El Omnipresente rbol-B.

DOUGLAS COMER.

Departamento de Ciencia Computacional, Universidad de Purdue, West Lafayette, Indiana 47907

----------------------

Los rboles B han llegado a ser, de hecho, un estndar para la organizacin

de ficheros. Los ficheros dedicados a usuarios, a sistemas de base de datos, y
a mtodos de acceso de propsito general, han sido propuestos e implementados
usando rboles-B.

Palabras clave y Expresiones: rbol-B, rbol-B*, rbol-B+, organizacin de fichero, ndice.

Categoras CR: 3.73 3.74 4.33 4.34

_________________________
INTRODUCCIN.
Las facilidades del almacenamiento secun-
dario disponible en un gran sistema infor-
mtico, permiten al usuario almacenar,
actualizar, y retirar datos de grandes colec-
ciones de informacin llamadas ficheros.
Un ordenador debe recuperar un elemento
y colocarlo en memoria principal, antes de
que pueda ser procesado. Para hacer un
buen uso de los recursos del ordenador,
este debe organizar los ficheros inteligen-
temente, haciendo los procesos de recupe-
racin de manera eficiente.
La eleccin de una buena organizacin
de ficheros depende del tipo de recupera-
cin que va a ser realizada. Hay dos clases
generales de ver la recuperacin que pue-
den ser ilustradas por los siguientes ejem-
plos:
-Secuencial: "De nuestro archivo de em-
pleados, preparar una lista de los nombres
y apellidos de todos los empleados ", y
-Aleatorio: "De nuestro archivo de em-
pleados, extraer la informacin sobre el
empleado J. Smith ".
Una peticin secuencial requiere una bs-
queda para examinar el fichero, una carpe-
ta cada vez. De distinta manera, una peti-
cin aleatoria implica, que la bsqueda
guiada por las etiquetas de los cajones y
carpetas, necesita solo extraer una carpeta.
Asociado con un gran fichero de acceso
aleatorio en un sistema informtico est un
ndice, que como las etiquetas sobre los
cajones y las carpetas del archivo escrito-
rio, acelera la recuperacin por direccionar
la bsqueda a la pequea parte del fichero
que contiene el elemento deseado. La Fi-
gura 1, representa un archivo y su ndice.
Un ndice puede estar fsicamente integra-
do con el fichero, como las etiquetas de las
carpetas de los empleados, o fsicamente
separados, como las etiquetas de los cajo-
nes. Normalmente, el ndice mismo es un
fichero. Si el fichero ndice es grande, otro
ndice puede ser construido sobre la parte
ms alta de este para favorecer una recupe-
racin mas rpida y as sucesivamente. La
jerarqua resultante es similar a la del ar-
chivo de empleados, donde el ndice mas
alto esta formado de etiquetas sobre cajo-
nes y el ndice de siguiente nivel consiste
en etiquetas sobre carpetas.

Podemos imaginar un escritorio lleno con

tres cajones de carpetas, una carpeta para
cada empleado. Los cajones pueden estar
etiquetados "A-G", "H-R", y "S-Z", mien-
tras que las carpetas pueden estar clasifi-
cadas por los apellidos de los empleados.
 2z El Omnipresente rbol-B

CONTENIDO Han sido propuestas muchas tcnicas

para la organizacin de un fichero y su
INTRODUCCIN
ndice; Knuth [KNUTH73] proporciona un
Operaciones sobre un fichero examen de las bsicas. Aunque un simple
esquema no puede ser el ptimo para todas
1. EL RBOL-B BSICO las aplicaciones, la tcnica de organizacin
Equilibrado de un fichero y su ndice llamada rbol-B
Insercin
Borrado
ha llegado a ser ampliamente utilizada. El
rbol-B es, de hecho, la organizacin es-
2. EL COSTE DE OPERACIONES tndar para ndices en un sistema de base
Costes de recuperacin de datos. Este artculo, esta hecho para los
Costes de insercin y borrado profesionales de la informtica que han
Procesamiento secuencial
odo hablar sobre los rboles-B y quieren
3. VARIANTES DE RBOL-B alguna explicacin o consejo para una lec-
rboles-B* tura mas rpida, comparando varias varia-
rboles-B+ ciones del rbol-B, especialmente el rbol-
rboles-B virtuales B+, mostrando porque ha llegado a ser tan
Compresin
popular. Examina la literatura sobre rbo-
Entradas de longitud variable
rboles-B binarios les-B incluida en artculos recientes no
Arboles 2-3 y resultados tericos mencionados en libros de texto. En suma,
discute un mtodo de acceso a fichero, de
4. RBOLES-B EN UN ENTORNO propsito de general basado en el rbol-B.
MULTIUSUARIO
Seguridad
El punto de comienzo de nuestra discu-
5. UN MTODO DE ACCESO DE PROPSITO sin es una estructura de almacenamiento
GENERAL USANDO RBOLES-B. interno llamada rbol binario de bsqueda.
Mejoras del rendimiento En concreto, empezamos con el equilibra-
Directorio de fichero estructurado en rbol do de los rboles binarios de bsqueda y el
Otras facilidades VSAM
porqu de su garantizado bajo coste de
RESUMEN recuperacin. Para un examen de los rbo-
AGRADECIMIENTOS les binarios de bsqueda y otros mecanis-
REFERENCIAS

----------------------------------------

Las jerarquas naturales, como la for-

mada al considerar los apellidos como en-
tradas de ndices, no siempre produce el
mejor rendimiento cuando se usan en un
sistema informtico.
Normalmente, una nica clave es asig-
Figura 1. Un archivo y su ndice en almacenamien-
nada a cada elemento del fichero, y toda la to secundario
recuperacin se solicita especificando la
clave. Por ejemplo, cada empleado podra mos de almacenamiento interno, la lectura
tener asignado un nico numero de em- se refiere a SEVE74 y NIEV74. NIEV74.
pleado que identificara que empleado esta Tambin explica los trminos de la teora
registrado. En vez de clasificar los cajones de grafos "rbol", "nodo", "contorno", "ra-
del escritorio "A-G", etc., usaran rangos z", "camino", y "rama" que sern usados
de nmeros de empleados como "0001"- en toda la discusin.
"3000".

Computing Surveys, Vol. 11, N 2, Junio 1979


El recordatorio de esta introduccin
presenta un modelo de los procesos de
recuperacin y perfila las operaciones de
fichero a considerar. La Parte 1 presenta el
rbol-B bsico propuesto por Bayer y
McCreight, dando los mtodos para la in-
sercin, borrado, y localizacin de elemen-
tos. As, para cada tipo de operacin, la
Seccin 2 examina el coste y concluye que
el procesamiento secuencial puede ser ca-
ro. En muchos casos, cambiar la imple-
mentacin puede abaratar los costes. La
Seccin 3 muestra variaciones del rbol-B
que han sido desarrollados para que esto
ocurra. Ampliando sobre las variaciones de
rbol-B, la Seccin 4 revisa los problemas
de mantenimiento de un rbol-B en un
entorno multiusuario y perfila soluciones
para problemas de concurrencia y seguri-
dad. Finalmente, la Seccin 5 presenta un
mtodo de acceso a fichero, de propsito
general de IBM que se basa en el rbol-B.
Operaciones sobre un Fichero
Para los propsitos de este artculo, pen-
samos en un fichero como un conjunto de
n registros, cada uno de la forma r=(ki,i),
en el llamamos ki a la clave para el -isimo
registro, y i la informacin asociada. Por
ejemplo, la clave para un registro de em-
pleados podra ser un nmero de empleado
de cinco dgitos, mientras que la informa-
cin asociada podra consistir en el nom-
bre, direccin, sueldo, y numero de subor-
dinados del empleado. Asumimos que la
clave ki solamente identifica al registro ri.
Adems, asumimos que aunque la clave es
mucho ms corta que la informacin aso-
ciada, el conjunto de todas las claves es
demasiado grande para encajar en la me-
moria principal. Estas suposiciones impli-
can que si los registros son recuperados
aleatoriamente mediante las claves, sera
ventajoso construir un ndice para una re-
cuperacin ms rpida. Ya que el conjunto
de todas las claves no encaja en la memo-
ria principal, el propio ndice debe ser ex-
terno. Finalmente, asumimos que las cla-
3z El Omnipresente rbol-B
ves tienen un orden natural, digamos alfa-
btico, as que podemos referirnos al orden
de la secuencia de claves de un archivo.
Las operaciones que un usuario dirige
contra un archivo son insercin, borrado,
recuperacin y actualizacin de registros.
Adems, los usuarios frecuentemente pro-
cesan el archivo secuencialmente, en el
orden de la secuencia de claves, empezan-
do en un punto determinado. A menudo,
ese punto de comienzo es el principio del
archivo. Un conjunto de funciones bsicas
que soportan tales operaciones es:
insertar: aade un nuevo registro, (ki, i),
verificando que ki es nico,
borrar: borra el registro (ki, i) dado por
ki,
encontrar: recupera i asociada a ki,
siguiente: recupera y + 1 siendo y la lti-
ma que se recuper (por ejemplo, en el
proceso secuencial de un archivo.)
Para una determinada organizacin del
archivo, hay costos asociados con el man-
tenimiento del ndice y con la ejecucin de
cada una de estas funciones. Ya que el
ndice est destinado a la velocidad de re-
cuperacin, el tiempo de proceso es nor-
malmente tomado como la principal medi-
da del coste. Con la tecnologa del hardwa-
re actual, el tiempo requerido para acceder
al almacenamiento secundario es el com-
ponente principal del tiempo total requeri-
do para procesar los datos. Adems, en la
mayora de los accesos aleatorios a un
dispositivo se transfiere una cantidad fija
de datos por operacin de lectura, as que
el tiempo total requerido est linealmente
relacionado con el nmero de lecturas. Por
eso, el nmero de accesos al almacena-
miento secundario sirve como una razona-
ble medida del costo en la evaluacin de
las tcnicas del ndice. Otro coste menos
importante incluye el tiempo en procesar
los datos una vez han sido puestos en la
memoria principal, la utilizacin del espa-
cio de almacenamiento secundario, y la
Computing Surveys, Vol. 11, N 2, Junio 1979

