It is a spatial segmentation data structure widely used in tasks such as object management, collision detection, and rendering optimization in 3D space.
It divides the three-dimensional space into eight sub regions and refines the space recursively.
八叉树是一种空间分割的数据结构，它被广泛应用于 3D 空间中的物体管理、碰撞检测、渲染优化等任务。它将三维空间划分成八个子区域，通过递归方式对空间进行细化。

包含三种重要的节点
·Root Node根节点：表示空间的整个范围（例如可以是一个立方体的边界框）
·Child Node子节点：将父节点的空间进一步划分成八个子区域，每个子区域代表一个子立方体，然后再依次进行递归
·Leaf Node叶节点：表示最终存储数据的区域，通常存储物体、碰撞体、或者其他三维的数据
进一步地，八叉树中，每个节点存储当前区域的坐标范围、它的子节点、物体的列表（如果有物体在该空间中）

每一个节点应该表示一个空间区域，它包含一个三维坐标下的空间范围（这个范围可以自己设定）和可能的物体列表  
同时，每一个节点可以包含8个子节点，这些子节点表示的是子空间的划分  

通过递归将空间不断划为8个子区域，直到达到设定的最小分割范围或者每一个节点区域内存储的物体数达到了阈值  

当需要插入物体时，根据它的位置和空间范围判断属于哪个区域  
如果当前区域已经划分为子区域，则将物体插入相应的子节点，否则将物体直接插入当前节点

查询：根据物体的位置快速查找它所在的区域  
更新：根据物体的位置的变化，重新插入物体或者更新八叉树的结构  

碰撞检测、视锥体剔除（可以快速确定哪些物体在相机视锥体内，哪些在外，从而渲染不必要的物体）、AI的行为决策、地图的管理

https://github.com/shantouly/Astar 该篇有介绍A星寻路，也有demo

In 3D space, the efficiency of A * decreases as the complexity of the space increases.
In this case, introducing an octree can significantly improve the performance of Astar
在3D空间中，A*的效率会随着空间的复杂度的增加而下降，此时，引入八叉树可以使得Astar的性能得到显著的提升