在this paper中描述了T树算法
而T * -Tree是对T树的改进，可以更好地使用查询操作，包括范围查询，并且包含T树的所有其他优点。
本文描述了该算法＆＃34; T * -tree：实时应用的主存储器数据库索引结构＆＃34;。
根据这篇研究论文，当数据集适合内存时，T-Tree比B-tree / B +树更快。
我实现了这些论文中描述的T-Tree / T * Tree，并将性能与B-tree / B +树进行了比较，但B-tree / B + tree在所有测试用例中都比T-Tree / T * Tree表现更好（插入，删除，搜索）。
我读到T-Tree是内存数据库的高效索引结构，它由Oracle TimesTen使用。但我的结果并未表明这一点
如果有人知道原因或对此有任何评论，那么听到她（或他）的消息会很棒。
答案 0 :(得分：2)
T-Trees不是与AVL树或B树相同意义上的基本数据结构。它们只是平衡二叉树的黑客版本，因此可能会或可能不会是利基应用，它们提供了不错的性能。
在这个时代，他们必然会因为地理位置不佳而受到严重影响，无论是在预期的阻止/页面传输数量还是在缓存局部意义上。后者是显而易见的，因为在搜索的所有节点访问中，除了最后一个之外，只会根据搜索关键字检查边界值 - 所有其余的都被分页或缓存为零。
将此与B树的优秀访问位置进行比较，尤其是B +树（更不用说缓存遗忘和缓存意识版本，这些版本明确地设计了记忆性能特性）。
重新平衡存在类似的问题。在B树世界中，已经开发并完善了许多变化 - 从B +和Blink开始 - 以实现期望的分摊的性能特征，包括诸如并发（锁定/锁存）或其缺失的方面。因此，大多数情况下，您可以简单地走出去找到适合您的性能配置文件的B树变体 - 或者使用简单的经典B +树并确保获得不错的结果。
T-trees比同类B-tree更复杂，似乎它们在性能方面一般没有提供任何东西，因为商品硬件的单级时间记忆“等级”已经消失了几十年。不仅硬盘是新内存，反过来也是如此，主内存现在是新硬盘。即即使没有NUMA，将数据从主存储器带入高速缓存层次结构的成本也很高，以至于最小化页面传输 - 这正是B树及其变体所做的事情，而T树则不然。更靠近处理器核心的是重要的高速缓存行访问/传输的数量，但图片保持不变。
事实上，如果你采用二进制搜索的想法 - 这是可以证明是最佳的 - 并考虑以一种与内存层次结构（缓存）良好配合的方式排列搜索键的方法，那么你总是会得到一些看起来很像的东西不可思议地像B树......
如果您为性能编程，那么您会发现获胜者几乎总是位于排序数组，B树和散列之间的三角形中的某个位置。即使是平衡的二叉树，只有在其他考虑因素相对较差的性能退居次要且关键数量相当小，即不超过几百万时，才具有竞争力。