update rb tree

4 Tree/7-B树/B树.md

@@ -1,7 +1,6 @@
+# B树
 
-## B树
-
-平衡查找树，一种多路查找树。
+一种多路平衡查找树。
 
 能保证数据插入和删除情况下，任然保持执行效率。
 

4 Tree/9-红黑树 R-B tree/红黑树.md

@@ -7,6 +7,7 @@
 
 ### 应用场景
 
+* C++ STL的map和set
 * java 中 HashMap、TreeMap 的底层实现，当HashMap中元素大于8个时，HashMap底层存储实现改为红黑树，以提高元素搜索速度。
 关于 HashMap 实现解析参考 [这里](../../3%20HashTable/HashMap%20in%20Java.md)
 * 广泛应用Linux 的进程管理、内存管理，设备驱动及虚拟内存跟踪
@@ -26,12 +27,25 @@
 
 在每个节点增加一个存储位表示节点的颜色，可以是红或黑（非红即黑）；通过对任何一条从根到叶子的路径上各个节点着色的方式的限制，红黑树确保没有一条路径会比其它路径长出两倍；
 
-因此，红黑树是一种弱平衡二叉树（由于是弱平衡，可以看到，在相同的节点情况下，AVL树的高度低于红黑树）。相对于要求严格的AVL树来说，它的旋转次数少，所以对于搜索，插入，删除操作较多的情况下，我们就用红黑树。
+因此，红黑树是一种弱平衡二叉树（由于是弱平衡，可以看到，在相同的节点情况下，AVL树的高度低于红黑树）。相对于要求严格的[AVL树](../3-平衡树AVL/README.md)来说，它的旋转次数少，所以对于搜索，插入，删除操作较多的情况下，我们就用红黑树。
 
 
 也就是说，红黑树牺牲掉一定的平衡性（牺牲查找性能），换来了 插入，删除操作时 更少的旋转次数带来的开销。
 
 
+### 红黑树 & B+ 树对比
+
+* 红黑树多用在内部排序，即全放在内存中的
+* B+树多用于外存上时，B+也被成为一个磁盘友好的数据结构； 这也是为什么 mysql索引使用b+树而不使用红黑树
+
+
+为什么使用 红黑树 而不是 B+ 树呢？原因如下：
+
+* 没有范围查找, 不需要 B+
+* 不需要多路平衡树，使用二路平衡，实现简单，且红黑树能兼顾 查找，删除操作的性能
+
+
+
 
 
 

4 Tree/91-反向索引/反向索引.md

@@ -1,6 +1,5 @@
 # 反向索引
 
-
 正排索引如 mysql中的索引实现 ，通常使用 B+ 树实现。 反向索引如何来实现呢？
 
 ### 应用场景

4 Tree/README.md

@@ -5,13 +5,13 @@
 * 二叉树
 * 二叉查找树
 * AVL树
+* 红黑树
+* B树 : B树, B+树(mysql索引使用B+树的数据结构)
 * 字典树trie(前缀树，单词查找树)
 * 伸展树
 * 后缀树
-* B树 : B树, B+树(mysql索引使用B+树的数据结构)
 * 红黑树
 * 二叉堆（优先队列）
-* 红黑树
 * Treap 树
 * 赫夫曼编码 Huffman
 
@@ -24,6 +24,9 @@
 ## [AVL树](3-平衡树AVL/README.md)
 
 
+## [红黑树](9-红黑树%20R-B%20tree/红黑树.md)
+
+
 ## [字典树trie](4-字典树Trie/README.md)
 
 字典树也叫前缀树，单词查找树
@@ -43,7 +46,6 @@
 ## [二叉堆](8-堆/堆.md) 
 
 
-## [红黑树](9-红黑树%20R-B%20tree/红黑树.md)
 
 
 ## 赫夫曼编码 Huffman