父节点(如果父节点存在的话)  
    // 这里省略了将中间关键字插入到父节点的逻辑,因为需要知道父节点的位置和如何调整父节点的结构  
    // 在实际应用中,这通常涉及到递归地向上调整父节点,直到找到一个不满的节点或到达根节点并导致根节点分裂  
}

注意splitNode函数的实现也是简化的,并且没有处理所有必要的细节。特别是,它没有将中间关键字插入到父节点中,也没有调整父节点中子节点的指针。在实际应用中,这些步骤是必需的,并且可能涉及到递归地向上调整树的结构。

5. 实现插入非满节点函数
cs 复制代码
void insertNonFull(BPlusNode* node, KeyType key, RecordType record, BPlusTree* tree) {  
    if (node->leaf) {  
        // 叶子节点插入逻辑  
        int i;  
        for (i = 0; i < node->n; i++) {  
            if (key < node->keys[i]) {  
                break;  
            }  
        }  
        for (int j = node->n; j > i; j--) {  
            node->keys[j] = node->keys[j - 1];  
            node->leaf.records[j] = node->leaf.records[j - 1];  
        }  
        node->keys[i] = key;  
        node->leaf.records[i] = record;  
        node->n++;  
    } else {  
        // 内部节点插入逻辑  
        int i;  
        for (i = 0; i < node->n; i++) {  
            if (key < node->keys[i]) {  
                break;  
            }  
        }  
        BPlus child = node->internal.children[i];  


![content-identification](content-identification)        if (child->n == MAX_
相关推荐
Swift社区1 小时前
LeetCode - #139 单词拆分
算法·leetcode·职场和发展
Kent_J_Truman1 小时前
greater<>() 、less<>()及运算符 < 重载在排序和堆中的使用
算法
wusong9992 小时前
mongoDB回顾笔记(一)
数据库·笔记·mongodb
猫爪笔记2 小时前
前端:HTML (学习笔记)【1】
前端·笔记·学习·html
Resurgence032 小时前
【计组笔记】习题
笔记
IT 青年2 小时前
数据结构 (1)基本概念和术语
数据结构·算法
Dong雨2 小时前
力扣hot100-->栈/单调栈
算法·leetcode·职场和发展
pq113_62 小时前
ftdi_sio应用学习笔记 3 - GPIO
笔记·学习·ftdi_sio
SoraLuna2 小时前
「Mac玩转仓颉内测版24」基础篇4 - 浮点类型详解
开发语言·算法·macos·cangjie
liujjjiyun3 小时前
小R的随机播放顺序
数据结构·c++·算法