AVL树、红黑树、B/B+树和Trie树的比较

AVL树、红黑树、B/B+树和Trie树的比较

AVL树

最早的平衡二叉树之一。AVL是一种高度平衡的二叉树,所以通常的结果是,维护这种高度平衡所付出的代价比从中获得的效率收益还大,故而实际的应用不多,更多的地方是用追求局部而不是非常严格整体平衡的红黑树。当然,如果场景中对插入删除不频繁,只是对查找特别有要求,AVL还是优于红黑的。
使用场景:Windows对进程地址空间的管理用到了AVL树。

红黑树

平衡二叉树,通过对任何一条从根到叶子的简单路径上各个节点的颜色进行约束,确保没有一条路径会比其他路径长2倍,因而是近似平衡的。所以相对于严格要求平衡的AVL树来说,它的旋转保持平衡次数较少。用于搜索时,插入删除次数多的情况下我们就用红黑树来取代AVL。

使用场景

  • 广泛用在C++的STL中。map和set都是用红黑树实现的
  • 著名的linux进程调度Completely Fair Scheduler,用红黑树管理
  • 进程控制块
  • epoll在内核中的实现,用红黑树管理事件块
  • nginx中,用红黑树管理timer等
  • Java的TreeMap实现

B树、B+树

它们特点是一样的,是多路查找树,一般用于数据库系统中,为什么,因为它们分支多层数少呗,都知道磁盘IO是非常耗时的,而像大量数据存储在磁盘中所以我们要有效的减少磁盘IO次数避免磁盘频繁的查找。

使用场景

  • 主要用在文件系统以及数据库中做索引等,比如Mysql:B-Tree Index in MySql
  • 像mysql的数据库定义是可以指定B+ 索引还是hash索引。

Trie树

又名单词查找树,一种树形结构,常用来操作字符串。它是不同字符串的相同前缀只保存一份。相对直接保存字符串肯定是节省空间的,但是它保存大量字符串时会很耗费内存。

类似的有
前缀树(prefix tree),后缀树(suffix tree),radix tree(patricia tree, compact prefix tree),crit-bit tree(解决耗费内存问题),以及前面说的double array trie。

使用场景

  • 字符匹配
    前缀树:字符串快速检索,字符串排序,最长公共前缀,自动匹配前缀显示后缀。
    后缀树:查找字符串s1在s2中,字符串s1在s2中出现的次数,字符串s1,s2最长公共部分,最长回文串。
    radix tree:linux内核,nginx。
  • IP选路
    也是前缀匹配,一定程度会用到trie
    本Markdown编辑器使用[StackEdit][6]修改
    而来,用它写博客,将会带来全新的体验哦:

参考资料: https://www.zhihu.com/question/30527705

    原文作者:Trie树
    原文地址: https://blog.csdn.net/semiscone/article/details/52775382
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