کنکور کامپیوتر
0
ورود | ثبت نام
کنکور کامپیوتردرخت بی پلاس، آموزش B+ tree
نظرات
اشتراک
بالا
علاقه‌مندی

اشتراک
 
راهنمای انتخاب موضوع
درخت بی پلاس، آموزش B+ tree
کنکور کامپیوتردرخت بی پلاس، آموزش B+ tree

درخت بی پلاس، آموزش B+ tree

این صفحه عالی به آموزش درخت بی پلاس یا همان B+ tree پرداخته و ویژگی‌های B+ tree، عملیات‌های درخت B+، پیاده‌سازی درخت بی پلاس و کاربردهای آن را معرفی کرده

درخت B+ شکل پیشرفته‌ای از درخت خود متعادل کننده است که در آن تمام مقادیر در سطح برگ قرار دارند. در این مقاله به بررسی این نوع درخت می‌پردازیم.

ویژگی‌های درخت B+

یک مفهوم مهم که باید قبل از یادگیری درخت B+ درک شود، شاخص‌سازی چندسطحی است. در شاخص‌سازی چندسطحی، شاخص‌ها مانند شکل زیر ایجاد می‌شوند. این کار، دسترسی به داده‌ها را آسان‌تر و سریع‌تر می‌کند.

نمونه ای از درخت B+

ویژگی‌های درخت B+ شامل موارد زیر است:

حتما بخوانید :
پیمایش درخت، آموزش پیمایش درخت دودویی

عملیات‌های درخت B+

در ادامه عملیات‌های جستجو، حذف و درج در درخت B+ را بررسی خواهیم کرد.

عملیات درج در درخت B+

مراحل عملیات درج در درخت B+ به‌صورت زیر است:

فرض کنید می‌خواهیم مقدار 195 را در درخت B+ از مرتبه 5 که در شکل زیر نشان داده شده است وارد کنیم.

نمونه ای از درخت B+

195 بعد از 190 در زیر درخت سمت راست 120 درج می شود. آن را در این مکان درج می‌کنیم.

درج کردن گره 195 در درخت B+

گره سمت راست 120 حاوی بیش از حداکثر تعداد عناصر یعنی 4، است. آن را تقسیم می‌کنیم و گره میانی یعنی 190 را والد قرار می‌دهیم.

گره ریشه شامل 6 فرزند و 5 کلید است که ویژگی درخت B+ را نقض می کند.

اکنون، گره ریشه شامل 6 فرزند و 5 کلید است که ویژگی درخت B+ را نقض می‌کند بنابراین باید آن را تقسیم کنیم که به صورت زیر نشان داده شده است.

تقسیم گره ریشه برای حفظ تعادل در درخت B+

عملیات حذف از درخت B+

مراحل عملیات حذف در درخت B+ به‌صورت زیر است:

برای مثال فرض کنید می‌خواهید کلید 200 را از درخت B+ که در شکل زیر نشان داده شده است حذف کنید.

نمونه ای از درخت B+

200 در زیر درخت سمت راست 190 بعد از 190 قرار دارد، آن را حذف کنید.

حذف کلید 200 از درخت B+

دو گره را با استفاده از 195، 190، 154 و 129 ادغام کنید.

ادغام دو گره با استفاده از 195، 190، 154 و 129

اکنون، عنصر 120 تنها عنصر موجود در گره است که خصوصیات درخت B+ را نقض می‌کند بنابراین، باید آن را با استفاده از 60، 78، 108 و 120 ادغام کنیم.

ادغام 120 با استفاده از 60، 78، 108 و 120

اکنون ارتفاع درخت 1 واحد کاهش یافت.

عملیات جستجو در درخت B+

مراحل زیر برای جستجوی داده‌ها در درخت B+ از مرتبه m دنبال می‌شود. فرض کنید داده مورد جستجو k باشد.

مثال زیر را در نظر بگیرید. فرض کنید به دنبال گره 129 در این درخت B+ هستیم:

مثالی از درخت B+ که در آن به دنبال گره 129 هستیم

ابتدا 129 را با 108 مقایسه می‌کنیم. چون 108 < 129 پس به زیر درخت سمت راست می‌رویم.

