B 树中的指针答案

【问题标题】：Pointers in B TreeB 树中的指针
【发布时间】：2013-10-02 08:09:56
【问题描述】：

我阅读了 B 树并了解了它们的输入、删除方法。我读到这样的介绍：

当我们在磁盘上构建结构时，我们必须处理某些现实访问和传输时间：

对磁盘的随机访问通常需要大约 10-20 毫秒访问时间来定位磁头并等待数据上来它。

一旦磁头位置正确，数据可以按以下速率传输超过 100 万字节/秒。

然后观察不同大小的总传输时间如何表现块（假设相当快的 10 毫秒访问时间和 1 兆字节/秒传输率）

因此，B 树数据结构是为从磁盘提供服务而设计的（这使得它们非常适合数据库）。但是当我尝试实现它时，我遇到了这个问题。

普通 B 树图显示指向子节点的指针，然后下降到叶子。

但是我如何在磁盘上做指针？像文件名吗？

【问题讨论】：

存储在磁盘上的每条记录都是逻辑等价物。的一个节点。许多节点存储在一个文件中。只需跟踪 head 记录的位置，每个记录都指向其子项的偏移量。正如内存是线性资源一样，您也可以将保存记录的文件视为线性资源。每条记录将包含一个有效负载和一对用于定位子级的偏移量。
如果每条记录都是一个节点，那么偏移量是多少？什么是这样的记录，文件？和偏移量，file_names ??或者一切都在一个大文件中，偏移量是该文件中该节点位置的偏移量？
只是提醒你——指针只不过是一个地址，一个内存块的位置。这也适用于文件，因为它们可以被视为一些持久内存的块......

标签： c++ database algorithm data-structures

【解决方案1】：

磁盘上的指针是文件开头的offsets。

如果您的key 指向地址n，那么这意味着

打开数据文件
读取 n 个字节但丢弃它们（或直接跳过它们。这称为查找。请参阅下文了解如何）
开始阅读您感兴趣的数据。

现在，作为优化，

数据文件可能已经打开，比如你的程序启动时；当然可以部分缓存在内存中。
您可以专门指示框架转到文件中的特定位置，而不是读取和丢弃字节。大多数语言都有这个功能。所有操作系统都可以。这叫做寻求。你调用像file.seek(1024) 这样的方法。要执行跳转，操作系统必须知道您要查找的数据位于磁盘中的哪个点。这涉及更多的查找、一些磁盘移动，但这一切都由操作系统完成。
您可以开始读取数据，但要知道何时停止，要么拥有固定宽度的记录，要么可以将记录长度放在记录的前 4 个字节中。这使得headers 和元数据会随着复杂性而增长。

有趣的是，与每个key 关联的指针指向left 和right nodes 没有数据的位置。所以，在像

这样的教科书例子中

struct node {
    int key;                      //this generally is the primary key of the table
    node left;
    node right;

    long offsetOfDataInDataFile;  // <----------- we need to add this line.
}

首先您在tree 中找到node。然后你找到key。在那里你得到了实际数据的offset。您转到数据文件中的位置并读取内容。

如果您的表有多个索引，那么或表中的每个索引，都需要维护一个这样的树。该树的key 将是被索引的列的内容。

【讨论】：

真实数据库是不是太长文件了？
是的。 大长文件在大多数数据库中很常见。索引（b 树）存储为单独的文件。不同的是文件格式、索引格式、打包、压缩、算法实现、额外功能等。一些数据库，如 ms-access 和 sqlite 将它们的整个世界打包在一个单个文件中。像 oracle 这样的大佬可能会使用未格式化的 (raw) 磁盘并在其上实现自己的高度专业化的文件系统。
从头开始读取文件以跳到偏移量是一个荒谬的建议。 B树假定随机访问。你会寻求抵消。这不是“优化”，而是算法的重要组成部分。您的示例是关于二叉树，而不是 b 树。
@EJP，寻求不是优化，它是算法的重要组成部分。公认。在输入答案时，我想到对于 OP，读取和丢弃方法会更容易理解。使用seek 方法，涉及到操作系统和硬件，操作系统查询磁盘索引，然后指示硬件将磁头移动到该柱面。 OP 已经在数据库索引下挣扎，所以我想把磁盘索引放在一边。

【解决方案2】：

B 树中的“指针”只是文件中您可以查找的偏移量。或者，如果您要拥有固定的块大小，则它可能是一个块编号，，您在寻找之前乘以块大小。

【讨论】：