B+与数据库索引

B+树存在的意义

B+树主要作为索引，用以快速查找指定数据。
注意：需要了解B树，B+树的定义再来看该博文。

---

什么是索引

需要明白的是每种查找算法都只能应用于特定的数据结构之上，例如二分查找要求被检索数据有序，而二叉树查找只能应用于二叉查找树上，但是数据本身的组织结构不可能完全满足各种数据结构。
所以，在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法。这种数据结构，就是索引。它的主要目的就是为了快速查找到指定的数据。
索引（Index）是帮助数据库高效获取数据的数据结构。索引是在基于数据库表创建的，它包含一个表中某些列的值以及记录对应的地址，并且把这些值存储在一个数据结构中。最常见的就是使用哈希表、B+树作为索引。

---

数据库中使用的索引的数据结构的选择

顺序查找：O(n)，很低效
折半查找：O(log2N)，但是数组的插入元素以及删除元素的效率很低，因此使用数组做为索引结构并不合适。
选择数据库索引的结构的时候，要考虑到另一个问题。索引是存在于磁盘中，当索引非常大的时候，达到几个G的时候，无法一次加载到内存中。
考虑到上面两个因素，数据库中索引使用的是树形结构。

---

有哪些树

二路搜索树：二叉排序树（BST），平衡二叉树（AVL）
多路搜索树: B树（B-树），B+树，B*树，注意B树和B-树是一个哦！

树形结构这么多，选择哪种呢？

需要明白的是树的搜索快慢主要由树的深度决定，那么平衡树是作为树形结构的一个约束条件，AVL就是一个可选的方案，为什么数据库还是使用的不是AVL呢？

---

平衡树到B树

平衡二叉树存在的问题：

索引是存在于索引文件中，是存在于磁盘中的。因为索引通常是很大的，因此无法一次将全部索引加载到内存当中，因此每次只能从磁盘中读取一个磁盘页的数据到内存中。而这个磁盘的读取的速度较内存中的读取速度而言是差了好几个级别。
平衡二叉树结构，指的是逻辑结构上的平衡二叉树，其物理实现是数组。实际情况是，在逻辑结构上相近的节点，在物理结构上可能会差很远。因此，每次读取的磁盘页的数据中有许多是用不上的。因此，查找过程中要进行许多次的磁盘读取操作。而适合作为索引的结构应该是尽可能少的执行磁盘IO操作，因为执行磁盘IO操作非常的耗时。因此，平衡二叉树并不适合作为索引结构。

B树适合作为索引的理由：

平衡二叉树没能充分利用磁盘预读功能，而B树是为了充分利用磁盘预读功能来而创建的一种数据结构，也就是说B树就是为了作为索引才被发明出来的的。
B树的每个节点可以存储多个关键字，它将节点大小=磁盘页的大小，充分利用了磁盘预读的功能。每次读取磁盘页时就会读取一整个节点。也正因每个节点存储着非常多个关键字，树的深度就会非常的小。进而要执行的磁盘读取操作次数就会非常少，更多的是在内存中对读取进来的数据进行查找。
B树的查询，主要发生在内存中，而平衡二叉树的查询，则是发生在磁盘读取中。因此，B树更适合作为索引。

磁盘预读：

我们知道磁盘I/O相比较CPU很慢，所以需要减少磁盘I/O操作。为了达到这个目的，磁盘往往不是严格按需读取，而是每次都会预读，即使只需要一个字节，磁盘也会从这个位置开始，顺序向后读取一定长度的数据放入内存。

局部性原理：

当一个数据被用到时，其附近的数据也通常会马上被使用。
程序运行期间所需要的数据通常比较集中。
由于磁盘顺序读取的效率很高（不需要寻道时间，只需很少的旋转时间），因此对于具有局部性的程序来说，预读可以提高I/O效率。

---

B树到B+树

B树：有序数组+平衡多叉树；
B+树：有序数组链表+平衡多叉树；
B+树的关键字全部存放在叶子节点中，非叶子节点用来做索引，而叶子节点中有一个指针指向一下个叶子节点。做这个优化的目的是为了提高区间访问的性能。而正是这个特性决定了B+树更适合用来存储外部数据。
B+树有一个最大的好处，方便扫库，B树必须用中序遍历的方法按序扫库，而B+树直接从叶子结点挨个扫一遍就完了，B+树支持range-query非常方便，而B树不支持。这是数据库选用B+树的最主要原因。
数据库索引采用B+树的主要原因是B树在提高了磁盘IO性能的同时并没有解决元素遍历的效率低下的问题。正是为了解决这个问题，B+树应运而生。B+树只要遍历叶子节点就可以实现整棵树的遍历。而且在数据库中基于范围的查询是非常频繁的，而B树不支持这样的操作（或者说效率太低）。

---

参考博文

1、一步步分析为什么B+树适合作为索引的结构
2、从B树、B+树、B*树谈到R 树