强查找数据结构（2）-- 用于磁盘存储的B/B+树

一、磁盘存储

存储磁盘数据为什么用B/B+树这种数据结构？
在回答这个问题前，需要先考虑一个问题，二叉搜索树的层高对数据操作有哪些影响？
层高会影响数据的对比次数；对结点的寻址过程需要进行对比，层数越多对比次数也越多。
对于内存中的数据，用二叉搜索树或者红黑树存储和寻址时，由于内存对数据寻址操作速度很快，所以层高对结点寻址速度不会有显著影响。
但是对于磁盘中的数据，磁盘寻址速度很慢，层数过高导致寻址次数过多，将会显著降低结点数据的寻址速度。因此，对于磁盘的结点数据，需要用一种低层高的数据结构存储–B/B+树。

B/B+树是一种平衡多叉树，并且限制其所有的叶子结点都必须在同一层，这样保证了B/B+树是一种低层高的树。

二、什么是B/B+树

一棵M阶B树T的严格定义如下：
（1）每个结点至多有M棵子树(M阶就是一个结点的分叉数最多为M）；
（2）根结点至少有两棵子树；
（3）除根结点外，其他每个分支结点至少要有M/2棵子树；
（4）所有的叶子结点都在同一层；
（5）如果一个分支结点有k棵子树，则该分支结点有k-1个关键字（关键字数量是分叉数量-1），关键字按照递增顺序进行排序；
（6）关键字数量n满足ceil(M/2)-1 <= n <= M-1; ceil()表示向上圆整。结合第3条和第5条性质自然可以推导出本条性质。
定义描述了B树的每个结点的分叉数量、每个结点的关键字数量和叶子节点的位置。B树所有节点的keys顺序关系类似于二叉搜索树，按照“从左到右”遍历时keys是有序的。

概念澄清：没有B-树，- 表示横杠而不是减号，所以没有B减树，B-树就是B树。
B树和B+树的区别：B树的所有结点都存储数据，但是B+树只有叶子结点存储数据，其他结点（内部节点）都用于索引。
B树和B+树的使用场景：B+树的存储数据的叶子节点存于磁盘中，而具有索引关系的内部节点存于内存中，索引节点快速寻址找到磁盘中的数据叶子节点；B树的存储数据的结点一部分存于内存中，一部分存于磁盘中。B+树的索引速度更快，现代数据库MySQL等使用的数据结构就是B+树。

三、B树的实现

B树及其结点定义

// SUB_M 表示 M/2
#define SUB_M  3 

typedef struct _btree_node { 
	int keys[2 * SUB_M - 1];
	btree_node *children[2 * SUB_M];
	
	int num; // 当前结点已存储数据的数量
	int leaf; // 当前结点是否为叶子结点

}btree_node;

typedef struct _btree {
	btree_node *root;
}btree;

或者

// 也可以将B树结点的关键字个数和分叉数写成不定值，由B树定义给出度的值
typedef struct _btree_node {
	int *keys;
	btree_node **children;
	
	int num; // 当前结点已存储数据的数量
	int leaf; // 当前结点是否为叶子结点

}btree_node;

typedef struct _btree {
	btree_node *root;
	int halfDegree;   // M/2
}btree;

四、 B树添加节点

由于B树一个节点有多个keys，为了区分节点和key，将添加新节点视为添加新key。
B树添加key的场景有两种：
（1）直接添加；如果添加新key后，被插入节点的keys数量不超过M-1，这时可以将新节key直接插入；
（2）先分裂再添加；如果添加新key后，被插入节点的keys数量超过M-1，不满足B树的性质，需要将被插入节点分裂后再插入，分裂点一般取中间点。增加到不能再增加时，先分裂再添加。
如图所示是”直接添加“和“先分裂再添加”两种场景：单个节点中keys数量上限是5，超过5个就分裂。

图1. 直接添加

图2. 先分裂再添加，由于被拆节点是根节点，拆分后需要创建一个新根节点和一个分裂出节点。此时拆出了3个节点

图3. 先分裂再添加，被拆节点不是根节点，拆分后需要创建一个分裂出节点，并将一个key上移到父节点；此时拆除两个结点，上移一个结点

五、B树删除节点

由于B树一个节点有多个keys，为了区分节点和key，将删除节点视为删除key。
B树删除key的场景有三种
（1）直接删除；如果删除key后，被删除key所在节点的keys数量 >= ceil(M/2)-1，满足B树性质，可以直接删除；
（2）先合并再删除；如果删除key后，被删除key所在节点的keys数量 < ceil(M/2)-1，不满足B树性质，不能直接删除，需要将该节点和同层的相邻节点合并后再删除（也就是删无再删时要先合并再删除）；又因为合并后父节点的分叉减少，所以需要同时将父节点的一个key下移到合并后的节点中，注意这个key下移后要保持B树的keys依旧是顺序的。
（3）借位删除；如果合并导致父节点的keys数量 < ceil(M/2)-1，那么就需要让父节点依次从同层的叔父节点–>祖父节点–>父节点进行key的借位操作。当借无可借时，又会进行同层节点以及父节点的合并。
如果被删key属于叶子节点，按照上述三种场景进行删除；如果被删key不属于叶子节点，将它移位到叶子节点后删除（其他key也要随之移位）。

图4. 直接删除一个结点

图5. 删除结点前先合并
图6. 删除结点前先借位再合并

文章参考与<零声教育>的C/C++linux服务期高级架构线上课学习