B树

AVL 树和红黑树都假设所有的数据放在主存当中。而当数据量达到亿级，主存中根本存储不下，我们只能以块的形式从磁盘读取数据，与主存的访问时间相比，磁盘的 I/O 操作相当耗时，而提出 B-树的主要目的就是减少磁盘的 I/O 操作。

B树的一个节点$x$如果包含$n$个$key$，则其有$n+1$个孩子。（$n$个key将其余数据划分为$n+1$个区间，每个孩子介于相应的区间中）

性质

B树所具有的的性质人如下:

1. 每个节点$x$应具有如下属性：
   1. $x.n$即，存储在$x$节点的$key$个数
   2. 节点$x$的n个key以非降序排列。$x.ke{y}_1\le x.ke{y}_2\le \cdots \le x.ke{y}_{x.n}$
   3. $x.leaf$，布尔值。用来表示x是(true)否(false)为叶子节点
2. 每个非叶子节点还包括$x.n+1$个指向其孩子的指针:$x.c_1,x.c_2,x.c_3\cdots ,x.c_{x.n+1}$。叶子节点没有该定义。
3. $x.ke{y}_i$对其子节点进行分割。假设$k_i$为其子节点的$key$值。则有

$$k_1\le x.ke{y}_1\le k_2\le x.ke{y}_2\le \cdots \le x.ke{y}_{x.n}\le k_{x.n+1}$$
4. 所有的叶子节点深度相同
5. B树的最小度数$t\ge 2$以限制每个节点所包含$key$值的个数(上下限)。
1. 除根节点外，每个节点必须至少有$t-1$个$key$。（除叶子节点外，每个节点至少有$t$个孩子）
2. 每个节点至多有$2t-1$个key。（除叶子节点外，每个节点至多有$2t$个孩子）当B树恰好拥有$2t-1$个$key$时，称该节点为满的。（结合性质5.1即B树要求半满）

一个B树的样例如下：

一个较为简单的B树定义

class BTreeNode 
{ 
    int *keys; // 存储key值
    int t;  // 最小度 
    BTreeNode **C; // 子节点
    int n;  // key的个数
    bool leaf; // 是否为叶子节点
}; 

B树的高度
B树大部分操作的磁盘存取次数与B树的高度成正比。对于任意一个包含$n$个$key$,高度为$h$,最小度为$t$的B树，有

$$h\le {\log }_t\frac{n+1}{2}$$

基本操作

在此假定：B树始终在主存中，无需读取磁盘。

搜索

B树的搜索，不过是在二叉搜索树的基础上，每个节点有多个$key$值。
以上述的样例图中查找33为例。

1. 首先，访问根节点。先和第一个$key$值20比较，发现 $37>20$。然后与第二个$key$值40比较，此时$37<40$。于是递归到20与40之间的子节点去查找。
   
2. 接着，访问$[24,35]$节点。先和第一个$key$ 24比较，发现$37>24$。然后与第二个$key$ 35比较,发现$37>35$。访问该节点的最后一个子节点。
   
3. 最后在叶子节点$[37,39]$中，查找到37,结束。
   
   相关过程代码如下：

   BTreeNode *BTreeNode::search(int k) 
   { 
    // 找到第一个大于待查找k 的key值
       int i = 0; 
       while (i < n && k > keys[i]) {
       i++; 
       }
    // 相等即找到 
    if (keys[i] == k) 
     return this; 
   
    // 如果没有找到，且当前结点为叶子结点则无解
    if (leaf == true) 
     return nullptr; 
   
    // 递归访问恰当的子代
    return C[i]->search(k); 
   }
   插入、删除。过于复杂，先略了，有空再写。