用于搜索文件的最佳磁盘数据结构？答案

【问题标题】：Optimal on-disk data structure for searching a file?用于搜索文件的最佳磁盘数据结构？
【发布时间】：2011-07-02 08:26:24
【问题描述】：

我花了几个小时阅读与该问题相关的帖子，以尝试提出解决方案，但我并没有真正成功地提出解决方案。

这里是这样：我曾经在一次采访中被问到，如果文件中存在特定的单词，我将使用哪种数据结构来搜索。该文件也被认为大到无法放入内存中，面试官确实在寻找磁盘上的解决方案。

B-Tree 是磁盘上的数据结构吗？

二叉搜索树不是内存中的数据结构吗？

【问题讨论】：

我认为您的问题是“B-tree 在磁盘上吗？”。 “二叉树在磁盘上吗？”。看起来你写了一些东西，但实际上意味着其他东西:-) 令人惊讶的是，阅读这个问题的人似乎已经理解了你真正想要的东西！
对不起，如果我让您感到困惑 - 我试图做的是建立一个上下文，然后提出问题。我实际上是在寻找是否有任何我没有听说过的数据结构，以及我的答案（给面试官）是否正确。 :)

【解决方案1】：

两者都只是数据结构，既可以在磁盘上，也可以在内存中。这取决于您选择如何使用它们。

顺便说一句，B 树的动机是需要具有磁盘结构。从某种意义上说，二叉搜索树只是 B 树的一种特殊情况。

【讨论】：

@Moron (lol!) - 你如何指定数据结构是在磁盘上还是在内存中使用？（如果这是一个非常幼稚的问题，我很抱歉！）
@user：这不像是配置参数！您必须考虑将数据结构存储在磁盘上需要什么。例如，在二叉搜索树（甚至 Btree）中，指向另一个节点的指针可以转换为您在文件中查找的偏移量。
这应该是公认的答案，任何DS都可以在任何地方使用，它是关于效率。

【解决方案2】：

您想使用一种将一个节点映射到一页磁盘空间的数据结构。这将最大限度地减少磁盘活动。

因为 B-Tree 经常用于此目的。请参阅http://en.wikipedia.org/wiki/B-tree，特别是“搜索排序文件的时间”部分。

【讨论】：

【解决方案3】：

这里确实有两个不同的可能问题：

第一个问题通过 Boyer-Moore 和对文件的线性搜索有效地解决了。如果您只搜索一次，那么构建索引完全是浪费时间。

关于第二个问题，听起来面试官真的是在推B-Trees。

【讨论】：