BST AVL RBT BTree B+Three简单对比

https://blog.csdn.net/u011109881/article/details/80344606#commentBox

简称 特点 平衡性 查找性能 插入 删除 优势 应用
二叉搜索树 BST 索引树,由于构建不稳定,查找效率不稳定 不稳定,跟具体构建树相关,最好O(logn),最差O(N) 直接插入 删除的是叶子节点或只有左或右子树比较简单,如同时存在左右子树,那么要找到前驱或后继代替原先节点,再删除 性能高于线性查找 暂未找到,欢迎补充
平衡二叉树 AVL 索引树,BST进化版,自平衡,查找效率稳定 最好最坏都是O(lgn) 最多需要2次旋转 最多需要lgN次旋转(参考,本人未证实) 高度平衡,进一步提升查询效率 暂未找到,欢迎补充
红黑树 RBT 索引树,BST进化版,自平衡,查找效率相对稳定 基本维持在O(lgn),最坏比AVL略差(2lg(n+1)) 最多需要2次旋转,3次变色 最多需要3次旋转(参考,本人未证实) 自平衡,进一步提升查询效率 Java中TreeSet和TreeMap,JDK 8以后,HashMap的设计
B树 ^ 多路查找树,提升IO效率,索引树进化而来 IO次数取决于高度,减少IO次数 1.可以直接插入的情况2.插入后破环平衡,需要进行分裂 1.可以直接删除2.直接删除后破环平衡,先向左右子树“借”节点3.直接删除后破环平衡,左右子树“借”不到节点,合并子树 降低IO次数 文件系统索引和部分非关系型数据库,如MongoDB
B+树 ^ 多路查找树,提升IO效率,B树进化版 进一步减少IO次数 类似B树 类似B树 进一步降低IO次数,范围查询方便,查询性能稳定 大多关系型数据库使用B+树作为索引

猜你喜欢

转载自blog.csdn.net/qq_25079615/article/details/82427959