• 平衡二叉樹

  

這是個平衡樹，一個節點下只有小於兩個子葉節點。

該樹想要達成有效查詢，勢必需要維持如下一種結構：
    樹的子葉節點中，左子樹一定小於等於當前節點，而當前節點的右子樹則一定大於當前節點。只有這樣，才能夠維持全域性有序，才能夠進行查詢。
    這也就決定了只有取得某一個子葉節點後，才能夠根據這個節點知道他的子樹的具體的值情況。這點非常之重要，因為二叉平衡樹，只有兩個子葉節點，所以如果想找到某個資料，他必須重複更多次“拿到一個節點的兩個子節點，判斷大小，再從其中一個子節點取出他的兩個子節點，判斷大小。”這一過程。
    這個過程重複的次數，就是**樹的高度**。那麼既然每個子樹只有兩個節點，那麼N
 
個數據的樹的高度也就很容易可以算出了。

樹的儲存結構：
    順序儲存結構：類似陣列形式（查詢快，插入慢）
    鏈式儲存結構：類似連結串列形式（查詢的時候需要大量的尋道時間）

優點：
    沒有空間浪費，不會存在空餘的空間，而且查詢速度比較快。

缺點：
    需要取出多個節點，且無法預測下一個節點的位置。這種取出的操作，在記憶體內進行的時候，速度很快，但如果到磁碟，那麼就意味著大量隨機尋道。基本磁碟就被查死了。

• b樹

b樹：平衡二叉樹+順序儲存結構
    b樹，因為其構建過程中引入了有序陣列，從而有效的降低了樹的高度，一次取出一個連續的陣列，這個操作在磁碟上比取出與陣列相同數量的離散資料，要便宜的多。因此磁碟上基本都是b樹結構。

缺點：
    與二叉樹相比，他會耗費更多的空間。在最惡劣的情況下，要有幾乎是元資料兩倍的格子才能裝得下整個資料集（當樹的所有節點都進行了分裂後）。
 

b樹插入：

B樹在插入的時候，如果是最後一個node,那麼速度非常快，因為是順序寫。

b樹更新：

但如果有更新插入刪除等綜合寫入，最後因為需要迴圈利用磁碟塊，所以會出現較多的隨機io.大量時間消耗在磁碟尋道時間上。

執行時間很長的b樹：

如果是一個執行時間很長的b樹，那麼幾乎所有的請求，都是隨機io。因為磁碟塊本身已經不再連續，很難保證可以順序讀取。

如何能夠解決這個問題呢？

1： 放棄部分讀效能，使用更加面向順序寫的樹的結構來提升寫效能：
(1)，COLA（Cache-Oblivious Look ahead Array）（代表應用自然是tokuDB）。
(2)，LSM tree(Log-structured merge Tree)或SSTABLE(代表的資料集是cassandra,hbase,bdb java editon,levelDB etc.)
2：使用ssd，讓尋道成為往事。

• B+樹

B+樹：平衡二叉樹+鏈式儲存結構
    b+樹在查詢過程中應該是不會慢的，但如果資料插入比較無序的時候，比如先插入5 然後10000然後3然後800 這樣跨度很大的資料的時候，就需要先“找到這個資料應該被插入的位置”，然後插入資料。這個查詢到位置的過程，如果非常離散，那麼就意味著每次查詢的時候，他的子節點都不在記憶體中，這時候就必須使用磁碟尋道時間查詢。更新基本與插入是相同的。
    目前關係型資料庫大部分採用該儲存結構。

• LSM樹

理解：在記憶體進行寫操作（插入、修改、刪除），達到一定閥值之後，持久化到磁碟。
    資料首先會插入記憶體中的樹。當記憶體樹的資料量超過設定閾值後，會進行合併操作。合併操作會從左至右便利記憶體中樹的子節點 與 磁碟中樹的子節點並進行合併，會用最新更新的資料覆蓋舊的資料（或者記錄為不同版本）。當被合併合併資料量達到磁碟的儲存頁大小時。會將合併後的資料（有序的）持久化到磁碟，同時更新父節點對子節點的指標。（類似於定時對磁碟中的資料排序）
    讀資料：從磁碟中把父節點的資料拿出來，在記憶體中快取。
    寫資料：如果記憶體中有該節點的資料，則進行直接進行操作。如果不存在則進行讀資料。達到一定閥值後持久化到磁碟上。