Main class [org.apache.oozie.action.hadoop.HiveMain], exit code [10]

RuntimeException: java.lang.ClassNotFoundException: Class org.apache.oozie.action.hadoop.SparkMain not found at org.apache.hadoop.conf.Configuration.getClass(Configuration. at org.apache.oozie.action.

1) 2018-10-19 CDH OOZIE UI页面打不开： 解决： 把下载好的ext-2.2.zip拷贝到Oozie主机的/var/lib/oozie目录下 运行命令unzip ext-2.2.zip解压（没有包就下载） 2)运行spark2报错： ava.lang.NoClassDefFoundError: scala/runtime/LambdaDe...

1.需要在oozie-site.xml设置如下属性：<property> <name>hadoop.proxyuser.cenyuhai.hosts</name> <value>*</value> </property> <property> <name&gt

B+Tree 是 B 树的一种变形，每个节点包含多个键值对和指向子节点的指针。与 B 树不同，B+Tree 所有数据记录都存放在叶子节点，且叶子节点之间通过双向链表连接。非叶子节点仅作为索引，存放键值和指向子节点的指针，这些键值是对应子节点中键值的最大值或最小值。例如在一个简单的 B+Tree 中，非叶子节点可能存储着 10、20、30 这些键值，分别指向包含小于 10、10 到 20、20 到 30 这些数据范围的子节点。B树是 B+ 树的一种变体，在B+树的非根和非叶子结点再增加指向兄弟的指针。

数据结构：红黑树；B树；B+树

B+树索引是B+树在数据库中的一种实现，是最常见也是数据库中使用最为频繁的一种索引。B+树中的B代表平衡（balance），而不是二叉（binary），因为B+树是从最早的平衡二叉树演化而来的。在讲B+树之前必须先了解二叉查找树、平衡二叉树（AVLTree）和平衡多路查找树（B-Tree），B+树即由这些树逐步优化而来。 二叉查找树 二叉树具有以下性质：左子树的键值小于根的键值，右子树的键值大于根的键值。 如下图所示就是一棵二叉查找树。 对该二叉树的节点进行查找发现深度

B+树的非叶子节点只存储key值,做索引使用,一页能存储更多的key的值,树的高度越低B+树的叶子结点相连，对整颗树的遍历只需要一次遍历叶子结点即可 区间查找B树：每个节点都包含key和value，根据key值查找value的时候,只要找到key，就能立马找到valueB树一般用做磁盘 B+树一般用作数据库。

摘要 B树与B+树是专为磁盘存储优化的多路平衡搜索树，通过减少树高和批量读取提升I/O效率。B树通过多路分支（如100阶树仅需4次I/O访问1亿数据）和节点磁盘页对齐设计解决二叉树磁盘I/O瓶颈。B+树在B树基础上改进：数据仅存于叶子节点、内部节点作索引、叶子双向链表连接，具有更高扇出、更优范围查询和稳定查询路径。本文详细解析了B/B+树的定义性质、插入删除操作流程（包括节点分裂合并机制），并提供Java实现代码示例。这两种数据结构是数据库索引、文件系统的核心基础，能有效管理海量有序数据。

B-树的插入，模拟实现B-树，B+树，B*树。

在MySQL的InnoDB引擎中，主键索引的B+树结构允许快速定位单条记录，同时支持高效的全表扫描和范围查询。

B树（B-Tree）是一种自平衡的多路搜索树，专门为减少磁盘I/O而设计。它的名字中的"B"可能代表"Balanced"（平衡）或发明者"Bayer"。B+树是B树的一种变形，是数据库索引最常用的数据结构。它在B树的基础上进行了重要优化。

数据库索引——B+树索引 索引是一种数据结构，用于帮助我们在大量数据中快速定位到我们想要查找的数据。 索引最形象的比喻就是图书的目录了。注意这里的大量，数据量大了索引才显得有意义 索引在 MySQL 数据库中分三类： B+ 树索引 Hash 索引 全文索引 B+树索引 B+树进化具有的优点： 索引节点没有数据，比较小，能够完全加载到内存中 而且叶子节点之间都是链表的结构，所以B+Tree也是可以支持范围查询的，而B树每个节点key和data在一起，则无法区间查找 B+树中因为数据都在叶子节点，每次查询

特性B树B+树B*树数据存储位置所有节点（键+数据）仅叶子节点（键+数据）仅叶子节点（键+数据）非叶子节点作用索引+数据仅索引仅索引叶子节点结构独立，无连接双向有序链表双向有序链表查询性能不稳定（可能在非叶子节点命中）稳定（必须到叶子节点）稳定（必须到叶子节点）范围查询效率低（中序遍历，随机I/O）效率极高（链表顺序遍历）效率极高（链表顺序遍历）节点填充率至少半满 (ceil(m/2)至少半满 (ceil(m/2)至少2/3满ceil(2m/3)分裂策略节点满则分裂成两个。

数据库索引是提高数据库查询效率的重要数据结构，它可以帮助系统快速定位到特定数据。理解索引的结构对于数据库性能优化至关重要。在这一章节中，我们会简要介绍索引的基本概念，以及它如何在关系型数据库中发挥作用。索引可以基于不同的数据结构，比如B树、B+树、B*树和R树等。这些结构针对不同的查询类型和数据操作进行了优化，例如，B树和B+树擅长处理范围查询，而R树则在多维空间数据索引方面表现出色。B树（B-Tree）是一种平衡多路查找树。

在介绍B树之前，我们回顾一下我们学的树。首先是二叉树，这个不用多说，然后为了查找的效率，我们提出了搜索二叉树（或者称为二叉搜索树），就是节点类加个key值，然后左边小右边大的那个。然后为了避免极端情况的出现，就是二叉搜索树节点集中在一侧的情况，我们提出了平衡二叉树，就是带自旋的，可以左旋或者右旋的，高度差小于1的那种，平衡二叉树里面有AVL树和红黑树两种实现方式，注意，平衡二叉树是在二叉搜索树的基础上提出的，所以平衡二叉树也叫平衡二叉搜索树。下面介绍一下B树。

简要介绍B树和B+树的区别