proporcin entre el espacio requerido por
el ndice y el espacio requerido por la in-
formacin asociada.
1. EL RBOL-B BSICO
El rbol-B tiene una corta pero importante
historia. A finales de los aos 60, fabri-
cantes de computadoras y grupos de inves-
tigacin independientes, compitieron en el
desarrollo de sistemas de archivo de pro-
psito general y los llamados "mtodos de
acceso" para sus mquinas. La Sperry Uni-
vac Corporation (junto con la Case Wes-
tern Reserve University), H. Chiat, M.
Schwartz, y otros desarrollaron e imple-
mentaron un sistema, el cual llevaba a cabo
las operaciones de insercin y bsqueda de
una manera afn al mtodo del rbol-B que
describiremos brevemente. Independien-
temente, B. Cole, S. Radcliffe, M. Kauf-
man, y otros desarrollaron un sistema simi-
lar al de Control Data Corporation (junto
con la Stanford University). R. Bayer y E.
McCreight, entonces en los Boeing Scien-
tific Research Labs, propusieron un meca-
nismo externo para el ndice con un costo
relativamente bajo para la mayora de las
operaciones definidas en la seccin ante-
rior; lo llamaron rbol-B (1) [ BAYE72].
Esta seccin presenta las estructuras de
datos bsicas del rbol-B y los algoritmos
de mantenimiento como una generaliza-
cin de los rboles de bsqueda binaria en
la cual salen ms de dos caminos de un
mismo nodo; la siguiente seccin discute
sobre lo costos de cada operacin. Otras
introducciones generales pueden encon-
trarse en HORO76, KNUT73, y WIRT76.
(1)
El origen del "Arbol B" nunca ha sido explicado por
los autores. Como podemos ver, "balanced" (equilibra-
do), "broad" (extenso), o "bushy" (espeso) podran
aplicarse. Otros sugieren que la "B" representa a Boeing.
A causa de estas contribuciones, sin embargo, parece
apropiado pensar en los rboles-B como rboles -
"Bayer".
4z El Omnipresente rbol-B
Hay que tener en cuenta que en un r-
bol binario de bsqueda, la rama elegida
en un nodo depende del resultado de una
comparacin de la clave buscada y de la
clave almacenada en el nodo. Si la clave
buscada es menor que la clave almacenada,
se elige la rama de la izquierda; si es ma-
yor, se sigue por la rama de la derecha. La
Figura 2 muestra parte de un rbol utili-
zado para almacenar los nmeros de em-
pleados, y el camino elegido para la clave
de bsqueda 15.
Veamos ahora la Figura 3 en la que se
muestra un rbol de bsqueda modificado
con dos claves almacenadas en cada nodo.
La bsqueda se realiza mediante la elec-
cin de uno de los tres caminos de cada
nodo. En el dibujo, la clave buscada, 15, es
Figura 2. Parte de un rbol binario de bsqueda
para nmeros de empleado. El camino seguido
para la bsqueda 15 est sobreimpreso.
Figura 3. Un rbol de bsqueda con 2 claves y 3
ramas por nodo. El camino para la bsqueda 15
est sobreimpreso.
menor que 42 por lo que tomaremos el
nodo ms a la izquierda de los de la raz.
Para las claves entre 42 y 81 se elige el
descendiente central, mientras que elegi-
remos el ms a la derecha para aquellas
claves mayores de 81. El procedimiento de
decisin se repite en cada nodo hasta que
Computing Surveys, Vol. 11, N 2, Junio 1979

se encuentra una clave exactamente igual
(xito) o hasta que se llega a una hoja
(error).
En general, cada nodo en un rbol-B de
orden d contiene como mucho 2d claves y
2d+1 punteros, como se observa en la Fi-
gura 4. De hecho, el nmero de claves
puede variar de un nodo a otro, pero cada
uno debe tener al menos d claves y d+1
punteros. Como consecuencia, cada nodo
est completo a la mitad de su capacidad.
En la implementacin ms usual un nodo
forma un registro del fichero ndice, tiene
una longitud fija capaz de almacenar 2d
claves y 2d punteros, y contiene informa-
cin adicional, que nos informa de cuntas
Figura 4. Un nodo en un rbol-B de orden d con
2d claves y 2d + 1 punteros.
estn almacenadas correctamente en el
nodo.
Normalmente, los nodos con gran nmero
de claves no pueden ser almacenados en
memoria principal y requieren accesos a
memoria secundaria cada vez que es nece-
sario consultarlos. Ms adelante, veremos
como, bajo un criterio de coste, mantener
ms de una clave por nodo disminuye el
coste de las operaciones de bsqueda, in-
sercin, y borrado.
La belleza de los rboles-B reside en los
mtodos para insertar y borrar registros,
que dejan siempre el rbol balanceado. Al
igual que en el caso de los rboles binarios
de bsqueda, inserciones aleatorias de re-
gistros dentro de un fichero pueden dejar el
rbol sin balancear. Mientras que un rbol
no-balanceado como el que se muestra en
la Figura 5a, tiene algunas ramas ms lar-
gas que otras, un rbol balanceado, como
el mostrado en la Figura 5b, tiene todas
las hojas a la misma profundidad. Intuiti-
5z El Omnipresente rbol-B
vamente, los rboles-B tienen una forma
como la que se muestra en la Figura 6. El
camino ms largo en un rbol-B de n cla-
ves contiene como mucho unos logd (n)
nodos, siendo d el orden del rbol-B. Una
operacin de bsqueda puede visitar n no-
dos en un rbol no balanceado indexando
un fichero de n registros, pero en un fiche-
ro igual con estructura de rbol-B de or-
den d no visitara mas de 1+logd(n) nodos.
Puesto que cada visita requiere un acceso
al dispositivo de almacenamiento secunda-
rio, el balanceo del rbol tiene un gran
ahorro potencial. Se han propuesto varios
esquemas para rboles balanceados (ver
Figura 5. (a) Un rbol no balanceado con muchos
caminos largos y (b) un rbol balanceado con todos
los caminos hasta las hojas exactamente de la mis-
ma longitud.
NIEV74, FOST65, KARL76 como ejem-
plos). Cada esquema requiere un tiempo de
cmputo para realizar el balanceo, por lo
que el ahorro en las operaciones de recupe-
racin debe ser mayor que el tiempo de
balancearlo. El esquema de balanceo del
rbol-B restringe los cambios en el rbol a
una sola rama desde las hojas al raz, as
que no se puede producir una 'fuga' en la
raz. Adems el mecanismo de balanceo,
Computing Surveys, Vol. 11, N 2, Junio 1979

