B树、B+树、哈夫曼树

一、 磁盘中数据存取原理

磁盘由一圈一圈磁道组成，数据存储在磁道中，磁道又由磁颗粒组成，磁颗粒分N极和S极。

数据存取原理：电生磁、磁生电。

1.1 数据存储

存数据：磁盘上有磁头，磁头上有线圈，线圈如果通电，其电流方向不同会使磁头磁极不同（电生磁），根据同极相斥、异极相吸的原理会使磁颗粒N/S极发生改变，磁颗粒磁极的两种分布情况分别代表0、1，实现数据存储。

1.2 数据读取

取数据：磁头上线圈不带电，磁颗粒周围存在磁感线，磁头划过时，磁颗粒的磁极不同，产生的磁感线不同，磁头产生的电流方向不同（磁生电），通过感应电流装置读取电流变化，读出0、1数据。

读取出的数据会通过导线直接传输给CPU，由于电流会受电阻（受温度等因素影响）影响不稳定，因此导线传递电压信号，同时，导线一个时刻只能传输一个电压信号，低电压表示0，高电压表示1，一个电压信号占1bit，但是CPU处理数据最少为8bit，即byte类型数据，因此CPU需要等待数据读取，造成CPU性能浪费。因此增加导线（总线）数量，常见的导线（总线）数量有32、64，分别对应32位操作系统和64位操作系统。

但磁盘读取数据4~6ms,CPU处理数据需0.2nm，数据读取速度仍然限制CPU性能，因此在磁盘与CPU间加入内存，数据读取速度约为20ns。

内存中为电容器，通过电容器是否带电可分为0、1数据，此时若电压不稳定，电容器会放电，即如果断电，数据会消失，因此磁盘不可替代，所有数据都存储在磁盘中。

磁盘中按照页进行存储数据，一页为4KB，不够4KB也占一页。磁盘与内存数据传递也按照页进行，CPU再从内存中取出数据。

为了存储尽量多的数据，磁盘中采取链式存储，利用小空间，内存中则采取顺序存储。

二、B树

2.1 B树特点

B树是一种自平衡的树结构，广泛用于数据库和文件系统，尤其适合处理磁盘等块存储设备的数据。其核心特点包括：

多路分支：每个节点可包含多个键和指针，减少I/O操作次数。

有序性：键(key)在节点中按序排列，支持高效查找（如二分法）。

平衡性：所有叶子节点位于同一层，保证操作时间复杂度稳定（O(logn)）。

一个M阶B树最多能分M个叉，每个叉最多可存M-1个数据。

2.2 B树构建

以下列数据为例构建五阶B树：

数据存储在key值区域，每个节点的key值是有序的

由于为五阶B树，所以一个分支最多存储四个数据，存储第五个数据是会有一个数据被挤到上一层：

针对之后的数据，先将其与20进行比较，小于20放于左侧，大于20放于右侧，再将其与原有数据进行比较排列，直至节点数据量再次达到5，如下所示：

其中B树上方为未排列的数据。

所有数据排列完成后的B树为：

与红黑树相比，B树层高低，适用于大量数据的查找，因此B树一般用于在磁盘中进行查找。

B树在磁盘中读取数据原理：key值对每个文件进行标号，value值表示页，根据标号从B树上层节点开始查找，找到标号后，读取value域，将对应页的数据传输给内存。

三、B+树

3.1 B+树特点

1、B+树节点与B树相同，能存储的数据少一个

2、B+树的所有叶子节点构成有序的链表

3、B+树的数据被挤上去时，仅有索引上移，数据仍留在原本位置

4、B+树能存储更多的索引值

5、B+树的非叶子节点仅具有索引的作用：只能存储key,不能存储value。

3.2 B+树构建

 以下列数据为例构建五阶B+树：

在第一个节点被挤上去时，结果如下：

数据20仍在叶子节点保留，其索引值被挤到上一层

最终结果如下图所示：

其所有叶子节点为一个有序链表。

3.3 B树与B+树区别

1、B+树的非叶子节点仅具有索引值，在内存相同的情况下，一个节点能存放更多的ke，树的高度就越低。

2、B+树的所有叶子节点都相连，构成的链表为有序链表，对整棵树的遍历只需线性遍历一次叶子节点就好，方便进行区间查找，一般用在数据库底层.