مقایسه گره 129 با 108

مقایسه گره 120 با 129

چون 120 < 129 پس به زیر درخت سمت راست می‌رویم.

گره 129 یافت شد

گره مورد نظر را پیدا کردیم.

پیچیدگی عملیات‌های درخت B+

پیچیدگی زمانی عملیات‌های جستجو، حذف و درج در درخت B+ را به قرار زیر خواهند بود.

عملیات درج

پیچیدگی زمانیپیچیدگی زمانی الگوریتم چیست؟ معرفی نماد های مجانبیپیچیدگی زمانی الگوریتم چیست؟ معرفی نماد های مجانبیاین صفحه عالی به معرفی پیچیدگی زمانی الگوریتم پرداخته، همچنین انواع نماد های مجانبی و پیچیدگی زمانی های برخی از الگوریتم های مرتب سازی و جستجو را توضیح داده عملیات درج درخت B+ از مرتبه Θ(t.logt n) است.

عملیات حذف

پیچیدگی زمانی عملیات حذف از درخت B+ از مرتبه Θ(logn) است.

عملیات جستجو

اگر جستجوی خطی در داخل یک گره اجرا شود، پیچیدگی کل Θ(logt n) است (Θ(t) پیچیدگی زمانی جستجوی خطی است).

اگر از جستجوی دودویی استفاده شود، پیچیدگی کل Θ(log2t.logt n) است.

حتما بخوانید :
درخت تصمیم یا درخت تصمیم گیری چیست و چگونه کار می کند؟

پیاده سازی درخت B+

در ادامه به پیاده سازی درخت B+ در زبان های برنامه نویسیزبان های برنامه نویسی چیست؟زبان های برنامه نویسی چیست؟این مقاله عالی توضیح داده که زبان های برنامه نویسی چیست؟ و انواع زبان های برنامه نویسی و بهترین زبان برنامه نویسی برای شروع و پردرآمدترین آنها را معرفی کرده پایتونزبان برنامه نویسی پایتون چیست؟ – نحوه شروع و دلایل محبوبیتزبان برنامه نویسی پایتون چیست؟ – نحوه شروع و دلایل محبوبیتزبان برنامه نویسی پایتون (Python) چیست؟ این مقاله عالی به بررسی دلایل محبوبیت پایتون، موارد استفاده از پایتون و نحوه شروع به برنامه نویسی پایتون پرداخته و سی پلاس پلاسبرنامه نویسی سی پلاس پلاس چیست؟ مزایای برنامه نویسی C++‎؟برنامه نویسی سی پلاس پلاس چیست؟ مزایای برنامه نویسی C++‎؟برنامه نویسی سی پلاس پلاس چیست و چه کاربردی دارد؟ این صفحه عالی به بررسی مزایای برنامه نویسی C++ پرداخته و نمونه هایی از کدهای زبان برنامه نویسی ++C را آورده می‌پردازیم:

Python

# B+ tee in python

import math

# Node creation
class Node:
    def __init__(self, order):
        self.order = order
        self.values = []
        self.keys = []
        self.nextKey = None
        self.parent = None
        self.check_leaf = False

    # Insert at the leaf
    def insert_at_leaf(self, leaf, value, key):
        if (self.values):
            temp1 = self.values
            for i in range(len(temp1)):
                if (value == temp1[i]):
                    self.keys[i].append(key)
                    break
                elif (value < temp1[i]):
                    self.values = self.values[:i] + [value] + self.values[i:]
                    self.keys = self.keys[:i] + [[key]] + self.keys[i:]
                    break
                elif (i + 1 == len(temp1)):
                    self.values.append(value)
                    self.keys.append([key])
                    break
        else:
            self.values = [value]
            self.keys = [[key]]

# B plus tree
class BplusTree:
    def __init__(self, order):
        self.root = Node(order)
        self.root.check_leaf = True