utiliza almacenamiento extra para reducir
los costes de balanceo, (supuestamente el
almacenamiento secundario es barato
comparado con el tiempo de bsqueda).
Figura 7. (a) Un rbol-B de orden 2, y (b) el mismo rbol, tras la insercin de la clave 57, Ntese que el
nmero de claves en el nodo raz puede ser menos que d, el orden del rbol-B. Todos los dems nodos
tienen como mnimo d claves.
Por lo tanto, los rboles-B tienen las
ventajas del esquema de un rbol ba-
lanceado, mientras evita algunos de los
costes (en tiempo) de mantenimiento.
Insercin
Para ilustrar cmo se mantiene el balan-
ceado durante la insercin, considrese
la Figura 7a la cual muestra un rbol-B
de orden 2. Puesto que cada nodo en un
rbol-B de orden d contiene entre d y 2d
claves, cada nodo del ejemplo tiene
entre 2 y 4 claves. En cada nodo debe
existir un indicador (que no est refleja-
do en la figura) para informar sobre el
nmero de claves que tiene el nodo. La
insercin de un nuevo nodo requiere un
proceso de dos pasos. Primero, un pro-
6z El Omnipresente rbol-B
Figura 6. La forma de un rbol-B de orden d como
ndice de un archivo con n registros.
ceso de bsqueda desde la raz para
localizar la hoja apropiada para la inser-
cin. Entonces se realiza la insercin, y
se restablece el balanceado del rbol
mediante un procedimiento, el cual se
aplica desde la hoja hacia la raz. Refi-
rindonos a la Figura 7a, uno puede ver
que cuando inserta la clave 57" la bs-
queda termina sin xito en la cuarta
hoja. Ya que la hoja puede alojar otra
clave, se inserta la clave nueva simple-
mente, dando lugar al rbol que se
muestra en la Figura 7b. Si se inserta la
clave 72", sin embargo, habra compli-
caciones porque la hoja correspondiente
ya est llena. Cuando quiera que una
clave necesite insertarse en un nodo que
ya est lleno, ocurre una divisin: se
divide el nodo como se muestra en la
Computing Surveys, Vol. 11, N 2, Junio 1979

Figura 8. (a) Una hoja y su antecesor en un
rbol-B, y (b) el mismo rbol tras la insercin
de la clave 72. cada nodo conserva entre 2 y 4
claves (d y 2d).
Figura 9. El borrado de la clave 17 requiere
encontrar la siguiente clave en secuencia, 21,
e intercambiarla con la posicin vacante. La
siguiente clave siempre est en la hoja ms a la
izquierda del subrbol apuntado por el puntero
derecho de la posicin vaca.
Figura 8. De las 2d+1 claves, se ponen
las d ms pequeas en un nodo, las d
mayores se ponen en otro nodo, y el
Figura 10. (a) Parte de un rbol-B antes, y (b) despus de la redistribucin de nodos entre dos vecinos.
Ntese que la posicin final de la clave intermedia, 50. La redistribucin en nodos de igual tamao
ayuda a evitar underflow en sucesivos borrados.
quiere una mera bsqueda por la hoja
ms a la izquierda, en el subrbol dere-
cho del ahora slot vaco. Como en un
rbol binario, el valor requerido siempre
7z El Omnipresente rbol-B
valor restante se sube al nodo padre
donde sirve como un separador. Nor-
malmente el nodo padre alojar una
clave adicional y el proceso de inser-
cin termina. Si ocurriera que el nodo
padre estuviera lleno tambin, entonces
se aplicara el mismo proceso de divi-
sin de nuevo. En el peor de los casos,
la divisin se propaga todo el camino
hasta la raz y el rbol aumenta en altura
un nivel. De hecho, un rbol-B slo
incrementa en altura debido a una divi-
sin hacia la raz.
Borrado
El borrado en un rbol-B tambin re-
quiere una operacin de bsqueda para
localizar el nodo exacto. Hay entonces
dos posibilidades: la clave que se quiere
borrar reside en una hoja, o la clave
reside en un nodo interno. Un borrado
de un nodo interno requiere que se en-
cuentre una clave adyacente y cambiarla
en la posicin que se dej vacante de
manera que est dispuesto para trabajar
correctamente. Localizar una clave ad-
yacente en una secuencia de claves re-
reside en una hoja. La Figura 9 de-
muestra estas relaciones.
Computing Surveys, Vol. 11, N 2, Junio 1979

Una vez que el slot vaco ha sido
"movido" a una hoja, debemos verificar
para ver que por lo menos quedan d
claves. Si quedan menos de d claves en
la hoja, entonces se dice que ocurre
underflow, y se hace necesaria una re-
distribucin de las claves. Para restaurar
el equilibrio (y la propiedad de los r-
boles-B de que cada nodo tiene por lo
menos d claves) slo se necesita una
clave que se puede obtener pidindola
prestada de una hoja vecina. Pero ya
que la operacin requiere por lo menos
dos accesos a almacenamiento secunda-
rio, una mejor redistribucin dividira
uniformemente las llaves restantes entre
los dos nodos vecinos, disminuyendo el
coste de borrados sucesivos del mismo
nodo. La Redistribucin viene ilustrada
por la Figura 10.
Por supuesto, la distribucin de cla-
ves entre dos vecinos basta slo si hay
por lo menos 2d claves para distribuir.
Cuando quedan menos de 2d valores,
debe ocurrir un encadenamiento. Duran-
te un encadenamiento, se combinan las
claves simplemente en uno de los no-
dos, y se desecha el otro (observar que
ese encadenamiento es lo contrario del
fraccionamiento). Ya que queda un ni-
co nodo, la clave que separa los dos
nodos en el antecesor ya no es necesa-
ria; tambin es aadida a la nica hoja
restante. La Figura 11 muestra un
ejemplo de encadenamiento y la situa-
cin final de la clave separadora.
Cuando algn nodo pierde una clave
separadora debido a un encadenamiento
de dos de sus hijos, tambin puede cau-
sar underflow y requiere redistribucin
de uno de sus vecinos. El proceso de
encadenamiento puede forzar encade-
namiento en el siguiente nivel hacia
arriba, y as sucesivamente hasta el lle-
gar a la raz. Finalmente, si se encade-
nan los descendientes de la raz, stos
forman una nueva raz, decrementando
la altura del rbol-B en 1. Se encuen-
8z El Omnipresente rbol-B
tran algoritmos de insercin y borrado
en BAYE72. Ejemplos simples
programados en PASCAL son
proporcionados por Wirth (WIRTH76).
Figura 11. (a) Borrado que origina una conca-
tenacin, y (b) el rbol re-balanceado.
2. COSTE DE LAS OPERACIONES
Ya que visitar un nodo en el rbol-B
conlleva acceder a memoria secundaria,
el nmero de nodos que se visiten en
cada operacin sobre el rbol es lo que
nos da la medida de su coste. Bayer y
McCreight [Baye72] dan un anlisis
preciso del coste de las operaciones de
insertar, borrar y recuperar; tambin nos
dan resultados experimentales, hacia lo
que tienden los dispositivos actuales.
Knuth [KNUT73] tambin nos da las
tendencias de coste de realizar opera-
ciones sobre un rbol-B pero usando
una definicin algo diferente. En el si-
guiente prrafo se da una explicacin de
los lmites asintticos del coste.
Coste de una recuperacin
Primero, hay que considerar el coste de
la operacin de bsqueda. Excepto para
la raz, cada nodo en un rbol-B tiene al
menos d descendientes directos ya que
hay entre d y 2d descendientes por
nodo; la raz tiene al menos 2 descen-
diente. As que el nmero de nodos en
los niveles 2 0, 1, 2, ..., deben ser por lo
menos 2, 2d, 2d*d, 2d*d*d, ... Todas
las hojas tienen que estar a la misma
altura h, por lo tanto hay nodos con al
2
La raz de un rbol se encuentra enel nivel 0;
los hijos de un nodo de profundidad i-1 se en-
cuentran a profundidad i.
Computing Surveys, Vol. 11, N 2, Junio 1979

