摘要：二叉查找樹(shù)是一種查找效率非常高的數(shù)據(jù)結(jié)構(gòu)，它有三個(gè)特點(diǎn)。二叉查找樹(shù)的結(jié)構(gòu)不適合數(shù)據(jù)庫(kù)，因?yàn)樗牟檎倚逝c層數(shù)相關(guān)。樹(shù)是對(duì)二叉查找樹(shù)的改進(jìn)。備份機(jī)制保存數(shù)據(jù)庫(kù)的副本。

轉(zhuǎn)載自:阮一峰的網(wǎng)絡(luò)日志

  
所有應(yīng)用軟件之中，數(shù)據(jù)庫(kù)可能是最復(fù)雜的。

  MySQL的手冊(cè)有3000多頁(yè)，PostgreSQL的手冊(cè)有2000多頁(yè)，Oracle的手冊(cè)更是比它們相加還要厚。

  但是，自己寫(xiě)一個(gè)最簡(jiǎn)單的數(shù)據(jù)庫(kù)，做起來(lái)并不難。Reddit上面有一個(gè)帖子，只用了幾百個(gè)字，就把原理講清楚了。下面是我根據(jù)這個(gè)帖子整理的內(nèi)容。

數(shù)據(jù)以文本形式保存

    
第一步，就是將所要保存的數(shù)據(jù)，寫(xiě)入文本文件。這個(gè)文本文件就是你的數(shù)據(jù)庫(kù)。

    為了方便讀取，數(shù)據(jù)必須分成記錄，每一條記錄的長(zhǎng)度規(guī)定為等長(zhǎng)。比如，假定每條記錄的長(zhǎng)度是800字節(jié)，那么第5條記錄的開(kāi)始位置就在3200字節(jié)。

    大多數(shù)時(shí)候，我們不知道某一條記錄在第幾個(gè)位置，只知道主鍵（primary key）的值。這時(shí)為了讀取數(shù)據(jù)，可以一條條比對(duì)記錄。但是這樣做效率太低，實(shí)際應(yīng)用中，數(shù)據(jù)庫(kù)往往采用B樹(shù)（B-tree）格式儲(chǔ)存數(shù)據(jù)。
  

  
要理解B樹(shù)，必須從二叉查找樹(shù)（Binary search tree）講起。


  二叉查找樹(shù)是一種查找效率非常高的數(shù)據(jù)結(jié)構(gòu)，它有三個(gè)特點(diǎn)。

1. 每個(gè)節(jié)點(diǎn)最多只有兩個(gè)子樹(shù)。
2. 左子樹(shù)都為小于父節(jié)點(diǎn)的值，右子樹(shù)都為大于父節(jié)點(diǎn)的值。
3. 在n個(gè)節(jié)點(diǎn)中找到目標(biāo)值，一般只需要log(n)次比較。

  
二叉查找樹(shù)的結(jié)構(gòu)不適合數(shù)據(jù)庫(kù)，因?yàn)樗牟檎倚逝c層數(shù)相關(guān)。越處在下層的數(shù)據(jù)，就需要越多次比較。極端情況下，n個(gè)數(shù)據(jù)需要n次比較才能找到目標(biāo)值。對(duì)于數(shù)據(jù)庫(kù)來(lái)說(shuō)，每進(jìn)入一層，就要從硬盤(pán)讀取一次數(shù)據(jù)，這非常致命，因?yàn)橛脖P(pán)的讀取時(shí)間遠(yuǎn)遠(yuǎn)大于數(shù)據(jù)處理時(shí)間，數(shù)據(jù)庫(kù)讀取硬盤(pán)的次數(shù)越少越好。

  B樹(shù)是對(duì)二叉查找樹(shù)的改進(jìn)。它的設(shè)計(jì)思想是，將相關(guān)數(shù)據(jù)盡量集中在一起，以便一次讀取多個(gè)數(shù)據(jù)，減少硬盤(pán)操作次數(shù)。


