為什么要使用 B 樹作為 AVL 樹以外的數據庫索引

Question

我聽過一些說法，比如考慮AVL樹的高度和一個AVL樹節點可以包含的最大keys，因為磁盤i​​o，AVL樹的搜索會很耗時。 但是，假設一個索引文件包含了整個 AVL 樹結構，然后索引文件的大​​小小於一個扇形大小，我們可以只在一次磁盤 io 中讀取整個 AVL 樹。

好像使用AVL樹不會帶來額外的磁盤io，你怎么解釋B樹更好？

Answer 1

數據庫使用平衡二叉樹（加上） avl 只是這些平衡樹的一個特例，所以沒有必要

Answer 2

我們只能在一次磁盤 io 中讀取整個 AVL 樹

是的，它可以這樣工作。 本質上，整個數據結構將被帶入內存。 IO 將不再是一個問題。

一些數據庫使用這種策略。 例如，SQL Server In-Memory "Hekaton" 執行此操作並為 OLTP 提供約 100 倍的正常吞吐量。

Hekaton 使用兩種索引數據結構：哈希表和樹。 我認為這些樹被稱為 cw-trees，類似於 b-trees。

對於通用數據庫工作負載，非常希望不需要內存中的所有內容。 在這些情況下，B 樹是一個很好的設計權衡。

Answer 3

它的因為 B 樹通常在單個節點中具有更多的鍵，因此降低了搜索的深度，在記錄索引中，如果深度更大，則鏈接遍歷時間更長，因此對於緩存局部性並使樹更寬而不是更深，多個鍵存儲在一個節點的數組中，相對提高了緩存性能和快速查找。