h
h d -1
i sentido terico como en el prctico.
d =
y= 0 2d -1
menos d claves cada uno. La altura de
un rbol con un total de n claves, nece-
sita cumplir:
2d( dh - 1 ) / (d -1) < = n
Si lo simplificamos nos queda
2dh < = n + 1,
o ros de hacia dnde tienden los costes de acceso
h <= log d ( (n + 1) / 2 )
De este modo, el coste de procesar una
operacin de bsqueda crece de forma
logartmica en relacin con el tamao
del fichero.
La tabla I muestra cmo puede ser
de razonable el coste logartmico, inclu-
so para fichero de gran tamao. En un
rbol-B de orden 50 que contenga las
claves que indexan un fichero de un
milln de registros, se puede realizar
una operacin de bsqueda con 4 acce-
sos como mucho. Mas adelante se ver
que esta estimacin es tirando por lo
alto, tcnicas de implementacin ms
simples disminuyen el coste en el peor
de los casos a 3 accesos y la media da
un coste an menor.
Aho et al. [AHO74] nos da otra vi-
sin del coste de las operaciones de
bsqueda en un rbol-B. Nos muestran
para el modelo de programacin de
rboles-de-decisin , en donde la bs-
queda se basa en la comparacin entre
s de los nodos, no se puede idear un
algoritmo asinttico rpido para los
accesos. Por supuesto, este modelo de
rbol descarta algunos mtodos como
las tcnicas de acceso mediante funcio-
nes hash [MAUE75]. A pesar de esto,
9z El Omnipresente rbol-B
los rboles B muestran un bajo coste en
la recuperacin de claves tanto en el
Coste de Insercin y del Borrado
El borrado o la insercin de una opera-
cin podra requerir, adems del coste
de la operacin de bsqueda cuando se
avanza por el rbol en su marcha atrs,
un coste adicional que es el acceso a
memoria secundaria. En resumen, los
costes como mucho se duplican, por lo
TABLA I : En la lnea de arriba van los nme-
en el peor de los casos, para varios tamaos de
nodos y varios tamaos de ficheros.
______________________________________
que la altura del rbol an domina las
expresiones del coste. Por esta razn en
un rbol-B de orden d que contenga
las claves de un fichero de n registros,
las operaciones de insercin y de borra-
do llevan un tiempo proporcional a logd
n en el peor de los casos.
Ahora se podra explicar la ventaja
de que los nodos puedan contener un
gran nmero de claves. A la vez que el
factor de la rama d se incrementa, tam-
bin se incrementa la base del logarit-
mo, y el coste de las operaciones de
bsqueda, insercin y borrado decre-
cen. Ahora bien, en la prctica el tama-
o de un nodo tiene las siguientes res-
tricciones: La mayora de los sistemas
hardware limitan la cantidad de datos
que se puede transferir de una sola vez
en el acceso a memoria secundaria.
Computing Surveys, Vol. 11, N 2, Junio 1979

Adems, el coste esconde el factor que
siempre est presente y que crece de
igual manera que crece el volumen de
datos a transferir. Para terminar, cada
dispositivo tiene varios tamaos de pis-
ta fijados, los cuales deben de ajustarse
para evitar el desperdicio del espacio
en memoria. De esta manera en la prc-
tica el tamao ptimo del nodo depen-
de, y mucho, de las caractersticas del
sistema y de los dispositivos en los que
se encuentre el fichero almacenado.
Bayer y McCreight [BAYE72] dan
algunas pautas aproximadas para elegir
el tamao del nodo que se basan en los
retrasos de tiempo rotacional, en la tasa
de transferencia y en el tamao de las
claves. Sus experimentos verifican que
los valores que toman sus modelos p-
timos se llevan bien a la prctica.
Proceso secuencial
Hasta ahora hemos considerado las ope-
raciones de acceso directo realizadas a
travs de una clave especfica. Nor-
malmente los usuarios desean ver el
fichero como algo secuencial, haciendo
uso de la operacin NEXT para proce-
sar todos los registros ordenados por la
clave. De hecho el llamado Mtodo de
Acceso Secuencial Indexado (ISAM)
[GH0S69], asume que el acceso se-
cuencial se da con mucha frecuencia.
Desafortunadamente, un rbol-B no
se desenvuelve bien en entornos con
procesamiento secuencial, ya que un
simple rbol con pre-orden [KNUT68]
en el que se obtienen todas sus claves
en orden, requiere un espacio en memo-
ria principal de al menos h = log d (n+1)
para guardar los nodos, ya que se apilan
todos los nodos a lo largo del camino
recorrido desde la raz para evitar que
se lean dos veces. Adems el proceso de
la siguiente operacin puede necesitar
el trazado de un camino a travs de un
gran nmero de nodos antes de llegar a
10 z El Omnipresente rbol-B
la clave deseada. Por ejemplo, la clave
ms pequea se encuentra en la hoja de
ms a la izquierda y para encontrarla
necesitamos acceder a todos los nodos a
lo largo del camino que se establece
entre la raz hasta la hoja, tal y como se
muestra en la Figura 12.
Qu es lo que se puede hacer para
mejorar el coste de realizar la siguiente
operacin? Esta pregunta y otras se con-
Figura 12. La localizacin de la clave ms
pequea en la hoja ms a la izquierda de un
rbol-B. Alcanzarla requiere logd n accesos.
testarn en el apartado siguiente, bajo el
ttulo rboles-B+.
3.- RBOLES-B VARIANTES
Como en la mayora de las organizacio-
nes de ficheros, abundan las variaciones
de rboles-B. Bayer y McCreight [Ba-
ye72] sugieren varias alternativas de
implementacin en sus textos origina-
les. Por ejemplo, la condicin de no
desbordamiento, resultante de un borra-
do, es tratado sin concatenacin por
redistribucin de claves desde nodos
adyacentes (a menos que no pueda ob-
tenerse el nmero de claves requerido).
Aplicando la misma estrategia a la con-
dicin de desbordamiento puede retras-
ar el corte y eliminacin de la estructura
asociada. De este modo, en vez de divi-
dir un nodo en cuanto se llena, las cla-
ves pueden distribuirse simplemente
dentro de un nodo adyacente, dividin-
dolo slo cuando dos nodos adyacentes
se llenan. Otras variaciones de rboles-
B se han concentrado sobre las mejoras
en costes secundarios. Clampet
[CLAM64] considera el coste de proce-
samiento de un nodo una vez ste ha
Computing Surveys, Vol. 11, N 2, Junio 1979

sido eliminado del almacenamiento se-
cundario. El sugiere usar una bsqueda
binaria en vez de una bsqueda lineal
para localizar para localizar el puntero
correcto al descendiente. Knuth
[KNUT73] seala que una bsqueda
binaria puede ser til si el nodo es gran-
de, mientras que una bsqueda secuen-
cial puede ser lo mejor para nodos pe-
queos. No hay razn para limitar la
bsqueda interna a bsqueda secuencial
o binaria; puede usarse cualquier nme-
ro de tcnicas de KNUT73. En particu-
lar, Maruyama y Smith [MARU77]
mencionan una tcnica de extrapolacin
que ellos llaman la bsqueda de la raz
cuadrada.
En sus tratamientos generales de
creacin por ndices para un fichero,
Ghosh y Senko [GHOS69] consideran
el uso de una bsqueda de interpolacin
para eliminar el acceso a un almacena-
miento secundario. El anlisis presenta-
do generaliza para rboles-B e indica
que esto puede tener un coste efectivo
para eliminar algunos de los niveles de
ndices justo por encima de las hojas.
Desde una bsqueda terminara con
varias posibles hojas candidatas, la co-
rrecta sera encontrada por una "estima-
cin" basada en el valor de la clave y la
distribucin de la clave dentro del fiche-
ro. Cuando la estimacin produzca la
hoja equivocada, podra llevarse a cabo
una bsqueda secuencial. Aunque algu-
nas estimaciones podran perderse, el
mtodo resultara sobre el promedio.
Knuth [KNUTH73] sugiere una va-
riacin del rbol-B la cul tiene diver-
sos "rdenes" para cada profundidad.
Parte de la motivacin viene de su ob-
servacin de que los punteros en los
nodos hojas gastan espacio y deberan
ser eliminadas. Esto tambin da sentido
a tener una forma diferente para la raz
(la cual est rara vez muy llena en com-
paracin con los otros nodos). Los
costes de mantenimiento para esta im-
plementacin parecen bastante altos en
11 z El Omnipresente rbol-B
comparacin con los beneficios, espe-
cialmente ya que el almacenamiento
secundario es econmico y est hecho
para fijar la longitud de los nodos.
RBOLES-B*
Quizs el trmino ms utilizado en la
literatura de los rboles-B es rbol-
B* 3 . En realidad, Knuth [KNUTH73]
define un rbol-B* como un rbol-B en
el cual cada nodo est al menos 2/3 lle-
no (en vez de solo la mitad). La inser-
cin del rbol-B* emplea un esquema
de redistribucin local para retrasar la
divisin hasta que dos nodos hermanos
estn llenos. Entonces los dos nodos se
dividen en tres cada uno lleno en 2/3
partes. Este esquema garantiza que la
utilizacin del almacenamiento es al
menos del 66%, mientras que solamente
requieren una moderada modificacin
de los algoritmos de mantenimiento.
Esto debe ser sealado ya que el incre-
mento en la utilizacin del almacena-
miento tiene el efecto lateral de acelerar
la bsqueda ya que la altura del rbol
resultante es ms pequea.
El trmino rbol-B* ha sido utilizado
frecuentemente para otras variaciones
de rboles-B como tambin sugiere
Knuth [KNUTH73, WEDE74,
BAYE77]. Para evitar confusin, noso-
tros usaremos el trmino rbol-B+ para
la implementacin no identificada de
Knuth.
RBOLES-B+
En un rbol-B+, todas las claves estn
en las hojas. Los niveles ms altos, que
estn organizados como un rbol-B,
constan slo de un ndice, un mapa para
permitir una rpida localizacin de las
3
Un caso entretenido es el "algoritmo de bs-
queda de un rbol-B*", el cual es sobre un
algoritmo de un rbol de bsqueda llamado B*
[BERL78]
Computing Surveys, Vol. 11, N 2, Junio 1979
 12 z El Omnipresente rbol-B

