平衡二叉排序樹便於動態查詢，因此用平衡二叉排序樹來組織索引表是一種可行的選擇。當用於大型資料庫時，所有資料及索引都儲存在外存，因此，
涉及到內、外存之間頻繁的資料交換
，這種交換速度的快慢成為制約動態查詢的瓶頸。若以二叉樹的結點作為內、外存之間資料交換單位，則查詢給定關鍵字時對磁碟平均進行㏒㏒次訪問是不能容忍的（
樹的深度過大而造成磁碟i/o讀寫過於頻繁，進而導致查詢效率低下）。
磁碟讀取資料是以盤塊(block)為基本單位的。位於同一盤塊中的所有資料都能被一次性全部讀取出來。而磁碟io代價主要花費在查詢時間ts上。因此我們應該盡量將相關資訊存放在同一盤塊，同一磁軌中。或者至少放在同一柱面或相鄰柱面上，以求在讀/寫資訊時儘量減少磁頭來回移動的次數，避免過多的查詢時間ts。
所以，在大規模資料儲存方面，大量資料儲存在外存磁碟中，而在外存磁碟中讀取
/寫入塊
(block)
中某資料時，首先需要定位到磁碟中的某塊，如何有效地查詢磁碟中的資料，需要一種合理高效的外存資料結構，就是下面所要重點闡述的
b-treeb+-tree結構和b*-tree結構。
因此，必須選擇一種能盡可能降低磁碟i/oi/o次數的索引組織方式。樹結點的大小盡可能地接近頁的大小。
b樹主要用於檔案系統中，
在b樹中，每個節點的大小為乙個磁碟的頁
，節點中鎖包含的關鍵字及其子節點的數目取決於頁的大小。乙個度為m的b樹，稱為m階b樹，定義如下：
（1）乙個m階b樹，或者是空樹，或者滿足一下性質的m叉樹；
（2）根節點或者是葉子，或者至少有兩顆子樹，至多是m棵子樹；
（3）除根節點外，所有非終端節點至少是「m/2 （向上取整）棵子樹，至多是m棵子樹；
（4）所有葉子節點都在樹的同一層上。
下圖為b樹的乙個例子：
1，b樹的資料結構，根據以上的資訊，定義b樹的資料結構如下：
//節點資料結構的定義
typedef struct btnode
btnode;
2，b樹的查詢
查詢的基本思想是：
（1）從樹的根節點t開始，在節點中利用遍歷或折半查詢給定的值，如果找到，則返回節點指標和在節點中的位置；如果沒有，則到（2）
（2）與節點中的key進行比較，找到給定值左右key中間的指標，去其子樹中查詢
（3）重複執行1,2兩步，直到找到。如果直到葉子節點，仍未找到，則返回0，並返回最後搜尋的葉子節點。（此節點是給定值需要插入的位置）
3，b樹的插入
插入新節點的基本思想如下：
（1）在b樹查詢關鍵字，如果找到，則不插入；否則，執行（2）
（2）將給定值插入到葉子節點中，如果：
a，葉子的節點數
b，葉子的節點數=m-1：插入節點，並將節點**。**的方式是將該節點拆分成兩個節點，然後，將中間節點插入到父節點當中，拆分後的兩個節點，分別作為插入到父節點的中間節點的左右子。如果中間節點插入到父節點後，仍然需要**，則繼續**，直到根節點。如果仍然需要**，則新建乙個根節點，將**後的兩個節點分別作為新根節點的兩個子節點。
例如如下圖：
紅黑樹，B樹，B 樹，B 樹 理解
紅黑樹rbtree 二叉排序樹 map 就是採用紅黑樹儲存的，紅黑樹 rb tree 是平衡二叉樹，其優點就是樹到葉子節點深度一致，查詢的效率也就一樣，為logn.在實行查詢，插入，刪除的效率都一致，而當是全部靜態資料時，沒有太多優勢，可能採用hash表各合適。hash map是乙個hash tab...
b樹和b 樹簡單描述
資料庫的b樹和b 樹，b樹的非葉子節點儲存資料，而乙個葉子節點對應的是檔案系統的乙個資料單元，也是磁碟上的一頁512，當既儲存資料，又儲存索引key值時 乙個節點的大小有限，既有資料又有key值，當樹的深度比較深時，必然會需要多次io才能找到key值 必然導致，查詢底層資料會經歷更多次的io，同時乙...
b樹與b 樹原理解析
b樹 balance tree 和b 樹應用在資料庫索引，可以認為是m叉的多路平衡查詢樹，但是從理論上講，二叉樹查詢速度和比較次數都是最小的，為什麼不用二叉樹呢？因為我們要考慮磁碟io的影響，它相對於記憶體來說是很慢的。資料庫索引是儲存在磁碟上的，當資料量大時，就不能把整個索引全部載入到記憶體了，只...