B树，B-树，B+树，B*树

数据库的索引，依赖于B+树。

之前仅简单了解使用B+ 树，是因为查找速度快，查找仅仅取决于树的高度。但是更加详细的内容，以及为什么使用B+树，而不是B树家族的其他数据结构，则并不清楚。因而详细研究一番。

二叉搜索树

二叉搜索树，数据结构书中有详细阐述，也是B树家族的基础。

• 所有非叶子结点至多拥有两个子结点；
• 所有结点存储一个关键字；
• 非叶子结点的左指针指向小于其关键字的子树，右指针指向大于其关键字的子树；

这种结构，非常有利于搜索，但是值得注意的是，当二叉树的结构不够平衡的时候，搜索的性能会受到极大影响。二叉搜索树的查询速度，取决于树的高度H。

实际情况中使用的二叉搜索树，基本上都是添加了平衡算法的。

平衡二叉树的平衡原理：插入数据或者删除数据时候进行旋转，保证二叉树的平衡

平衡二叉搜索树（AVL树）

平衡二叉搜索树，在二叉搜索树的基础上增加了平衡性

• 所有非叶子结点至多拥有两个子结点；
• 所有结点存储一个关键字；
• 非叶子结点的左指针指向小于其关键字的子树，右指针指向大于其关键字的子树；
• 左子树和右子树的深度之差的绝对值不超过1，且它的左子树和右子树都是一颗平衡二叉树

B树（B-树，平衡多路查找树）

B树，相较于平衡二叉搜索树的主要差别为，去掉至多两个子树的限制。

• 非叶结点内，值按照左小右大的原则
• 非叶结点，(M/2)向上取整<子结点数<=M （M>=2）
• 结点如果有k个子结点，则有k-1个值
• 叶子结点都为同一水平，叶子结点非空

这样的数据结构，可以显著降低查询的耗时，树的高度为h，则查询时间复杂度为O(h)

B树的结点插入规则：（1）结点拆分规则：M路查找树，这里关键字数>=M就要进行结点拆分；（2）结点拆分：将当前结点中间数字提取出来合并入父结点，当前结点剩余数字拆分为左右两部分，合并后如果父结点关键字数>=M，则继续进行拆分和合并。

B树的结点删除规则：（1）结点合并规则：结点内关键字数必须大于等于(M/2向上取整)；（2）关键字数小于等于(M/2向上取整)时先从子节点取，子节点没有符合条件时就向向父节点取，取中间值往父节点放；如果父结点或者子结点被取数后导致大小不足，则循环进行合并与处理

B+树

B+树为相对于B树的优化，查询速度更稳定，更加充分的利用了结点内的空间。

• B+数的非叶子结点内不存储数据，仅存储索引
• 叶子结点保存所有数据内容，每次查找都需要相同的次数
• 叶子结点有序，左结点存放右节点的指针
• 非叶结点的关键字数=子结点数（mysql实现方式）/子结点数-1

 B+树的优点是：层级更少,查询速度更稳定,天然具备排序功能,全节点遍历更快。

B*树

B*树是B+树的变种 

• 非根和非叶子结点增加指向兄弟的指针
• 非叶子结点关键字个数至少为(2/3)*M向上取整

 B*树分配新结点的概率比B+树要低，空间使用率更高

当一个结点满时，如果它的下一个兄弟结点未满，那么将一部分数据移到兄弟结点中，再在原结点插入关键字，最后修改父结点中兄弟结点的关键字（因为兄弟结点的关键字范围改变了）；如果兄弟也满了，则在原结点与兄弟结点之间增加新结点，并各复制1/3的数据到新结点，最后在父结点增加新结点的指针；