主要观点：作者为语言添加不可变向量，选择 RRB 树实现，需理解其工作原理。RRB 树可解决 PV 树的不足，如合并操作效率低等问题。通过引入大小表、M..M - 1 不变量和搜索步不变量等，在保持高效查找的同时允许节点中槽数量的灵活性，还介绍了合并 RRB 树的详细过程和相关代码实现。
关键信息：

• RRB 树引入时间为 2011 年，由 Bagwell 和 Rompf 提出。
• 合并 PV 时需确保节点满足左向密集性，若不满足需移动元素以平衡节点。
• 引入大小表可解决基数搜索依赖固定分支因子的问题，通过大小表可快速定位元素。
• M..M - 1 不变量允许节点的槽数量在 M 和 M - 1 之间，虽不限制树高但限制了额外搜索步数。
• 搜索步不变量规定了包含 P 个节点的最大槽数 S≤⌈P/M⌉ + E，Bagwell & Rompf 称 M = 32、E = 2 时平衡较好。
• 合并 RRB 树时先找到左右树的特定槽创建新节点，再考虑所有节点的槽进行平衡，创建父节点并递归合并。
  重要细节：
• 实现中类型脚本代码示例详细展示了各种操作的函数实现，如 get、findElement、findSlot、createConcatPlan、concat、concatNodes、calcSizes、rebalance、executeConcatPlan 等。
• 示例中通过多个图片展示了合并 RRB 树的不同阶段，如节点的平衡过程、创建新节点等。
• 对一些操作的原理进行了说明，如跳过不需要重新分配的槽的原因等，但部分原理未给出详细解释。