B-Tree算法分析与实现

　　在数据库系统中，或者说在文件系统中，针对存储在磁盘上的数据读取和在内存中是有非常大的区别的，因为内存针对任意在其中的数据是随机访问的，然而从磁盘中读取数据是需要通过机械的方式来读取一个block，不能指定的只读取我们期望的数值，比如文件中的某个int。那么针对存储在磁盘中数据结构的组织就很重要，为了提高访问数据的效率，在多种数据库系统中，采用B-Tree及其变种形式来保存数据，比如B+-Tree。我们这里先主要针对B-Tree的算法进行分析和实现。

　　一、 B-Tree的定义与意义

　　B-Tree的定义是这样的：

　　1、根结点至少有两个子女；

　　2、每个非根节点所包含的关键字个数 j 满足：m/2 - 1 <= j <= m - 1；

　　3、除根结点以外的所有结点（不包括叶子结点）的度数正好是关键字总数加1，故内部子树个数 k 满足：m/2 <= k <= m ；

　　4、所有的叶子结点都位于同一层。

　　根据上诉定义，我们可以看出B-Tree是一个自平衡的树，从第4条可以看出来，1、2、3条主要是规定了B-Tree的节点（Node）分裂（split）的前提一定是满了（overflow）才会进行，而且一定会分裂成数量几乎相同的2个子节点。

　　那么使用B-Tree在数据库中存储数据有什么优势呢？我们知道B-Tree是一个扇出（fan-out，也就是可以拥有的子节点数量）不固定的树，和二叉树不同，二叉树的扇出固定只有2，而B-Tree的扇出可以任意大，比如100。扇出非常大，那么在同一个block，或者page中能存放的关键字key也就越多，那么针对文件系统进行数据查找的时候，需要搜索的目录深度也就越少，很简单的算术。二叉树，32层可以存储最多21亿左右的key，100扇出的B-Tree 5层就可以最多存储100亿左右的key！！那么在磁盘中查找数据，或者对数据进行更新时，读取磁盘的次数将大大减少，整体性能有非常非常高的提升。

　　二、B-Tree Insert分析实现

　　在了解了B-Tree的定义和意义之后，我们来看下B-Tree insert算法是如何实现的。B-Tree insert算法的描述是这样的：

1、using the SEARCH procedure for M-way trees (described above) find the leaf node to which X should be added.

2、add X to this node in the appropriate place among the values already there. Being a leaf node there are no subtrees to worry about.

3、if there are M-1 or fewer values in the node after adding X, then we are finished.

If there are M nodes after adding X, we say the node has overflowed. To repair this, we split the node into three parts:

Left:

the first (M-1)/2 values

Middle:

the middle value (position 1+((M-1)/2)

Right:

the last (M-1)/2 values

　　简单来说分为3步：

　　1、首先查找需要插入的key在哪个叶节点中

　　2、然后将关键字插入到指定的叶节点中

　　3、如果叶节点没有overflow，那么就结束了，非常简单。如果叶节点overflow了，也就是满了，那么就拆分（split）此节点，将节点中间的关键字放到其父节点中，剩余部分拆分为左右子节点。如果拆分出来放到父节点后，父节点也overflow了，那么继续拆分父节点，父节点当做当前，直到当前节点不再overflow。

　　实现的代码如下：btree.h

#ifndef BTREE_BTREE_H

#define BTREE_BTREE_H

#define NULL 0

#include <algorithm>

// btree节点

struct b_node {

    int num;                // 当前节点key的数量

    int dim;

    int* keys;

    b_node* parent;            // 父节点

    b_node** childs;        // 所有子节点

    b_node() {

    }

    b_node (int _dim) : num(), parent(NULL) {

        dim = _dim;

        keys = new int[dim + ];                // 预留一个位置，方便处理节点满了的时候插入操作

        childs = new b_node*[dim + ];            // 扇出肯定需要比key还多一个

        for (int i=; i<dim+; ++i) {

            keys[i] = ;

            childs[i] = NULL;

        }

        childs[dim+] = NULL;

    }

    // 返回插入的位置

    int insert(int key) {

        int i = ;

        keys[num] = key;

        for (i = num; i > ; --i)

        {

            if (keys[i-] > keys[i])

            {

                std::swap(keys[i-], keys[i]);

                continue;

            }

            break;

        }

        ++num;                            // 数量添加

        return i;

    }

    bool is_full() {

        if (num < dim) {

            return false;

        }

        return true;

    }

    // 获取需要插入的位置

    int get_ins_pos(int key) {

        int i = ;

        for (i=; i<dim; ++i) {

            if (key > keys[i] && keys[i]) {

                continue;

            }

        }

        return i;