bifurcaciones de ndices y claves. La que se siga la trayectoria correcta a la

Figura 13 muestra la separacin lgica
de las bifurcaciones de ndices y claves.
Naturalmente los nodos ndices y nodos
hoja pueden tener diferentes formatos o
incluso diferentes tamaos. En particu-
lar, los nodos hoja estn enlazados jun-
tos de izquierda a derecha como se
muestra. La lista de uniones de hojas
esta relacionada como un conjunto su-
cesin. Las uniones del conjunto suce-
sin permiten un procesamiento se-
cuencial fcil.
Para apreciar totalmente un rbol-
+
B , uno debe entender las implicaciones
de tener un ndice independiente y un
conjunto sucesin. Considere por un
momento la operacin encontrar. Pro-
cediendo desde la raz de un rbol-B+ a
travs del ndice a una hoja. Con todas
las claves incluidas en las hojas, no es
un problema qu valores se encuentren
conforme avanza la bsqueda con tal
hoja.
Durante el borrado en un rbol-B+,
la habilidad para dejar los valores sin
clave en la parte de ndices como sepa-
radores simplifica el proceso. La clave a
eliminar debe estar siempre en una hoja
de tal modo que su eliminacin sea sim-
ple. Mientras la hoja se quede al menos
medio llena, el ndice no necesita cam-
biarse, incluso si una copia de la clave
ha sido propagada en l. La Figura 14
muestra como la copia de una clave
borrada puede dirigir todava bsquedas
a la hoja correcta. Por supuesto, si surge
una condicin de no desequilibrio, la
redistribucin o procedimientos de
concatenacin pueden requerir valores
ajustados en el ndice y tambin en las
hojas.
Las operaciones de insercin y bs-
queda en un rbol-B+ son procesadas
casi idnticamente a las operaciones de

Figura 13. Un rbol-B+ con las partes ndice y claves separadas. Las operaciones por clave empiezan en
la raz como en un rbol-B; el proceso secuencial empieza en la hoja ms a la izquierda.

Figura 14. (a) Un rbol-B+ y (b) un rbol-B+ despus del borrado de la clave 20. Incluso despus del
borrado, la clave 20 vale todava como valor separador en la parte ndice.

Computing Surveys, Vol. 11, N 2, Junio 1979


insercin y de bsqueda en un rbol-B.
Cuando una hoja se divide en dos, en
vez de ascender la clave intermedia, el
algoritmo asciende una copia de la cla-
ve, reteniendo la clave real en la hoja
derecha. Las operaciones de bsqueda
difieren de las que se realizan en los
rboles-B en que la bsqueda no para si
una clave en el ndice es igual al valor
por el que se pregunta. En cambio, se
sigue el puntero situado ms a la dere-
cha, y se procede de esta forma todo el
camino hasta la hoja. Hemos visto que
un rbol-B que soporta un bajo coste en
operaciones de bsqueda, insercin y
borrado puede necesitar log n accesos a
almacenamiento secundario para proce-
der a la siguiente operacin. La imple-
mentacin de rboles-B+ contiene las
propiedades de coste algortmico para
operaciones por clave, pero tiene la
ventaja de requerir como mximo un
acceso para satisfacer la siguiente ope-
racin. Por otra parte, durante el proce-
samiento secuencial de un fichero, nin-
gn nodo es accedido ms de una vez,
as que se necesita disponer de espacio
para un slo nodo en memoria principal.
As, los rboles-B+ son adecuados para
aplicaciones que supongan procesa-
miento aleatorio y secuencial.
B+ Arboles Prefijo.
La separacin de los ndices y conjunto
de secuencias en los rboles-B+ es intui-
tivamente atrayente. Tngase en cuenta
Figura 15. Parte de un rbol-B Prefijo. La entrada ndice e es suficiente para diferen-
ciar computador de electrnico.
13 z El Omnipresente rbol-B
que parte de los ndices sirven simple-
mente como un mapa de caminos para
guiar la bsqueda de la hoja correcta;
no necesita contener todas las claves
reales. Cuando las claves consisten en
una tira de caracteres hay buena razn
para no usar las claves reales como se-
paradores: las claves reales requieren
demasiado espacio. Bayer y Unterauer
consideran como alternativa el B+ rbol
prefijo.
Supongamos que la secuencia alfab-
tica de claves, 'binario', 'computador',
'electrnico', 'programa' y 'sistema' estn
asignadas o localizadas en un rbol-B
como el mostrado en la Figura 15. El
separador valora o seala entre las cla-
ves 'computador', 'electrnico', las cua-
les no necesitan estar ntegramente:
basta con alguna cadena de caracteres.
Por ejemplo, algunos de estas tiras, 'e-
lec', 'e' 'd' serviran perfectamente. Ya
que no se hace diferencia durante el
proceso de recuperar, debera usarse el
separador ms corto para as guardar
espacio. Como los requerimientos de
espacio pueden llegar a ser muy peque-
os, muchas claves pueden estar situa-
das en cada nodo, aumentando as los
elementos y disminuyendo la altura del
rbol. Ya que los rboles son ms cortos
tiene un menor coste de bsqueda,
usando separadores cortos disminuir el
tiempo de acceso as como ahorrar
espacio.
Computing Surveys, Vol. 11, N 2, Junio 1979

