《HBase权威指南》读书笔记 第八章：架构，B+树

B+树

先说红黑树。红黑树是平衡二叉查找树。它通常用于Map结构的实现，可以根据Key快速找到Value。Java中的TreeMap就是通过红黑树实现的。它是一种二叉树，一个节点最多只能有两个子节点。

当BST的存储结构放在硬盘上时，就出现问题了。因为二叉树的高度比较大，寻找一个叶子节点需要较多次数访问硬盘。我们知道访问硬盘的速度是非常慢的，所以BST不太适合用在硬盘上。然而B+树可以解决这个问题。

B+树针对这种情况做了改良，修改了BST中只有两个子节点的限制，变成了最多有M个节点，M要大于等于3，可以是很大的值如M=1000。这里通过几个例子分别介绍增、删、查操作。你可能听说过二三树，它本质上就是B树（不是B+树）在M=3时的特殊形态。

下面通过一个具体的例子展示B+树大致的模样。例子中M=5。图片通过工具生成：https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html。

第一步：我们往空白的B+树中放入一个key=0，那么跟二叉树一样得到如下结果：

第二步：放入一条数据key=20，由于B+树的一个节点可以放多个值，这个例子中M=5，所以最多可以放5个，得到如下结果：

第三步：放入一条数据key=10，由于B+树的key要保持顺序，所以插到了中间，得到如下结果：

第四步：放入一条数据key=30，得到如下结果：

第五步：放入一条数据key=40，得到如下结果：

由于一个节点放了5条数据，容量已满，需要进行分割。分割的办法就是以中间的key作为分界点，分割成两个节点，并把分界的节点提到上一层。

注意分割之后key=20出现了两次。这两个节点的区别在于叶子节点有value数据，而中间节点没有value数据只有key。分割之后的两个节点之间出现了一个箭头，表示指针，用于遍历树的时候快速跳转到下一个区块。

以上就是B+树插入数据的大概样子。末尾附上笔者实现的B+树代码，可以了解其原理：（依据Wiki的介绍实现：https://en.wikipedia.org/wiki/B%2B_tree）

B+树的数据节点之间像链表一样相连，因此遍历树的操作不需要再去访问中间节点，因此在硬盘上做遍历操作是比较快的。但是数据节点在硬盘上不一定紧挨在一起，有可能相隔很远，因此HBase中提供了优化表OPTIMIZE TABLE的操作，其原理是将数据重写一遍，让数据能够在硬盘上尽量连续。于是扫描操作就变成了硬盘的连续读取操作，能够提升查询速度。

package btree;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collections;
import java.util.List;
import java.util.Random;

public class BPlusTree {
    public static void main(String[] args) {
        Node<String> tree = new LeafNode<String>(5);
        List<Integer> list = new ArrayList<Integer>();
        int count = 1000000;
        for (int i = 0; i < count; i++) {
            list.add(i);
        }
        Random random = new Random(1);
        Collections.shuffle(list, random);
        for (int e : list) {
            tree = tree.insert(e, "str" + random.nextInt(10000000));
        }
        for (int i = 0; i < count; i++) {
            System.out.println(i + ": " + tree.get(i));
        }
    }
}

abstract class Node<T> {
    protected int[] keys;
    protected int keyCount;
    protected int maxKeys;

    public Node(int m) {
        this.maxKeys = m;
        this.keys = new int[m];
    }

    protected int locate(int key) {
        for (int i = 0; i < keyCount; i++) {
            if (key < keys[i]) return i;
        }
        return keyCount;
    }

    public static <V> void arrayInsert(int size, V[] array, int pos, V data) {
        for (int i = size; i > pos; i--) {
            array[i] = array[i - 1];
        }
        array[pos] = data;
    }

    public static void arrayInsert(int size, int[] array, int pos, int data) {
        for (int i = size; i > pos; i--) {
            array[i] = array[i - 1];
        }
        array[pos] = data;
    }

    public static <V> V[] arraySlice(V[] array, int start, int end) {
        return Arrays.copyOfRange(array, start, end);
    }