    # Insert operation
    def insert(self, value, key):
        value = str(value)
        old_node = self.search(value)
        old_node.insert_at_leaf(old_node, value, key)

        if (len(old_node.values) == old_node.order):
            node1 = Node(old_node.order)
            node1.check_leaf = True
            node1.parent = old_node.parent
            mid = int(math.ceil(old_node.order / 2)) - 1
            node1.values = old_node.values[mid + 1:]
            node1.keys = old_node.keys[mid + 1:]
            node1.nextKey = old_node.nextKey
            old_node.values = old_node.values[:mid + 1]
            old_node.keys = old_node.keys[:mid + 1]
            old_node.nextKey = node1
            self.insert_in_parent(old_node, node1.values[0], node1)

    # Search operation for different operations
    def search(self, value):
        current_node = self.root
        while(current_node.check_leaf == False):
            temp2 = current_node.values
            for i in range(len(temp2)):
                if (value == temp2[i]):
                    current_node = current_node.keys[i + 1]
                    break
                elif (value < temp2[i]):
                    current_node = current_node.keys[i]
                    break
                elif (i + 1 == len(current_node.values)):
                    current_node = current_node.keys[i + 1]
                    break
        return current_node

    # Find the node
    def find(self, value, key):
        l = self.search(value)
        for i, item in enumerate(l.values):
            if item == value:
                if key in l.keys[i]:
                    return True
                else:
                    return False
        return False

    # Inserting at the parent
    def insert_in_parent(self, n, value, ndash):
        if (self.root == n):
            rootNode = Node(n.order)
            rootNode.values = [value]
            rootNode.keys = [n, ndash]
            self.root = rootNode
            n.parent = rootNode
            ndash.parent = rootNode
            return

        parentNode = n.parent
        temp3 = parentNode.keys
        for i in range(len(temp3)):
            if (temp3[i] == n):
                parentNode.values = parentNode.values[:i] + \
                    [value] + parentNode.values[i:]
                parentNode.keys = parentNode.keys[:i +
                                                  1] + [ndash] + parentNode.keys[i + 1:]
                if (len(parentNode.keys) > parentNode.order):
                    parentdash = Node(parentNode.order)
                    parentdash.parent = parentNode.parent
                    mid = int(math.ceil(parentNode.order / 2)) - 1
                    parentdash.values = parentNode.values[mid + 1:]
                    parentdash.keys = parentNode.keys[mid + 1:]
                    value_ = parentNode.values[mid]
                    if (mid == 0):
                        parentNode.values = parentNode.values[:mid + 1]
                    else:
                        parentNode.values = parentNode.values[:mid]
                    parentNode.keys = parentNode.keys[:mid + 1]
                    for j in parentNode.keys:
                        j.parent = parentNode
                    for j in parentdash.keys:
                        j.parent = parentdash
                    self.insert_in_parent(parentNode, value_, parentdash)

    # Delete a node
    def delete(self, value, key):
        node_ = self.search(value)

        temp = 0
        for i, item in enumerate(node_.values):
            if item == value:
                temp = 1

                if key in node_.keys[i]:
                    if len(node_.keys[i]) > 1:
                        node_.keys[i].pop(node_.keys[i].index(key))
                    elif node_ == self.root:
                        node_.values.pop(i)
                        node_.keys.pop(i)
                    else:
                        node_.keys[i].pop(node_.keys[i].index(key))
                        del node_.keys[i]
                        node_.values.pop(node_.values.index(value))
                        self.deleteEntry(node_, value, key)
                else:
                    print("Value not in Key")
                    return
        if temp == 0:
            print("Value not in Tree")
            return

    # Delete an entry
    def deleteEntry(self, node_, value, key):

        if not node_.check_leaf:
            for i, item in enumerate(node_.keys):
                if item == key:
                    node_.keys.pop(i)
                    break
            for i, item in enumerate(node_.values):
                if item == value:
                    node_.values.pop(i)
                    break

        if self.root == node_ and len(node_.keys) == 1:
            self.root = node_.keys[0]
            node_.keys[0].parent = None
            del node_
            return
        elif (len(node_.keys) < int(math.ceil(node_.order / 2)) and node_.check_leaf == False) or (len(node_.values) < int(math.ceil((node_.order - 1) / 2)) and node_.check_leaf == True):

            is_predecessor = 0
            parentNode = node_.parent
            PrevNode = -1
            NextNode = -1
            PrevK = -1
            PostK = -1
            for i, item in enumerate(parentNode.keys):