    }

};

// 表达某个值的位置

struct pos {

    b_node* node;            // 所在位置的node指针

    int index;                // 所在node节点的索引

    pos() : node(NULL), index(-) {

    }

};

class btree {

public:

    btree (int _dim) : dim(_dim), root(NULL) {

    }

    pos query(int key);            // 查找某个某个key

    void insert(int key);        // 插入某个key

    void print();                // 分层打印btree

private:

    pos _query(b_node* root, int key);

    void _print(b_node* node, int level);

    void _insert(b_node* node, int key);

    void _split_node(b_node* node);

    void _link_node(b_node* parent, int pos, b_node* left_child, b_node* right_child);

private:

    int dim;                    // 维度

    b_node* root;                // 根节点

};

#endif

　　所有函数以"_"为开头的，都是内部函数，对外不可见。将针对节点本身的插入操作和基础判断都放在b_node结构中，增加代码的可读性。

　　btree.cpp 代码如下

#include "btree.h"

#include <iostream>

using namespace std;

void btree::insert(int key) {

    _insert(root, key);

}

void btree::_insert(b_node* node, int key) {

    // 根节点为空

    if (root == NULL)

    {

        root = new b_node(dim);

        root->insert(key);

        return;

    }

    int index = node->num;

    while (index >  && node->keys[index-] > key)                // 找到对应的子节点

    {

        --index;

    }

    // 如果当前node插入节点已经没有左右儿子了，那么就在当前节点中插入

    if (!node->childs[index])                    // 因为btree一定是既有左儿子，又有右儿子，所以只判断其中一个是否存在就可以了

    {

        // 如果节点没有满

        if (!node->is_full())

        {

            node->insert(key);

            return;

        }

        // 如果当前节点已经满了，需要将中间节点拆分，然后加入到父节点中，将剩余的2个部分，作为新节点的左右子节点

        // 如果父节点加入新的key之后也满了，那么递归上一个步骤

        node->insert(key);

        _split_node(node);

        return;

    }

    // 已经遍历到最右key了

    if (index == node->num)

    {

        _insert(node->childs[index], key);

        return;

    }

    _insert(node->childs[index], key);

    return;

}

void btree::_split_node(b_node* node) {

    if (!node || !node->is_full()) {

        return;

    }

    int split_pos = (node->dim-)/ + ;                // 分割点

    int split_value = node->keys[split_pos];

    b_node* split_left_node = new b_node(dim);

    b_node* split_right_node = new b_node(dim);

    // 处理左儿子节点

    int i = ;

    int j = ;

    for (; i<split_pos; ++i, ++j) {

        split_left_node->keys[i] = node->keys[j];

        split_left_node->childs[i] = node->childs[j];

    }

    split_left_node->childs[i] = node->childs[j];

    split_left_node->num = split_pos;

    // 处理右儿子节点

    for (i = , j=split_pos+; i < dim - split_pos; ++i, ++j) {

        split_right_node->keys[i] = node->keys[j];

        split_right_node->childs[i] = node->childs[j];

    }

    split_right_node->childs[i] = node->childs[j];

    split_right_node->num = dim - split_pos;

    // 将分割的节点上升到父节点中

    b_node* parent = node->parent;

    if (!parent) {            // 父节点不存在

        b_node* new_parent = new b_node(dim);

        new_parent->insert(split_value);

        _link_node(new_parent, , split_left_node, split_right_node);

        // 重置根节点

        root = new_parent;

        return;

    }

    // 如果父节点也满了，那么先将split出来的节点加入父节点，然后再对父节点split

    if (parent->is_full()) {

        int new_pos = parent->insert(split_value);

        _link_node(parent, new_pos, split_left_node, split_right_node);

        _split_node(parent);                    // 如果父节点也满了， 那么继续split父节点

    }

    else {

        int pos = parent->insert(split_value);

        _link_node(parent, pos, split_left_node, split_right_node);

    }

    return;

}

void btree::_link_node(b_node* parent, int pos, b_node* left_child, b_node* right_child) {

    parent->childs[pos] = left_child;

    left_child->parent = parent;

    parent->childs[pos+] = right_child;

    right_child->parent = parent;

}

void btree::print() {

    cout << "==================================" << endl;

    _print(root, );

    cout << "==================================" << endl;

}

void btree::_print(b_node* node, int level) {

    if (!node) {

        return;

    }

    cout << level << ":";

    for (int i=; i<node->num; ++i)    {

        cout << node->keys[i] << ",";

    }

    cout << endl;

    for (int i=; i<node->num+; ++i) {

        _print(node->childs[i], level+);

    }

    return;