La tcnica ms simple para elegir el
prefijo nico ms corto de la clave para
servir como separador da resultado. En
el ejemplo, el prefijo ms corto de 'elec-
trnico' es suficiente para distinguirlo
de 'computador'. Algunas veces, sin
embargo, la tcnica del prefijo no fun-
ciona bien: eligiendo el prefijo ms cor-
to de 'programadores' para distinguirlo
de 'programador' no resulta del todo
correcto. En cada uno de los casos, Ba-
yer y Unterauer sugieren explorar unas
pequeas claves cercanas para obtener
una buena pareja para el algoritmo de
separacin. Mientras esto pueda dejar
los nodos desigualmente cargados, te-
niendo no mucha cantidad de claves
extra en uno de los nodos, no afectar al
coste global.
rboles-B virtuales
Muchos de los sistemas de computado-
res emplean un esquema de gestin de
memoria que suministra a cada uno de
los usuarios una extensa memoria vir-
tual. El espacio de direcciones de la
memoria virtual por usuario est dividi-
do en pginas que son almacenadas en
memoria secundaria y cargadas en me-
moria principal automticamente cuan-
do son referenciadas. Esta tcnica, lla-
mada Pgina Demandada o Por Falta de
Pgina, multiplexa la cantidad de me-
moria real de los usuarios y al mismo
tiempo proporciona proteccin para
asegurar que cada uno de los usuarios
no interferir con datos de otro. Adems
el hardware de propsito especial mane-
ja la paginacin, as que las transferen-
cias a y desde memoria son realizadas a
alta velocidad.
La disponibilidad del hardware de
demanda de pgina sugiere una intere-
sante implementacin de rboles-B. A
travs de una cuidadosa cuota o racin,
cada nodo del rbol-B puede ser ma-
14 z El Omnipresente rbol-B
peado en una pgina del espacio de di-
recciones virtual. Entonces el usuario
trata el rbol-B como si estuviera en
memoria. Los accesos a los nodos (p-
ginas) que no estn en memoria, causan
al sistema una recuperacin de pgina
desde memoria secundaria.
Muchos algoritmos de paginacin
eligen sustituir la pgina menos usada
cuando ha de traer una pgina nueva.
En trminos del rbol-B, los nodos ms
activos son esos ms prximos a la raz;
estos procuran quedarse en memoria.
En realidad Bayer y McCreight
[BAYE72] y Knuth [KNUT73] sugieren
ambos un mecanismo LRU para rbo-
les-B cuando no se usa paginacin por
hardware. Al menos, la raz debera
permanecer en memoria principal ya
que es accedida por cada bsqueda.
As, los rboles-B virtuales tienen las
siguientes ventajas:
1.- El hardware especial realiza transfe-
rencias a alta velocidad
2.- El mecanismo de proteccin de me-
moria asla de otros usuarios, y
3.- Las partes del rbol accedidas fre-
cuentemente, deberan permanecer
en memoria.
Compresin
Otras tcnicas varias de implementa-
cin han sido sugeridas para mejorar el
funcionamiento de los rboles-B. Wag-
ner [WAGN73] resume varias de estas
incluyendo los conceptos de claves y
punteros comprimidos 4 .
Los punteros pueden ser comprimi-
dos usando una base/forma de reempla-
zamiento de direcciones de modo mejor
que el modo de direccionamiento abso-
luto. Un modo con punteros comprimi-
4
Ver tambin AUER76
Computing Surveys, Vol. 11, N 2, Junio 1979

dos tiene la forma mostrada en la Figu-
ra 16, donde la direccin de la base est
almacenada cada una en el nodo y un
valor de desplazamiento fuera de la
base, sustituyen cada puntero. Para re-
construir el valor actual del puntero, la
base es aadida al desplazamiento de
ese puntero. Las tcnicas de compren-
sin de punteros son particularmente
apropiadas para rboles B virtuales
donde los punteros toman unos valores
de direcciones altos.
Las claves o separadores de claves
pueden ser comprimidas usando alguna
de las varias tcnicas estndar para mo-
ver redundancias. Ambas, claves com-
primidas y punteros comprimidos, in-
crementan la capacidad de cada nodo y
por lo tanto disminuyen el coste de re-
cuperar. A cambio de una disminucin
de acceso a memoria secundaria, incre-
menta el tiempo necesario de CPU para
buscar un nodo despus de haber sido
ledo. As, los complicados algoritmos
de compresin no pueden ser siempre
efectivos.
Debera advertirse que ambos, con o
sin compresin. pueden ser aplicados a
las claves. Por ejemplo Bayer y Unte-
rauer [BAYE77] consideran la compre-
sin de claves para los prefijos rboles-
B+.
ENTRADAS DE LONGITUD
Figura 16. Un nodo con punteros comprimidos. Para obtener el puntero i-simo, se suma el valor base al
offset i-simo.
El anlisis muestra que la insercin,
borrado y bsqueda solo toman logn
pasos como en un rbol-B, aunque bus-
car la direccin ms a la derecha requie-
15 z El Omnipresente rbol-B
VARIABLE
Algunas aplicaciones requieren el alma-
cenamiento de datos con claves de lon-
gitud variable. Las entradas de longitud
variable resultan de la comprensin de
las tcnicas mencionadas anteriormente.
McCreight [McCr77] considera el al-
macenamiento de rboles con entradas
de longitud variable y muestra como
promoviendo claves ms cortas durante
una insercin se produce un rbol con
mejor manejo del almacenamiento y
mejores tiempos de acceso.
rboles-B Binarios
Otra variacin propuesta por Bayer
[Baye72a], el rbol-B binario, produce
rboles-B conforme a un nivel de alma-
cenamiento. Esencialmente un rbol-B
binario es un rbol-B de orden 1; cada
nodo tiene 1 2 claves y 2 3 punteros.
Para evitar despilfarrar espacio de
nodos que solo estn medio llenos, usa-
remos una representacin como la mos-
trada en la Figura 17. Los nodos con
una clave son representados como en la
figura 17a, mientras que los de 2 claves
son enlazados como en la Figura 17b.
Desde el puntero de la derecha del nodo
se apunta a otro de menor valor que la
clave del nodo, usando un bit extra para
hacer esto.
ra dos o ms accesos a los nodos, igual
para la ms a la izquierda. Usando el
puntero derecho para dos propsitos
hace complicados los algoritmos de
Computing Surveys, Vol. 11, N 2, Junio 1979

insercin y borrado. Para mantener el
coste logartmico, debemos tener cuida-
do de asegurar que nunca haya dos pun-
teros derechos apuntando a nodos her-
manos en una cola. El algoritmo deta-
llado para el proceso de rotacin, que
previene tres o ms enlaces hermanos
Figura 17. Los nodos de un rbol-B y sus co-
rrespondientes nodos en un rbol-B binario.
Cada puntero derecho en el rbol-B binario
puede apuntar a un hermano o a un descendien-
te.
sucesivos est descrito en [Baye72a] y
[Wirt76].
Una extensin de los rboles-B bina-
rios, la cual permita a los enlaces iz-
quierdo y derecho apuntar a nodos her-
manos, exhibe una simetra carente en
los rboles-B binarios. Por tanto, el
nombre de rbol-B Binario Simtrico
ha sido aplicado para semejar la estruc-
tura de Bayer [Baye73], la cual informa
que los rboles-B Binarios contienen la
conocida clase de los rboles AVL co-
mo subclase [Fost65].
2-3 rboles y Resultados Tericos.
Hopcroft desarroll la nocin de un
rbol 2-3, y explor sus usos a nivel de
almacenamiento. Cada nodo en un rbol
2-3 tiene 2 3 hijos (porque contiene 2
3 claves). As, un rbol 2-3 es un
rbol-B de orden 1, y viceversa. El pe-
queo tamao del nodo hace que los
rboles 2-3 sean inapropiados para el
almacenamiento externo, pero si lo son
para el almacenamiento interno. Rosen-
baun y Snyder [Rose78], y Miller
[Mill77] consideran el problema de la
optimizacin de rboles 2-3 para un
grupo de claves. Ellos usan el nmero
16 z El Omnipresente rbol-B
de comparaciones y el de nodos accedi-
dos, respectivamente, como criterio de
costes. En cada caso se presenta un al-
goritmo lineal para la construccin p-
tima de rboles a partir de una lista de
claves ordenadas. El resultado en el
Mill77 es extendido para rboles-B en
orden aleatorio.
Yao [Yao78] redacta el resultado de
analizar los rboles 2-3 para un grupo
determinado de claves. El papel da a
ambas un mayor y menor contenido en
las expectativas de almacenamiento.
Extendiendo el anlisis rboles-B de
mayor orden, Yao ha mostrado que la
expectativa de almacenamiento es ln 2
69%.
Guibas et al. [Guib78] presenta otro
rbol-B proyecta y compara la presenta-
cin de algunas tcnicas de balanceo de
rboles. Su importante contribucin
muestra que la particin superior no es
siempre requerida. La trampa es partir
los nodos que estn casi llenos cuando
bajemos el rbol. La prxima seccin
muestra la eliminacin de "abajo-
arriba" que puede ser crucial para la
actuacin. Ver Brow78 y Brow78a para
ver los resultados tericos.
4. RBOLES-B EN UN
DISPOSITIVO MULTIUSUARIO.
Si los rboles-B se usan en una base de
datos de propsito general, deben per-
mitir algunos requisitos de usuario para
ser procesados simultneamente. Aun-
que algunos son aplicados obligatoria-
mente para la sincronizacin de proce-
sos, deben interferir uno con el otro. Un
proceso podra leer un nodo y el si-
guiente de una lista mientras otro proce-
so los est cambiando. Adelantando la
complicada iteracin, primero empeza-
remos operando de forma "Top-down"
(arriba-abajo) en el rbol-B mientras
que la insercin y el borrado requieren
un acceso "Bottom-up"(abajo-arriba).
Computing Surveys, Vol. 11, N 2, Junio 1979