                if item == node_:
                    if i > 0:
                        PrevNode = parentNode.keys[i - 1]
                        PrevK = parentNode.values[i - 1]

                    if i < len(parentNode.keys) - 1:
                        NextNode = parentNode.keys[i + 1]
                        PostK = parentNode.values[i]

            if PrevNode == -1:
                ndash = NextNode
                value_ = PostK
            elif NextNode == -1:
                is_predecessor = 1
                ndash = PrevNode
                value_ = PrevK
            else:
                if len(node_.values) + len(NextNode.values) < node_.order:
                    ndash = NextNode
                    value_ = PostK
                else:
                    is_predecessor = 1
                    ndash = PrevNode
                    value_ = PrevK

            if len(node_.values) + len(ndash.values) < node_.order:
                if is_predecessor == 0:
                    node_, ndash = ndash, node_
                ndash.keys += node_.keys
                if not node_.check_leaf:
                    ndash.values.append(value_)
                else:
                    ndash.nextKey = node_.nextKey
                ndash.values += node_.values

                if not ndash.check_leaf:
                    for j in ndash.keys:
                        j.parent = ndash

                self.deleteEntry(node_.parent, value_, node_)
                del node_
            else:
                if is_predecessor == 1:
                    if not node_.check_leaf:
                        ndashpm = ndash.keys.pop(-1)
                        ndashkm_1 = ndash.values.pop(-1)
                        node_.keys = [ndashpm] + node_.keys
                        node_.values = [value_] + node_.values
                        parentNode = node_.parent
                        for i, item in enumerate(parentNode.values):
                            if item == value_:
                                p.values[i] = ndashkm_1
                                break
                    else:
                        ndashpm = ndash.keys.pop(-1)
                        ndashkm = ndash.values.pop(-1)
                        node_.keys = [ndashpm] + node_.keys
                        node_.values = [ndashkm] + node_.values
                        parentNode = node_.parent
                        for i, item in enumerate(p.values):
                            if item == value_:
                                parentNode.values[i] = ndashkm
                                break
                else:
                    if not node_.check_leaf:
                        ndashp0 = ndash.keys.pop(0)
                        ndashk0 = ndash.values.pop(0)
                        node_.keys = node_.keys + [ndashp0]
                        node_.values = node_.values + [value_]
                        parentNode = node_.parent
                        for i, item in enumerate(parentNode.values):
                            if item == value_:
                                parentNode.values[i] = ndashk0
                                break
                    else:
                        ndashp0 = ndash.keys.pop(0)
                        ndashk0 = ndash.values.pop(0)
                        node_.keys = node_.keys + [ndashp0]
                        node_.values = node_.values + [ndashk0]
                        parentNode = node_.parent
                        for i, item in enumerate(parentNode.values):
                            if item == value_:
                                parentNode.values[i] = ndash.values[0]
                                break

                if not ndash.check_leaf:
                    for j in ndash.keys:
                        j.parent = ndash
                if not node_.check_leaf:
                    for j in node_.keys:
                        j.parent = node_
                if not parentNode.check_leaf:
                    for j in parentNode.keys:
                        j.parent = parentNode

# Print the tree
def printTree(tree):
    lst = [tree.root]
    level = [0]
    leaf = None
    flag = 0
    lev_leaf = 0

    node1 = Node(str(level[0]) + str(tree.root.values))

    while (len(lst) != 0):
        x = lst.pop(0)
        lev = level.pop(0)
        if (x.check_leaf == False):
            for i, item in enumerate(x.keys):
                print(item.values)
        else:
            for i, item in enumerate(x.keys):
                print(item.values)
            if (flag == 0):
                lev_leaf = lev
                leaf = x
                flag = 1

record_len = 3
bplustree = BplusTree(record_len)
bplustree.insert('5', '33')
bplustree.insert('15', '21')
bplustree.insert('25', '31')
bplustree.insert('35', '41')
bplustree.insert('45', '10')

printTree(bplustree)

if(bplustree.find('5', '34')):
    print("Found")
else:
    print("Not found")

C++

// Searching on a B+ tree in C++

#include <climits>
#include <fstream>
#include <iostream>
#include <sstream>
using namespace std;
int MAX = 3;

