动态查找树主要有：二叉查找树（Binary Search Tree），平衡二叉查找树（Balanced Binary Search Tree），红黑树(Red-Black Tree )，B-tree/B+-tree/ B*-tree (B~Tree)。前三者是典型的二叉查找树结构，其查找的时间复杂度 O(log2N) 与树的深度相关，那么降低树的深度自然会提高查找效率。

问题背景

今天，看到Twitter的DBA团队发布了其最新的MySQL分支：Changes in Twitter MySQL 5.5.28.t9，此分支最重要的一个改进，就是修复了MySQL 的Bug #67718：InnoDB drastically under-fills pages in certain conditions。关于此Bug的详细描述，以及如何重现此问题，可以阅读以上的Bug链接，以下简单描述下此Bug对应的问题：

在计算机科学中，trie 又称前缀树或字典树，是一种有序树，用于保存关联数组，其中的键通常是字符串。与二叉查找树不同，键不是直接保存在节点中，而是由节点在树中的位置决定。一个节点的所有子孙都有相同的前缀，也就是这个节点对应的字符串，而根节点对应空字符串。一般情况下，不是所有的节点都有对应的值，只有叶子节点和部分内部节点所对应的键才有相关的值。

作用于二叉查找树上的基本操作（如查找，插入等）的时间复杂度与树的高度成正比。对一个含 n 个节点的完全二叉树，这些操作的最坏情况运行时间为 O(log n)。但如果因为频繁的删除和插入操作，导致树退化成一个 n 个节点的线性链（此时即为一个单链表），则这些操作的最坏情况运行时间为 O(n) 。为了克服以上缺点，很多二叉查找树的变形出现了，如红黑树、AVL树，Treap树等。

场景

之前我们讲到 二叉搜索树 ，从二叉搜索树到 2-3树 到 红黑树 到 B-树。

堆

学习过了二叉查找树，想必大家有遇到一个问题。例如，将一个数组 {1,2,3,4} 依次插入树的时候，形成了如下(a)的情况。有建立树与没建立树对于数据的增删查改已经没有了任何帮助，反而增添了维护的成本。而只有建立的树如下（b），才能够最大地体现二叉树的优点。

本篇文章中，我们将介绍常见的树形结构及其常用操作的运算复杂度。

raymondCaptain 2017.11.02

为什么要进行算法分析？

2013年09月20日 16:01:26 zolalad

2017年07月14日 17:24:32 浮生忆梦

张晓龙 2016.11.22

Go的错误处理一直被吐槽太繁琐, 作为主要用GO的攻城狮, 经常写 if err!=nil, 但是如果想偷懒, 少带了上下文信息, 直接写 if err!=nil { return err} 或者 fmt.Errorf 携带的上下文信息太少了的话, 看到错误日志也会一脸懵逼, 难以定位问题.

**2016年04月29日 / elian **

不要将 redis 和 mysql 混为一谈

在接触 redis 之前，相信很多人都有 mysql 的使用经验。

今天来分享一下Redis几道常见的面试题：

常见问题

1、什么是Redis？