}

　　（1） insert接口调用内部的_insert函数。

　　（2） _insert中首先判断B-Tree是否为空，要是空的话，先创建根节点，然后简单的将key插入就可以了。

　　（3）如果不是空的话，判断key在当前节点是否可以插入，如果当前节点就是叶子节点，那么肯定是没有子节点了，也就是childs是空了。如果不是叶子节点，那么就需要递归下层子节点做判断，直到直到可以插入的叶子节点，然后做插入操作。

　　（4）插入的时候先判断当前节点是否已经满了，如果没有满，那么就简单的直接插入，调用b_node的insert就结束了。否则先将key插入，然后_split_node针对节点进行分裂。

　　（5）在_split_node中，先找到需要上升到父节点的key，然后将key左边的所有key变成左子树，将key右边的所有key变成右子树，对里面的key和子节点指针做复制。然后将split_value添加到父节点中，没有父节点就先创建一个父节点，有就加入。如果父节点也overflow了，就递归的进行_split_node，直到当前节点没有overflow为止。

　　代码中的dim是维度的意思，维度为3，就是指fan-out为4，也就是一个node可以保持3个key，拥有最多4个子节点。这个概念可能不同的地方略有差异，需要根据实际的说明注意一下。

　　测试代码：

#include "btree.h"

int main() {

    btree btr();

    btr.insert();

    btr.insert();

    btr.insert();

    btr.insert();

    btr.print();

    btr.insert();

    btr.insert();

    btr.print();

    btr.insert();

    btr.insert();

    btr.print();

    btr.insert();

    btr.print();

    btr.insert();

    btr.print();

    btr.insert();

    btr.insert();

    btr.insert();

    btr.print();

    return ;

}

　　三、BTree删除

　　BTree删除的算法，比插入还要稍微的复杂一点。通常的做法是，当删除一个key的时候，如果被删除的key不在叶子节点中，那么我们使用其最大左子树的key来替代它，交换值，然后在最大左子树中删除。

　　以上图为例，如果需要删除10，那么我们使用7和10进行交换，然后原来的[6,7]变成[6,10]，删除10.

从BTree中删除key就可以保证一定是在叶子节点中进行的了。删除主要分为2步操作：

　　1、将key从当前节点删除，由于一定是在叶子节点中，那么根本不需要考虑左右子树的问题。

　　2、由于从节点中删除了key，那么节点中key的数量肯定减少了。如果节点中key的数量小于(M-1)/2了，我们就认为其underflowed了。如果underflowed没有发生，那么这次删除操作就简单的结束了，如果发生了，那么就需要修复这种问题（这是由于BTree的自平衡特性决定的，可以回头看下一开始说的BTree定义）。

　　针对BTree的删除，复杂的部分就是修复underflowed的问题。如何修复这种问题呢？做法是从被删除节点的邻居“借”key来修复，那么一个节点可能有2个邻居，我们选择key数量更多的邻居来“借”。那么借完之后，我们将被删除节点，其邻居，以及其父节点中key来生成一个新的node，“combined node”（连接节点）。生成新的节点之后，如果其数量大于（M-1），或者等于（M-1）的做法是不一样的，分为2中做法。

　　（1）如果大于（M-1），那么处理方法也比较简单，将新的combined node分裂成3个部分，Left，Middle，Right，Middle就是combined node正中间的key，用来替代原来的父节点值，Left和Right作为新的左右子树。由于大于（M-1），那么可以保证新的Left和Right都是满足BTree要求的。

　　（2）如果等于（M-1）就比较复杂了。由于新的Combined node的节点数量刚好满足BTree要求，而且也不能像（1）的情况那样进行分裂，那么就等于新节点从父节点“借”了一个值，如果父节点被借了值之后，数量大于等于（M-1）/2，那么没问题，修复结束。如果父节点的值也小于(M-1)/2了，那么就需要再修复父节点，重复这个步骤，直到根节点为止。

　　比如上面的树，删除key=3，那么删除后的树为

　　由于BTree根节点的特殊性，它只需要最少有一个节点就可以了，如果修复到根节点还有至少一个节点，那么修复结束，否则删除现有根节点，使用其左子树替代，左子树可能为空，那么整棵BTree就是空了！

　　代码如下：

void btree::del(int key) {

    _del(root, key);

}

void btree::_del(b_node* node, int key) {

    // 先找到删除节点所在的位置

    pos p = query(key);

    // 查找其最大左子树key

    pos left_max_p = _get_left_max_key(key);

    b_node* del_node = p.node;

    if (left_max_p.node != NULL)

    {

        del_node = left_max_p.node;

        std::swap(p.node->keys[p.index], left_max_p.node->keys[left_max_p.index]);    // 将最大左子树key和当前key进行交换