    public static <V> V[] arraySlice(V[] array, int start) {
        return arraySlice(array, start, array.length);
    }

    public static int[] arraySlice(int[] array, int start, int end) {
        return Arrays.copyOfRange(array, start, end);
    }

    public static int[] arraySlice(int[] array, int start) {
        return arraySlice(array, start, array.length);
    }

    protected boolean isFull() {
        return keyCount >= maxKeys;
    }

    public abstract T get(int key);

    public abstract Node<T> insert(int key, T value);
}

class InternalNode<T> extends Node<T> {
    private Node<T>[] children;

    public InternalNode(int maxKeys, int[] keys, Node<T>[] children) {
        super(maxKeys);
        this.children = new Node[maxKeys + 1];
        keyCount = keys.length;
        for (int i = 0; i < keyCount; i++) {
            this.keys[i] = keys[i];
            this.children[i] = children[i];
        }
        this.children[keyCount] = children[keyCount];
    }

    @Override
    public T get(int key) {
        int i = locate(key);
        return children[i].get(key);
    }

    @Override
    public InternalNode<T> insert(int key, T value) {
        int i = locate(key);
        Node<T> newNode = children[i].insert(key, value);
        if (newNode == children[i]) return this;
        if (newNode.keyCount != 1) throw new RuntimeException("Expect only one key");
        InternalNode<T> asInternalNode = (InternalNode<T>) newNode;
        arrayInsert(keyCount, keys, i, newNode.keys[0]);
        children[i] = asInternalNode.children[0];
        arrayInsert(keyCount + 1, children, i + 1, asInternalNode.children[1]);
        keyCount++;
        if (!isFull()) return this;
        return split();
    }

    private InternalNode<T> split() {
        int splitPoint = keyCount / 2;
        int[] keys1 = arraySlice(keys, 0, splitPoint);
        int middleKey = keys[splitPoint];
        int[] keys2 = arraySlice(keys, splitPoint + 1);
        Node<T>[] children1 = arraySlice(children, 0, splitPoint + 1);
        Node<T>[] children2 = arraySlice(children, splitPoint + 1);
        InternalNode<T> node1 = new InternalNode<T>(maxKeys, keys1, children1);
        InternalNode<T> node2 = new InternalNode<T>(maxKeys, keys2, children2);
        return new InternalNode<T>(maxKeys, new int[]{middleKey}, new Node[]{node1, node2});
    }
}

class LeafNode<T> extends Node<T> {
    private T[] values;

    public LeafNode(int maxKeys) {
        super(maxKeys);
        this.values = (T[]) new Object[maxKeys];
    }

    public LeafNode(int maxKeys, int[] keys, T[] values) {
        this(maxKeys);
        this.keyCount = keys.length;
        for (int i = 0; i < keys.length; i++) {
            this.keys[i] = keys[i];
            this.values[i] = values[i];
        }
    }

    @Override
    public T get(int key) {
        for (int i = 0; i < keyCount; i++) {
            if (keys[i] == key) return values[i];
        }
        return null;
    }

    @Override
    public Node<T> insert(int key, T value) {
        int i = locate(key);
        arrayInsert(keyCount, keys, i, key);
        arrayInsert(keyCount, values, i, value);
        keyCount++;
        if (!isFull()) return this;
        return split();
    }

    private InternalNode<T> split() {
        int splitPoint = keyCount / 2;
        int[] keys1 = arraySlice(keys, 0, splitPoint);
        int[] keys2 = arraySlice(keys, splitPoint);
        T[] values1 = arraySlice(values, 0, splitPoint);
        T[] values2 = arraySlice(values, splitPoint);
        LeafNode<T> node1 = new LeafNode<T>(maxKeys, keys1, values1);
        LeafNode<T> node2 = new LeafNode<T>(maxKeys, keys2, values2);
        return new InternalNode<T>(maxKeys, new int[]{keys2[0]}, new Node[]{node1, node2});
    }
}