Damadi [Sama76] presenta una solucin
para el problema econmico. Held y
Stonebraker [Held78] argumentan que
los conflictos econmicos, los cuales se
resuelven dando solo acceso al rbol a
un proceso por vez, disminuye las ven-
tajas de los rboles-B en los dispositi-
vos multiusuario.
Bayer y Schkolnik [Baye77a] mues-
tran un conjuntos de protocolos de cie-
rre, forzados por un proceso supervisor,
puede asegurar la integridad del acceso
a un rbol-B mientras se permite una
actividad concurrente. En esencia una
vez que est siendo ledo un nodo, nin-
gn otro nodo puede acceder a el. Como
la bsqueda progresa al prximo nivel,
el procesador libera el cierre del antece-
sor, permitiendo a otros leerlo. Estos
lectores cierran a lo sumo dos nodos al
mismo tiempo; otro proceso lector est
libre para explorar (y sellar) otras partes
del rbol simultneamente.
Actualmente en un ambiente concu-
rrente se presentan muchos problemas
complejos, los cuales requieren protoco-
los ms complejos. Esto puede afectar a
los niveles ms altos, un proceso actual
abandona una reserva en cada nodo al
que accede, reservando el nodo a cerrar
correctamente. Despus la reserva debe
ser convertida en un cierre si el proceso
actual determina que el cambio se pue-
de propagar a un nodo reservado. Alter-
nativamente, la reserva puede ser cance-
lada si el cambio no afecta al nodo re-
servado. Los nodos reservados pueden
ser ledos desde lectores, continuando a
menudo a una hoja, pero reservarse una
segunda vez hasta que la primera reser-
va est cancelada.
Una vez que un proceso de actualiza-
cin establece reservas en una ruta a
una hoja, puede convertir la reserva en
un cerrojo absoluto, arriba-abajo. El
cerrojo absoluto garantiza que ningn
otro proceso accede al nodo. Entonces
17 z El Omnipresente rbol-B
se procede a la actualizacin, cambian-
do slo nodos sobre los que mantiene
cerrojos absolutos. Tras haber hecho
todos los cambios, se cancelan los ce-
rrojos absolutos y la ruta actualizada
queda disponible para otros procesos.
Reservar una ruta entera desde la raz
hasta una hoja evita el que otras actuali-
zaciones accedan al rbol-B. Adems, la
mayora de las actualizaciones afectan
slo a unos pocos niveles (los cercanos
a la hoja), as que no es recomendable
reservar una ruta entera. Aunque reser-
var pocos nodos podra hacer necesario
comenzar de nuevo desde la raz. Por
esto, Bayer y Schkolnick, proponen un
protocolo de cerrojos generalizado que
representa un punto entre los dos ex-
tremos. Ellos proporcionan un modelo
con parmetros y muestran como las
reservas pueden permitir suficiente con-
currencia para usar la tecnologa actual
mientras que se desperdicia poco tiem-
po en restablecer las reservas.
En contraste, usando la divisin de
arriba a abajo sugerida en GUIB78 se
elimina la carencia para todos los proto-
colos (excepto los ms simples) ya que
los actualizadores no necesitan ascender
en el rbol. De este modo, en un mo-
mento dado, slo tendrn cerrojo un par
de nodos. Por supuesto, el precio de
dividir los nodos antes de llenarlos
completamente es un ligero descenso en
la utilizacin del sitio disponible y su
correspondiente aumento en tiempo de
acceso.
Seguridad
La proteccin de la informacin en un
entorno multiusuario plantea otro pro-
blema para los diseadores de bases de
datos. Antes, bajo el tpico rbol-B
virtual se recomendaba que el aisla-
miento de los usuarios se obtuviese a
partir del mecanismo de proteccin de
la memoria (paginado). Cuando el con-
tenido de un archivo debe ser protegido
Computing Surveys, Vol. 11, N 2, Junio 1979

fuera del sistema, se debe usar alguna
tcnica de encriptamiento. Bayer y
Metzger [BAYE76] consideran esque-
mas de enciframiento y posibles amena-
zas de la seguridad. Muestran que el
enciframiento tiene un coste relativo
alto a no ser que se implemente median-
te hardware. Por otro lado, los cambios
en los algoritmos de mantenimiento del
rbol-B para restaurar los ficheros codi-
ficados son menos, especialmente si el
enciframiento puede llevarse a cabo
durante la transmisin de los datos.
Figura 18. Un archivo VSAM con datos reales (informacin asociada) almacenados en sus hojas
Figura 19. Formato de un intervalo de control. El campo de control describe el intervalo mismo, y el
formato de los campos de datos.
Figura 20. El formato de un rea de control con
el nodo del conjunto secuencial, S, duplicado en
la primera pista para minimizar el tiempo de
latencia.
18 z El Omnipresente rbol-B
5. UN MTODO DE ACCESO DE
PROPSITO GENERAL USANDO
RBOLES-B+
Esta seccin presenta un ejemplo del
uso de los rboles-B+ (Los mtodos de
acceso de IBA basados en rboles-B de
propsito general, VSAM[IBM1,IBM2,
KEEH72,WAGN73]). Con la intencin
de ser tiles en una gran variedad de
aplicaciones, VSAM est diseado para
soportar bsqueda secuencial, as como
insercin, borrado y bsquedas median-
te logaritmos de coste. Comparados con
la organizacin indexada-secuencial
convencional, los rboles-B+ ofrecen las
siguientes ventajas: colocacin y libera-
do dinmico de espacio, utilizacin del
espacio de almacenaje garantizada del
50% y evita la necesidad de reorganizar
peridicamente el fichero entero.
Ya que VSAM debe manejar el al-
macenamiento de las claves y la infor-
macin asociada, la Figura 18 repre-
senta un fichero VSAM. Las dos sec-
ciones superiores del rbol VSAM for-
Computing Surveys, Vol. 11, N 2, Junio 1979

man un ndice y una conjunto secuen-
cial de rbol-B+ como se ha descrito; las
hojas contienen registros de datos ac-
tuales. En terminologa VSAM , una
hoja se llama intervalo de control y
forma la unidad bsica de datos transfe-
ridos en una operacin Entrada/Salida.
Cada intervalo de control contiene uno
o ms registros de datos as como in-
formacin de control que describe el
formato del intervalo. La Figura 19
muestra los campos de un intervalo de
control.
Mejoras de Realizacin
Figura 21. El catlogo Maestro VSAM, que sirve como directorio para todos los ficheros VSAM, es un
archivo VSAM en s mismo.
miento concreta usada para almacenar
el fichero. Estas restricciones mejoran
la realizacin y permiten posteriores
mejoras descritas a continuacin.
Como todos los descendientes de una
secuencia de nodos estn situados en un
cilindro, puede mejorarse la realizacin
colocando la secuencia de nodos en el
mismo cilindro. Entonces, una vez que
la secuencia de nodos ha sido recupera-
da, los objetos del rea de control pue-
den ser recuperados sin que tenga que
moverse el brazo de la cabeza lectora.
La Figura 20 muestra una extensin a
la localizacin de la secuencia de nodos
contigua y cmo puede replicarse la
secuencia en una pista del cilindro. La
replicacin reduce el tiempo de bsque-
19 z El Omnipresente rbol-B
Aunque VSAM presenta al usuario una
vista de los datos lgica (o independien-
te de la mquina), la organizacin de
ficheros debe acomodarse a los recursos
subyacentes si se quieren realizar las
transacciones eficientemente. Por tanto,
el tamao mximo de un intervalo de
control est limitado por la mayor uni-
dad de datos que el hardware puede
transferir en una operacin. Adems el
ajuste de todos los intervalos de control
asociados con una secuencia de nodos
(llamada rea de control) debe caber en
un cilindro de la unidad de almacena-
da en el disco. VSAM intenta mejorar la
realizacin en varias otras formas. Los
punteros se comprimen usando el mto-
do de base/desalojamiento descrito arri-
ba, las claves se comprimen en las posi-
ciones anterior (prefijo) y posterior (su-
fijo), los registros de los ndices pueden
ser replicadas, y el ndice puede ser
almacenado en un recurso separado para
permitir el acceso concurrente de ndi-
ces y datos. Finalmente, VSAM permite
que la zona del ndice sea un rbol-B
virtual, usando la memoria hardware
virtual para recuperarlo
Directorio de Archivos Estructurado
en rbol
Computing Surveys, Vol. 11, N 2, Junio 1979