    }

    // 现在针对key进行删除

    del_node->del(key);    

    // 先判断如果没有underflowed，就直接结束了

    if (!del_node->is_underflowed()) {

        return;

    }

    _merge_node(del_node);

}

void btree::_merge_node(b_node* del_node) {

    // 如果underflowed了，那么先判断是否为根节点，根节点只要最少有一个key就可以了，其他非根节点最少要有(M-1)/2个key

    if (del_node->is_root())

    {

        if (del_node->num == )                // 根节点已经没有key了

        {

            root = del_node->childs[];

        }

        return;

    }

    // 如果是叶子节点并且underflowed了，那么就需要从其“邻居”来“借”了

    b_node* ngb_node = del_node->get_pop_ngb();

    if (ngb_node == NULL)

    {

        return;

    }

    int p_key_pos = (del_node->pos_in_parent + ngb_node->pos_in_parent) / ;

    int parent_key = del_node->parent->keys[p_key_pos];

    // 处理组合后的节点

    b_node* combined_node = new b_node(del_node->num +  + ngb_node->num);

    if (del_node->pos_in_parent < ngb_node->pos_in_parent)

    {

        int combined_n = ;

        _realloc(combined_node, del_node, del_node->num);

        combined_n += del_node->num;

        combined_node->insert(parent_key); ++combined_n;

        _realloc(combined_node, ngb_node, ngb_node->num, combined_n);

    }

    else

    {

        int combined_n = ;

        _realloc(combined_node, ngb_node, ngb_node->num);

        combined_n += ngb_node->num;

        combined_node->insert(parent_key); ++combined_n;

        _realloc(combined_node, del_node, del_node->num, combined_n);

    }

    // 如果邻居key的数量大于(M-1)/2, 那么执行case1逻辑，将combined后的node中间值和parent中的值进行交换，然后分裂成2个节点

    if (ngb_node->num > dim/)

    {

        int split_pos = (del_node->num + ngb_node->num + ) / ;

        b_node* combined_left = new b_node(dim);

        b_node* combined_right = new b_node(dim);

        _realloc(combined_left, combined_node, split_pos);

        _realloc(combined_right, combined_node, combined_node->num - split_pos - , , split_pos + );

        combined_left->parent = del_node->parent;

        combined_right->parent = del_node->parent;

        b_node* parent = del_node->parent;

        std::swap(combined_node->keys[split_pos], del_node->parent->keys[del_node->pos_in_parent]);

        parent->childs[p_key_pos] = combined_left;

        combined_left->pos_in_parent = p_key_pos;

        parent->childs[p_key_pos + ] = combined_right;

        combined_right->pos_in_parent = p_key_pos + ;

        return;

    }

    // 如果邻居的key的数量刚好是(M-1)/2，那么合并之后就可能会发生underflowed情况

    // 邻居key的数量不可能会发生小于(M-1)/2的，因为如果是这样，之前就已经做过fix处理了

    del_node->parent->del(parent_key);

    del_node->parent->childs[del_node->pos_in_parent] = combined_node;

    combined_node->parent = del_node->parent;

    combined_node->pos_in_parent = del_node->pos_in_parent;

    // 如果parent去掉一个节点之后并没有underflowed，那么就结束

    if (!del_node->parent->is_underflowed())

    {

        return;

    }

    // 否则继续对parent节点进行修复, 直到根节点

    _merge_node(del_node->parent);

    return;

}

void btree::_realloc(b_node* new_node, b_node* old_node, int num, int new_offset, int old_offset) {

    int i = old_offset;

    int n = new_offset;

    for (; i<old_offset + num; ++i, ++n)

    {

        new_node->keys[n] = old_node->keys[i];

        new_node->childs[n] = old_node->childs[i];

        if (new_node->childs[n]) {

            new_node->childs[n]->parent = new_node;

            new_node->childs[n]->pos_in_parent = n;

        }

    }

    new_node->childs[n] = old_node->childs[i];

    if (new_node->childs[n]) {

        new_node->childs[n]->parent = new_node;

        new_node->childs[n]->pos_in_parent = n;

    }

    new_node->num += num;

    return;

}

　　测试代码通过一个个的值插入，我们有意的数值安排，将我们的B-Tree从1层，最后扩展到了3层，可以通过print接口来更方便的观看一下B-Tree各层的数值。

　　如果想知道自己实现的是否正确，或者想了解B-Tree插入节点的流程，https://www.cs.usfca.edu/~galles/visualization/BTree.html 这个网址用动画的方式给我们展示B-Tree的插入和分裂过程，非常形象，很好理解。

巴特西

B-Tree算法分析与实现

最新文章

热门文章