3、B+树直到找到叶子节点才能拿到value值，适用于数据库；B树每一个节点都包含key和value,只要拿到key值，立马可以拿到value值，适用于磁盘。

为什么B+树比B树更适合应用于数据库索引？
       （1）B+树减少了 IO 次数

       由于索引文件很大因此索引文件存储在磁盘上，B+树的非叶子结点只存关键字不存数据，因而单个页可以存储更多的关键字，即一次性读入内存的需要查找的关键字也就越多，磁盘的随机I/O读取次数相对就减少了。

       （2）B+树查询效率更稳定

       B+树的数据只存在在叶子结点上，所以查找效率固定为O(logn)，所以B+树的查询效率相比B树更加稳定。

       （3）B+树更加适合范围查找

       B+树叶子结点之间用链表有序连接，所以扫描全部数据只需扫描一遍叶子结点，利于扫库和范围查询；B 树由于非叶子结点也存数据，所以只能通过中序遍历按序来扫。也就是说，对于范围查询和有序遍历而言，B+树的效率更高。

四、哈夫曼树和哈夫曼编码

4.1 哈夫曼树

4.1.1 相关概念

路径：到结点的路线

路径长度：边的个数

节点的权：节点的值

带权路径长度：从根节点到该节点的路径长度与该节点权值的乘积

树的带权路径长度( WPL)：所有叶子结点的带权路径长度之和，WPL值最小的是哈夫曼树

4.1.2 构建哈夫曼树

2  3  8  20

1、由小到大对节点权值进行排序；

2、取出节点权值最小的两个，合并为一个新的二叉树；

3、以根节点的权值与剩余节点重新进行比较排序；

4、重复步骤2，最终结果如下：

注：两个权值最小的节点左右不影响，因此哈夫曼树不唯一。

4.2 哈夫曼编码

对于一句话，如"i like bananas"，计算机无法直接识别，需要在图形库中找到其对应编码，将其转化为0、1数据，通过高低电压进行传输，接收方再将0、1数据进行分割（如ASCII码8位表示一个字符）转换。

"i like bananas"用ASCII码表示需要112个0、1数据，为了减少数据，提出数据压缩，因此需要变长编码，让出现次数越多的字符编码越短。

注：如ASCII码（8位表示一个）等定常编码，无法进行数据压缩。

变长编码举例如下：

i like bananas

首先统计各字符出现次数：

字符及出现次数             

a:3                                 

n:2                                

i:2                                 

空格:2                          

l:1                                   

k:1                                   

e:1                                    

b:1                          

s:1                  

以各字符出现次数作为权值，权值相同的节点先后位置对结果无影响，最终构建的哈夫曼树如下：

认为向左走为0，向右走为1:

从根节点到相应节点为其哈夫曼编码：

字符                       编码 

a:3                           10 

n:2                           001 

i:2                            000

空格:2                      111

l:1                             0100

k:1                            0101

e:1                            110

b:1                            0110

s:1                            0111

该例的编码为：

00011101000000101110.......

对其进行解码，顺序读取编码至与上述字符编码一致的情况：

如读取0，没有字符编码与其相同；再读取00，没有字符编码与其相同；再读取000，字符 i 编码与其相同；从此处截断。

读取1，没有字符编码与其相同；读取11，没有字符编码与其相同；读取111，字符空格编码与其相同；

重复上述操作。

注：每一个字符所在节点都没有子节点，即每一个字符的编码都不会为其他字符编码的前缀，因此不会发生不确定无法解析的情况。