// BP node
class Node
{
    bool IS_LEAF;
    int *key, size;
    Node **ptr;
    friend class BPTree;

public:
    Node();
};

// BP tree
class BPTree
{
    Node *root;
    void insertInternal(int, Node *, Node *);
    Node *findParent(Node *, Node *);

public:
    BPTree();
    void search(int);
    void insert(int);
    void display(Node *);
    Node *getRoot();
};

Node::Node()
{
    key = new int[MAX];
    ptr = new Node *[MAX + 1];
}

BPTree::BPTree()
{
    root = NULL;
}

// Search operation
void BPTree::search(int x)
{
    if (root == NULL)
    {
        cout  "Tree is empty\n";
    }
    else
    {
        Node *cursor = root;
        while (cursor->IS_LEAF == false)
        {
            for (int i = 0; i  cursor->size; i++)
            {
                if (x  cursor->key[i])
                {
                    cursor = cursor->ptr[i];
                    break;
                }
                if (i == cursor->size - 1)
                {
                    cursor = cursor->ptr[i + 1];
                    break;
                }
            }
        }
        for (int i = 0; i < cursor->size; i++)
        {
            if (cursor->key[i] == x)
            {
                cout  "Found\n";
                return;
            }
        }
        cout << "Not found\n";
    }
}

// Insert Operation
void BPTree::insert(int x)
{
    if (root == NULL)
    {
        root = new Node;
        root->key[0] = x;
        root->IS_LEAF = true;
        root->size = 1;
    }
    else
    {
        Node *cursor = root;
        Node *parent;
        while (cursor->IS_LEAF == false)
        {
            parent = cursor;
            for (int i = 0; i  cursor->size; i++)
            {
                if (x  cursor->key[i])
                {
                    cursor = cursor->ptr[i];
                    break;
                }
                if (i == cursor->size - 1)
                {
                    cursor = cursor->ptr[i + 1];
                    break;
                }
            }
        }
        if (cursor->size < MAX)
        {
            int i = 0;
            while (x > cursor->key[i] && i  cursor->size)
                i++;
            for (int j = cursor->size; j > i; j--)
            {
                cursor->key[j] = cursor->key[j - 1];
            }
            cursor->key[i] = x;
            cursor->size++;
            cursor->ptr[cursor->size] = cursor->ptr[cursor->size - 1];
            cursor->ptr[cursor->size - 1] = NULL;
        }
        else
        {
            Node *newLeaf = new Node;
            int virtualNode[MAX + 1];
            for (int i = 0; i  MAX; i++)
            {
                virtualNode[i] = cursor->key[i];
            }
            int i = 0, j;
            while (x > virtualNode[i] && i < MAX)
                i++;
            for (int j = MAX + 1; j > i; j--)
            {
                virtualNode[j] = virtualNode[j - 1];
            }
            virtualNode[i] = x;
            newLeaf->IS_LEAF = true;
            cursor->size = (MAX + 1) / 2;
            newLeaf->size = MAX + 1 - (MAX + 1) / 2;
            cursor->ptr[cursor->size] = newLeaf;
            newLeaf->ptr[newLeaf->size] = cursor->ptr[MAX];
            cursor->ptr[MAX] = NULL;
            for (i = 0; i < cursor->size; i++)
            {
                cursor->key[i] = virtualNode[i];
            }
            for (i = 0, j = cursor->size; i < newLeaf->size; i++, j++)
            {
                newLeaf->key[i] = virtualNode[j];
            }
            if (cursor == root)
            {
                Node *newRoot = new Node;
                newRoot->key[0] = newLeaf->key[0];
                newRoot->ptr[0] = cursor;
                newRoot->ptr[1] = newLeaf;
                newRoot->IS_LEAF = false;
                newRoot->size = 1;
                root = newRoot;
            }
            else
            {
                insertInternal(newLeaf->key[0], parent, newLeaf);
            }
        }
    }
}

