文件索引：数组、二叉树、二叉排序树、平衡树、红黑树、B树、B+树

参考链接：https://www.bilibili.com/video/BV1mY4y1W7pS

数据结构可视化工具：https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

问题引出：一般是什么原因导致从磁盘查找数据效率低？

通过索引来更快的查询数据，那么如何设计文件系统的索引结构？

1. 线性的数据结构，比如数组

问题：查询效率为O(n)，且如何涉及到插入和删除，效率很低。

2. 哈希表

问题：
1、hash冲突后，数据散列不均匀，产生大量线性查询，效率低。
2、等值查询可以，但是遇到范围查询，得挨个遍历，hash就不合适了。

---

考虑用树的结构

3. 二叉树

问题：二叉树是没有顺序的，依然需要每个节点都遍历

4. 二叉排序树或称为二叉查找树 BST

查找效率 O(log n)

问题：假如插入顺序的时候是按照从小到大插入的，就会变成如下顺序结构，查询效率也会变成O(n)

• 平均查找长度与树的高度有关
• 平均查找长度越小，查找速度越快，所以要让树尽可能的矮

5. 平衡二叉树 AVL：

什么是平衡二叉树？
1、平衡二叉树首先是二叉排序树
2、满足每个节点的平衡因子绝对值不大于1
参考链接：https://www.bilibili.com/video/BV1d7411u79x

为了解决二叉排序树极端情况变成线性结构，因此引入了平衡因子的概念，平衡因子其实就是一个数值，左子树的高度 - 右子树的高度 的绝对值。
比如：

如何构造平衡二叉树呢？参考如下教程：https://www.bilibili.com/video/BV1s64y157Vn

问题：用插入的成本来弥补查询的效率，但一旦出现插入的成本比查询操作多，就不划算了。

6. 红黑树

由于平衡二叉树的构造非常好性能，因此有了红黑树。

缺点：如果数据量特别大，树足够的深呢？那么查找效率还是会降低。

7. B树

注意B-Tree 其实是B树，中间的-是横杠，在国内翻译错了，但是有B+树。

B树就是一个有序的多路查询树

8. B+树

非叶子节点只存记录和指针，叶子节点只存数据。这样能解决一下子从磁盘读取更多索引内容。