  B樹(shù)的特點(diǎn)也有三個(gè)。

1. 一個(gè)節(jié)點(diǎn)可以容納多個(gè)值。比如上圖中，最多的一個(gè)節(jié)點(diǎn)容納了4個(gè)值。
2. 除非數(shù)據(jù)已經(jīng)填滿(mǎn)，否則不會(huì)增加新的層。也就是說(shuō)，B樹(shù)追求"層"越少越好。
3. 子節(jié)點(diǎn)中的值，與父節(jié)點(diǎn)中的值，有嚴(yán)格的大小對(duì)應(yīng)關(guān)系。一般來(lái)說(shuō)，如果父節(jié)點(diǎn)有a個(gè)值，那么就有a+1個(gè)子節(jié)點(diǎn)。比如上圖中，父節(jié)點(diǎn)有兩個(gè)值（7和16），就對(duì)應(yīng)三個(gè)子節(jié)點(diǎn)，第一個(gè)子節(jié)點(diǎn)都是小于7的值，最后一個(gè)子節(jié)點(diǎn)都是大于16的值，中間的子節(jié)點(diǎn)就是7和16之間的值。

  
這種數(shù)據(jù)結(jié)構(gòu)，非常有利于減少讀取硬盤(pán)的次數(shù)。假定一個(gè)節(jié)點(diǎn)可以容納100(a)個(gè)值，那么3(n)層的B樹(shù)最大可以容納1030300((a+1)^(n-1)*a)個(gè)數(shù)據(jù)，如果換成二叉查找樹(shù)，則需要20層！假定操作系統(tǒng)一次讀取一個(gè)節(jié)點(diǎn)，并且根節(jié)點(diǎn)保留在內(nèi)存中，那么B樹(shù)在100萬(wàn)個(gè)數(shù)據(jù)中查找目標(biāo)值，只需要讀取兩次硬盤(pán)。

索引

    
數(shù)據(jù)庫(kù)以B樹(shù)格式儲(chǔ)存，只解決了按照"主鍵"查找數(shù)據(jù)的問(wèn)題。如果想查找其他字段，就需要建立索引（index）。

    所謂索引，就是以某個(gè)字段為關(guān)鍵字的B樹(shù)文件。假定有一張"雇員表"，包含了員工號(hào)（主鍵）和姓名兩個(gè)字段?？梢詫?duì)姓名建立索引文件，該文件以B樹(shù)格式對(duì)姓名進(jìn)行儲(chǔ)存，每個(gè)姓名后面是其在數(shù)據(jù)庫(kù)中的位置（即第幾條記錄）。查找姓名的時(shí)候，先從索引中找到對(duì)應(yīng)第幾條記錄，然后再?gòu)谋砀裰凶x取。

    這種索引查找方法，叫做"索引順序存取方法"（Indexed Sequential Access Method），縮寫(xiě)為ISAM。它已經(jīng)有多種實(shí)現(xiàn)（比如C-ISAM庫(kù)和D-ISAM庫(kù)），只要使用這些代碼庫(kù)，就能自己寫(xiě)一個(gè)最簡(jiǎn)單的數(shù)據(jù)庫(kù)。
  

  
部署了最基本的數(shù)據(jù)存?。òㄋ饕┮院?，還可以實(shí)現(xiàn)一些高級(jí)功能。

  （1）SQL語(yǔ)言是數(shù)據(jù)庫(kù)通用操作語(yǔ)言，所以需要一個(gè)SQL解析器，將SQL命令解析為對(duì)應(yīng)的ISAM操作。

  （2）數(shù)據(jù)庫(kù)連接（join）是指數(shù)據(jù)庫(kù)的兩張表通過(guò)"外鍵"，建立連接關(guān)系。你需要對(duì)這種操作進(jìn)行優(yōu)化。

  （3）數(shù)據(jù)庫(kù)交易（transaction）是指批量進(jìn)行一系列數(shù)據(jù)庫(kù)操作，只要有一步不成功，整個(gè)操作都不成功。所以需要有一個(gè)"操作日志"，以便失敗時(shí)對(duì)操作進(jìn)行回滾。

  （4）備份機(jī)制：保存數(shù)據(jù)庫(kù)的副本。

  （5）遠(yuǎn)程操作：使得用戶(hù)可以在不同的機(jī)器上，通過(guò)TCP/IP協(xié)議操作數(shù)據(jù)庫(kù)。

  （完）