B 트리와 R 트리 비교-링크 된리스트 만 묶여 있지 않습니까?

저는 B Tree에 익숙합니다. 주로 데이터베이스에 전기, 에어컨 및 하드 드라이브 공간을 제대로 공급해야합니다. 이중 (doubl [ie, ey]?) 링크 목록과 연결합니다.

오늘 점심 시간에 개발자 중 한 명이 R 트리를 언급했습니다.

나는 Wikipedia에 뛰어 올라 독서를 시작했다. 키가 큰 B 나무처럼 끔찍하게 들렸습니다. 안타깝게도, 수학 배경이 깊지 않으면 일부 동료의 의견을 이해하기가 어렵습니다.

누군가가 B 트리와 R 트리의 몇 가지 차이점을 명확히 할 수 있기를 바랐습니다. 어쨌든 그 남자들에게 물어볼 수도 있지만, 그들이 내 질문에 대답 할 것이라는 보장은 없습니다. 그들이 하나님에 대해 무엇을 알고 있을지 모를 것입니다. . .

R 트리는 b- 트리의 일반화로 생각할 수 있습니다. b- 트리가 포함 된 키의 "바운드 범위"를 통해 O (log n) 액세스를 제공하는 경우 R 트리는 포함 된 키의 "K 차원 영역"을 통해 O (log n) 액세스를 제공합니다.

우편 번호를 카운티 이름에 매핑하려는 경우 B- 트리를 사용할 수 있습니다. "60000에서 61000 사이의 우편 번호를 가진 모든 카운티는 무엇입니까?" 그러나 B-Tree는 키를 단일 차원으로 만 주문하기 때문에 GPS 좌표를 "시카고에서 100 마일 이내에있는 모든 카운티는 무엇입니까?"와 같은 쿼리의 카운티 이름에 매핑하기에는 적합하지 않습니다. R-Tree는 겹치는 경계 상자에 따라 키를 분할하므로 여러 차원에서 쿼리해야 할 때 키를 저장하는 자연스러운 방법입니다.

목록이 구성되는 방식 (특히 요소가 추가 및 제거되는 방법, 해당되는 경우 노드의 균형이 조정되는 방식)을 무시하는 한 대부분의 트리 구조는 링크 된 목록 형태로 축소 될 수 있습니다. 본질적으로 한 데이터 구조를 다른 데이터 구조와 구별하는 삽입 / 삭제 / 검색 알고리즘입니다.

R-Tree의 노드에는 일반적으로 경계 상자가 포함되어있어 특정 위치에서 "가까운"레코드를 검색하려는 경우 필요할 수 있으므로 위치를 효율적으로 색인화 할 수 있습니다. B- 트리의 요소는 순서가 간단합니다. 어떤 것이 다른 요소보다 크거나 같은지 직접 비교할 수 있습니다. R-Tree에서 각 항목의 목적은 경계 상자에 포함 된 요소를 결정하는 것입니다.

B-Tree를 사용하면 하드 디스크와 같은 보조 메모리에서 주문 가능한 항목을 효율적으로 검색 할 수 있으며 R-Tree를 사용하면 특정 지점 또는 경계 상자에서 "가까운"또는 "가까운"요소를 효율적으로 검색 할 수 있습니다. 보조 메모리에서.