MYSQL-B+Tree

二分查找

二分查找发（binary search）也称为折半查找法，用来查找一组有序的记录数组中的某一记录。
其基本思想是：将记录按有序化（递增或递减）排列，在查找过程中采用跳跃方式查找，即先以有序数列的中点位置作为比较对象，如果要找的元素值小于该中点元素，则将待查序列缩小为左半部分，否则为右半部分。通过一比较，将查询区间减小一半。

二叉树

每个节点之多只有二颗子树：
1.二叉树的子树有左右之分，次序不能颠倒
2.一颗深度为k，且2^k-1个节点，称为满二叉树（Full Tree）
3.一颗深度为k，且root到k-1层的节点树都达到最大，第k层的所有节点都连续几种在左边，此时为完全二叉树（Complete Tree）

平衡二叉树

1. 左子树和右子树都是平衡二叉树

2. 左子树和右子树的高度差绝对值不超过1
   
   平衡二叉树的遍历

   1. 前序： 6，3，2，5，7，8（ROOT节点在开头，中-左-右顺序）
   2. 中序： 2，3，5，6，7，8（中序遍历即为升序，左-中-右顺序）
   3. 后序： 2，5，3，8，7，6（ROOT节点在结尾，左-右-中顺序）

   平衡二叉树的旋转
   

B+Tree（树）

B+树的定义

1. 数据只存储在叶子节点上，非叶子节点只能保存引用信息
   ①非叶子节点（所以节点）存储的只是一个Flag，不保存实际数据记录
   ②索引节点指示该节点的左子树比这个Flag小，而右子树大于等于这个Flag
2. 叶子结点本身按照数据的升序排序进行链接（串联起来）
   ①叶子结点中的数据在物理存储上是无序的，仅仅是在逻辑上有序（通过指针串在一起）

B+树的作用

1. 在块设备上，通过B+树可以有效的存储数据
2. 所有记录都存储在叶子结点上，非叶子（non-leaf）存储索引（keys）信息
3. B+树含有非常高的扇出（fanout），通常超过100，在查找一个记录时，可以有效的减少IO操作

B+树的扇出（fan out）

扇出：是每个索引节点（non-leafPage）指向每个叶子节点（LeafPage）的指针
扇出数 = 索引节点（Non-LeafPage）可存储的最大关键字个数+1

图例中的索引节点（Non-LeafPage）最大可以存放4个关键字，但实际使用了3个。

B+树的插入操作
B+树的插入：B+树的插入必须保证插入叶子节点中的记录依然排序。

注意：插入会出现分裂情况，删除会导致饱和度不够，会出现合并的情况