王义凯 的博客

传统关系型数据库大都使用B-Tree或其变体作为存储结构，能够进行高效查找。但保存在磁盘中时它也有一个明显的缺陷，那就是逻辑上相离很近但物理却可能相隔很远，这就可能造成大量的磁盘随机读写。因此对于关系型数据库来说随机读写比顺序读写慢很多，为了提升IO性能，我们需要一种能将随机操作变为顺序操作的机制，于是便有了本篇要讲的LSM树。LSM树能让我们进行顺序写磁盘，从而大幅提升写操作，作为代价的是牺牲了一些读性能。因此在大数据生态下，很多数据库引擎都是使用LSM树存储引擎。

动态查找树主要有：二叉查找树，平衡二叉树，红黑树，B-tree/B+-tree/B*-tree。前三个都是典型的二叉树结构，查找的时间复杂度O(log2N)和树的深度相关，随着树的深度降低会提高查找效率。而在现实情况中大部分数据存储在磁盘中，对于数据量比较大的情况下，对导致二叉树结构的深度也随之变大造成磁盘IO读写频繁导致查询效率低下，因此大部分关系型数据库都使用本篇要介绍的B+Tree结构，要理解B+树，需要先理解B树，本篇也会一起介绍B*树。

红黑树是一种自平衡的二叉树，在插入和删除操作时可能会打破树的平衡，它会重新自处理以达到平衡状态。红黑树是复杂的，但它的操作有着良好的最坏情况运行时间，并且在实践中是高效的: 它可以在O(logn)时间内做查找，插入和删除，这里的n是树中元素的数目。

数据结构中有很多树的结构，其中包括二叉树、二叉搜索树、红黑树等等。本文中对数据结构中的二叉树以及二叉查找树，平衡二叉树AVL进行介绍，如果对你有帮助的话，请点个赞吧~谢谢！