// Insert Operation
void BPTree::insertInternal(int x, Node *cursor, Node *child)
{
    if (cursor->size  MAX)
    {
        int i = 0;
        while (x > cursor->key[i] && i  cursor->size)
            i++;
        for (int j = cursor->size; j > i; j--)
        {
            cursor->key[j] = cursor->key[j - 1];
        }
        for (int j = cursor->size + 1; j > i + 1; j--)
        {
            cursor->ptr[j] = cursor->ptr[j - 1];
        }
        cursor->key[i] = x;
        cursor->size++;
        cursor->ptr[i + 1] = child;
    }
    else
    {
        Node *newInternal = new Node;
        int virtualKey[MAX + 1];
        Node *virtualPtr[MAX + 2];
        for (int i = 0; i  MAX; i++)
        {
            virtualKey[i] = cursor->key[i];
        }
        for (int i = 0; i < MAX + 1; i++)
        {
            virtualPtr[i] = cursor->ptr[i];
        }
        int i = 0, j;
        while (x > virtualKey[i] && i < MAX)
            i++;
        for (int j = MAX + 1; j > i; j--)
        {
            virtualKey[j] = virtualKey[j - 1];
        }
        virtualKey[i] = x;
        for (int j = MAX + 2; j > i + 1; j--)
        {
            virtualPtr[j] = virtualPtr[j - 1];
        }
        virtualPtr[i + 1] = child;
        newInternal->IS_LEAF = false;
        cursor->size = (MAX + 1) / 2;
        newInternal->size = MAX - (MAX + 1) / 2;
        for (i = 0, j = cursor->size + 1; i < newInternal->size; i++, j++)
        {
            newInternal->key[i] = virtualKey[j];
        }
        for (i = 0, j = cursor->size + 1; i < newInternal->size + 1; i++, j++)
        {
            newInternal->ptr[i] = virtualPtr[j];
        }
        if (cursor == root)
        {
            Node *newRoot = new Node;
            newRoot->key[0] = cursor->key[cursor->size];
            newRoot->ptr[0] = cursor;
            newRoot->ptr[1] = newInternal;
            newRoot->IS_LEAF = false;
            newRoot->size = 1;
            root = newRoot;
        }
        else
        {
            insertInternal(cursor->key[cursor->size], findParent(root, cursor), newInternal);
        }
    }
}

// Find the parent
Node *BPTree::findParent(Node *cursor, Node *child)
{
    Node *parent;
    if (cursor->IS_LEAF || (cursor->ptr[0])->IS_LEAF)
    {
        return NULL;
    }
    for (int i = 0; i < cursor->size + 1; i++)
    {
        if (cursor->ptr[i] == child)
        {
            parent = cursor;
            return parent;
        }
        else
        {
            parent = findParent(cursor->ptr[i], child);
            if (parent != NULL)
                return parent;
        }
    }
    return parent;
}

// Print the tree
void BPTree::display(Node *cursor)
{
    if (cursor != NULL)
    {
        for (int i = 0; i  cursor->size; i++)
        {
            cout  cursor->key[i]  " ";
        }
        cout << "\n";
        if (cursor->IS_LEAF != true)
        {
            for (int i = 0; i  cursor->size + 1; i++)
            {
                display(cursor->ptr[i]);
            }
        }
    }
}

// Get the root
Node *BPTree::getRoot()
{
    return root;
}

int main()
{
    BPTree node;
    node.insert(5);
    node.insert(15);
    node.insert(25);
    node.insert(35);
    node.insert(45);
    node.insert(55);
    node.insert(40);
    node.insert(30);
    node.insert(20);
    node.display(node.getRoot());

    node.search(15);
}

کاربردهای درخت B+

از کاربردهای درخت B+ می‌توان به موارد زیر اشاره کرد:

مقایسه درخت B+ و درخت B

برجسته‌ترین نقاط مقایسه بین B-tree و B+tree شامل موارد زیر است:

جمع‌بندی

B+ Tree توسعه‌ای از B Tree است که امکان درج، حذف و عملیات جستجو را فراهم می‌کند. در B Tree، کلیدها و رکوردها را می‌توان در گره های داخلی و برگ ذخیره کرد. در درخت B+، رکوردها (داده‌ها) فقط روی گره‌های برگ نگهداری می‌شوند، در حالی که گره‌های داخلی فقط می‌توانند مقادیر کلیدی را ذخیره کنند. در این مقاله، درخت B+ را از نزدیک بررسی کردیم. ما یاد گرفتیم که آنها چگونه ساخته می‌شوند و یاد گرفتیم که چگونه می‌توانیم یک مقدار خاص را جستجو، درج یا حذف کنیم؛ همچنین پیاده‌سازی‌هایی از این نوع درخت را دیدیم و با برخی کاربردها و تفاوت آن با درخت B آشنا شدیم.