Quiz la idea ms novedosa en la im-
plementacin VSAM es que se puede
usar un formato de datos para el siste-
ma. Por ejemplo, aquellas rutinas que
mantienen un directorio de todos los
ficheros VSAM en el sistema tienen la
informacin en un fichero VSAM, el
catlogo maestro. La figura 21 muestra
el catlogo maestro, que contiene una
entrada para cada fichero VSAM (o
conjunto de datos VSAM). Ya que to-
dos los ficheros VSAM deben ser intro-
ducidos en el catlogo, el sistema puede
localizar cualquier fichero automtica-
mente mediante su nombre. Por supues-
to el catlogo es un conjunto de datos
VSAM, as que contiene una entrada
describindose a s mismo.
Si varios procesos acceden al catlo-
go maestro simultneamente, ocurre
competencia y todos excepto uno ten-
drn que esperar. Para evitar demoras
provocadas por este conflicto, cada
usuario puede definir un catlogo local
con entradas para ficheros VSAM. Los
catlogos de usuario, que son ficheros
VSAM, deben ser entradas en el catlo-
go maestro. Una vez se ha localizado un
catlogo de usuario mediante una bs-
queda en el catlogo maestro, referen-
cias posteriores a ficheros indexados
por ese catlogo no implican buscar en
el catlogo maestro. El esquema del
catlogo resultante con estructura de
rbol y multinivel recuerda al sistema
de ficheros de MULTICS.
Otras facilidades de VSAM
Muchas facetas del VSAM no han apa-
recido en nuestra breve discusin - el
lector est avisado de que hemos dado
slo un rpido vistazo. Por ejemplo, los
ficheros VSAM que hemos discutido
son los llamados llave-secuenciados
(key-sequenced). Otra forma, los entra-
da-secuenciados (entry-sequenced),
permiten un procesado secuencial efi-
ciente cuando ninguna clave acompaa
20 z El Omnipresente rbol-B
a los registros (p.e. no se permiten ope-
raciones usando la clave). Los ficheros
VSAM entrada-secuenciados no necesi-
tan ndice, por eso son menos costosos
de mantener.
Aadindose a los procesos de manteni-
miento y recuperacin de los ficheros
VSAM, el sistema proporciona un me-
canismo para definir y cargar un fichero
VSAM. Se debe decidir cmo distribuir
el espacio libre dentro del fichero: si el
usuario prev muchas inserciones, el
fichero no debera ser cargado con cada
nodo completo al 100% o las insercio-
nes iniciales seran demasiado costosas.
Por otra parte, si el fichero va a perma-
necer relativamente estable, cargar los
nodos al 50% de capacidad desperdicia
espacio de almacenamiento. La facili-
dad de definicin de ficheros VSAM
proporciona ayuda mediante la carga
del fichero de acuerdo con los parme-
tros elegidos.
Finamente existen facilidades VSAM
para la insercin eficiente de gran con-
junto de registros contiguos, proteccin
de datos, backups de ficheros y recupe-
racin de errores todos los cuales son
necesarios en un entorno de produccin.
Resumen
Una organizacin de ficheros externos
equilibrada y multicamino, el rbol-B,
es eficiente, verstil, simple y de fcil
mantenimiento. Una variante, el rbol-
B+, permite el proceso secuencial efi-
ciente del fichero mientras conserva el
coste logartmico deseado para las ope-
raciones de bsqueda, insercin y bo-
rrado. Los esquemas de rboles-B ga-
rantizan el 50% de utilizacin del alma-
cenamiento mientras asignan o liberan
espacio conforme el fichero crece o
decrece. Mas an, los rboles-B crecen
y disminuyen exactamente al contrario;
la "reorganizacin" masiva de ficheros
Computing Surveys, Vol. 11, N 2, Junio 1979

nunca es necesaria incluso despus del
trfico pesado de transacciones.
Diferentes tcnicas de implementacin
de rboles-B proporcionan ejecucin
mejorada, generalidad y la habilidad de
usar rboles-B en un entorno multiusua-
rio. La comprensin de claves y punte-
ros, la colocacin (y copia) cuidadosa
de nodos en almacenamiento secundario
y la redistribucin local de claves du-
rante la insercin o el borrado hacen
viables a los rboles-B en entornos de
produccin, mientras los protocolos de
acceso, la proteccin de la memoria
virtual y el encapsulamiento de datos
proporcionan la seguridad y la exclu-
sin mutua necesaria cuando un rbol-B
es compartido por varios usuarios.
El VSAM de IBM demuestra que es
razonable construir un mtodo de acce-
so a ficheros de propsito general basa-
do en rboles-B. Adems de los ficheros
de rboles-B del usuario, el propio sis-
tema usa un fichero rbol-B para clasi-
ficar el nombre y la localizacin de to-
dos los ficheros VSAM disponibles.
Usando una estructura en rbol-B para
permitir procesado secuencial eficiente,
el VSAM incorpora muchas de las tc-
nicas disponibles para ejecuciones me-
joradas y proteccin de datos.
AGRADECIMIENTOS
El autor agradece a las personas refe-
renciadas por proveer contactos relati-
vos a la historia de los rboles-B, y a la
corporacin IBM por hacer accesible
amablemente informacin detallada
sobre su mtodo de acceso basado en
rboles-B cuando ninguno de sus com-
petidores hubiera revelado los suyos.
REFERENCIAS
AHO74 AHO, A., HOPCROFT, J.
AND ULLMAN, J. The De-
sign and analysis of computer
21 z El Omnipresente rbol-B
algorithms, Addison Wesley,
Publ. Co., Reading Mass.,
1974.
AUER76 AUER, R. Schlusselkompres-
sionen in B* baumen, Diplo-
marbeit, Tech. Universitat,
Munich, 1976.
BAYE72 BAYER, R: AND
McCREIGHT, C. Organiza-
tion and maintenance of large
ordered indexes, Acta Inf. 13
(1972), 173-189.
BAYE72a BAYER, R. Binary B-trees
for virtual memory, in Proc.
1971 ACM SIGFIDET Work-
shop, ACM, New York, 219-
235.
BAYE73 BAYER, R. Symmetric bi-
nary B-tees: data structure
and maintenance algorithms,
Acta Inf. 1, 4 (1972), 290-
306.
BAYE76 BAYER, R. and METZGER,
J. On encipherment of
search trees and random ac-
cess files. ACM Trans. Da-
tabase Syst. 1, 1 (March
1976), 37-52.
BAYE77 BAYER, R. and
UNTERAUER, K. Prefix B-
trees, ACM Trans. Database
Syst. 2, 1 (March 1977), 11-
26.
BAYE77aBAYER, R. and
SCHKOLNICK, M. Concur-
rency of operations on B-
trees, Acta Inf. 9, 1 (1977),
1-21.
BERL78 BERLINER, H. The B*-tree
search algorithm: a best-first
proof procedure, Tech. Rep.
CMU-CA-78-112, Computer
Science Dept., carnegie Mel-
lon Univ., Pittsburgh, 1978.
BROWN78 BROWN, M. A storage
scheme for height-balanced
trees, Inf. Process. Lett. 7, 5
(Aug. 1978), 231-232
Computing Surveys, Vol. 11, N 2, Junio 1979
 22 z El Omnipresente rbol-B

BROWN78a BROWN, M. A partial Carlos de la Cruz Lpez

analysis of height-balanced Ignacio Alcauza Casante
trees Calixto Melln Madruga
Carlos Pastor Arriaza
Este documento ha sido traducido para Gema Fernndez Pascual
la asignatura de Estructuras de Datos II, Ivn Bernardo Rodrguez
de la Escuela Universitaria de Inform- J.Alberto Berna Garca
tica por los alumnos de ED-II de los Francisco J. Gil Snchez
grupos GM-21 & GM-23 en el curso Alberto Bodego Felin
1996-97: Grficos: Silvia Fernndez Martn
Coordinacin: Jess Alonso S.
Prohibida su Difusin
Paz Blanco Vedia

Computing Surveys, Vol. 11, N 2, Junio 1979