درخت B+ چیست؟

درخت B+ از ریشه، گره های داخلی و برگ تشکیل شده است. ریشه ممکن است یک برگ یا یک گره با دو یا چند فرزند باشد. درخت B+ را می‌توان به عنوان یک درخت B مشاهده کرد که در آن هر گره فقط حاوی کلیدها است (نه جفت‌های کلید-مقدار) و یک سطح در پایین با برگ‌های مرتبط اضافه می کند.

درخت B+ چگونه در پایگاه داده استفاده می‌شود؟

پایگاه‌های داده SQL از درخت‌های B+ برای ذخیره کارآمد داده‌ها و انجام عملیات‌هایی مانند درج، به‌روزرسانی، یافتن و حذف با پیچیدگی زمانی O(log n) استفاده می‌کنند. این امر مدیریت و ذخیره حجم زیادی از داده ها را قابل مدیریت و کارآمدتر می کند.

چرا درخت B+ سریعتر از B-tree است؟

جستجو در درخت B ناکارآمد است زیرا رکوردها در گره های برگ یا درونی ذخیره می شوند. از آنجا که تمام رکوردها در گره های برگ درخت B+ ذخیره می‌شوند، جستجو بسیار کارآمد یا سریع‌تر است. در مقابل عملیات درج بیشتر طول می‌کشد و گاهی اوقات غیرقابل پیش‌بینی است.

امتیازدهی5 1 1 1 1 1 1 1 1 1 15.00 امتیاز (2 رای)
اشتراک
برچسب‌ها :
13
12
5
16
19
14
11
22
17

مطالب مرتبط

همه مقالات
برنامه نویسی (Programming) چیست؟

برنامه نویسی (Programming) چیست؟

الگوریتم پریم (Prim) چیست ⚡️مثال+پیاده سازی+پیچیدگی زمانی

الگوریتم پریم (Prim) چیست ⚡️مثال+پیاده سازی+پیچیدگی زمانی

ساختمان داده چیست؟

ساختمان داده چیست؟

الگوریتم یوتیوب چیست و چگونه کار میکند؟⚡️یوتیوب 2023

الگوریتم یوتیوب چیست و چگونه کار میکند؟⚡️یوتیوب 2023

باورهای غلط موجود در داوطلبان کنکور ارشد کامپیوتر

باورهای غلط موجود در داوطلبان کنکور ارشد کامپیوتر

معرفی ارشد معماری کامپیوتر دانشگاه شریف

معرفی ارشد معماری کامپیوتر دانشگاه شریف

معرفی ارشد شبکه های کامپیوتری دانشگاه صنعتی شریف

معرفی ارشد شبکه های کامپیوتری دانشگاه صنعتی شریف

معرفی بهترین دانشگاه های ایران در رشته فناوری اطلاعات

معرفی بهترین دانشگاه های ایران در رشته فناوری اطلاعات

صحبت با هوش مصنوعی گوگل

صحبت با هوش مصنوعی گوگل

مشاهده تمامی مقالات
رتبه بندی دانشگاه های ایران + معرفی بهترین دانشگاه های ایران

رتبه بندی دانشگاه های ایران + معرفی بهترین دانشگاه های ایران

منابع کنکور ارشد کامپیوتر

منابع کنکور ارشد کامپیوتر

معرفی رشته آی تی (رشته فناوری اطلاعات)

معرفی رشته آی تی (رشته فناوری اطلاعات)

گرایش های ارشد کامپیوتر

گرایش های ارشد کامپیوتر

رشته کامپیوتر فنی حرفه ای و ادامه تحصیل این رشته در دانشگاه

رشته کامپیوتر فنی حرفه ای و ادامه تحصیل این رشته در دانشگاه

مشاهده تمامی مقالات
14
11
22
17
13
12
5
16
19
بارگذاری نظرات
تلگرام اینستاگرام