理解B树的设计与定义

一：如何减少IO访问次数

设计出B树的目的是解决数据过大时，内存存不下的时候需要把数据存在拥有更大空间的磁盘，那么什么样子的数据结构才是合适的？往下看：
考虑左下图的一棵二叉树，需要在E结点写入一个数据，首先就需要找到E节点，查找路径为 A->B->E，假设A节点存储在内存（根节点），其余节点存储在磁盘内，首先需要从磁盘将B节点读取出来，然后根据B节点的内容从磁盘中将E节点读出来，很容易发现E结点当前高度为3，只需要访问2次IO，那么如果我需要对X节点（高度为H）进行读写呢？就需要 （H-1） 次IO访问，每次IO访问操作系统进行的磁盘寻址取数是一个耗时的过程（根据机器性能会有几毫秒），所以要尽量减少磁盘的访问次数，就需要把树的高度降低，那么同样的结点数，只需要让每层可以容纳更多的元素就可以降低层高了，二叉树每个结点只有一个元素，那我是不是可以让每个结点有多个元素？二叉树每层只有2^(n-1)个结点，是不是可以更多？所以B树就被设计成类右下图的样子，实际结点分叉更多，结点包含的元素也更多

有人会问：为什么非根节点不存到内存？
数据过大指的就是节点数据过大，假设每个结点存1K数据，单个节点存内存没问题，一旦节点很多时，在存内存就不够了
又有人问：那我只存索引不行吗？
如上诉问题，假设索引也有1K的时候怎么办？

二：如何正确访问到每一个元素（毕竟需要增删改查）

依然与二叉树做比较，二叉树是小的元素为左节点，大的元素做右节点，通过这种关系可以由上至下访问到每个元素，如左下图，
那么对于多叉多元素如何访问呢？
首先对于节点内的元素来说，里面应该得顺序或者逆序排列，这样通过索引就能访问到节点内的元素，对于节点A来说元素10就是他的第二个数据
然后是子节点，这里借用数学区间的概念，如右下图【6,10】把数字空间分为了3部分：小于6、大于6小于10、大于10，所以他有3个子节点
ps:标红的都是节点

三：B树的定义

在给出正式定义之前，先阐述自己的观点：

1、节点元素尽可能多，分叉尽可能多，但不是无限多：为了减少IO访问次数，也就是树高度尽可能低，理论上，只要你分叉够多，结点包含的元素够多，树高2层就够你存储所有的数据了，实际上却不不一样，哪怕你每个结点包含再多元素，最终还是对磁盘读写，而磁盘访问的单位是1个扇区，也就是说每次磁盘访问是有大小限制的，考虑机器性能，一般的节点大小都会设置为一个磁盘页

对于典型的磁盘来说，一页的长度 在2¹¹~2¹⁴个字节

2、数据结构的设计一定是为了解决某种问题才思考出来的方案，假如磁盘这类的持久化存储设备访问速度很快，就没有B树这一概念了。
3、数据结构得能让人较容易的去使用，所以你会看到很多定义里面各种条件限制，个人理解是为了方便数据结构元素的插入删除而加的限制

那有人又会问了，到底是先有性质还是先有数据结构?
这就是先有鸡还是现有蛋的问题了，我觉得是先遇到的问题，才有的多叉多元素的结构，然后为了更好的定义才约定的限制，加了限制的多叉多元素结构就成了B树，然后这些限制就成了B树的性质

正式的定义

1、某个视频里面看到的定义

一颗M阶B树T，满足以下条件

1. 每个结点至多拥有M课子树
2. 根结点至少拥有两颗子树
3. 除了根结点以外，其余每个分支结点至少拥有M/2课子树
4. 所有的叶结点都在同一层上
5. 有k课子树的分支结点则存在k-1个关键字，关键字按照递增顺序进行排序
6. 关键字数量满足ceil(M/2)-1 <= n <= M-1

2、百度百科的定义

一棵m阶B树(balanced tree of order m)是一棵平衡的m路搜索树。它或者是空树，或者是满足下列性质的树：
1、根结点至少有两个子女；
2、每个非根节点所包含的关键字个数 j 满足：┌m/2┐ - 1 <= j <= m - 1；
3、除根结点以外的所有结点（不包括叶子结点）的度数正好是关键字总数加1，故内部子树个数 k 满足：┌m/2┐ <= k <= m ；
4、所有的叶子结点都位于同一层。
在B-树中，每个结点中关键字从小到大排列，并且当该结点的孩子是非叶子结点时，该k-1个关键字正好是k个孩子包含的关键字的值域的分划。
因为叶子结点不包含关键字，所以可以把叶子结点看成在树里实际上并不存在外部结点，指向这些外部结点的指针为空，叶子结点的数目正好等于树中所包含的关键字总个数加1。
B-树中的一个包含n个关键字，n+1个指针的结点的一般形式为： （n,P0,K1,P1,K2,P2,…,Kn,Pn）
其中，Ki为关键字，K1<K2<…<Kn, Pi 是指向包括Ki到Ki+1之间的关键字的子树的指针。

3、算法导论给出的定义：

在理解这些定义前可以想象一个场景，B树的节点数量是如何一个一个增加的，也就是B树的数据插入过程，正常来说是根据关键字的大小插入合适的位置，如下图：

但是每个节点大小都会有限制（前面有提到），也就是节点的关键字个数是有最大值的，那么我假设这个最大值为max,当一个节点的关键字个数为max时，在增加一个数，怎么处理？参考如下过程，假设max=4，当需要增加关键字为80的数据时，先将数据添加进节点，然后从中间分列，中间元素上移到父节点，

删除的话比较复杂，但演算的时候可以采取了增加的逆过程，当节点小于max/2时去删除，则想办法合并，所以按照这个编码思路，那么你的B树自然而然会包含这个关键性质（不管你是定义“阶”还是“度”还是子节点个数限制，本质都是一样的）

节点关键字个数 大于max/2 ,小于max

这是从编码实现推出性质，我觉得这应该也是正确的过程

发现问题（磁盘访问次数太多）
在现有基础上解决问题（多叉搜索树）
想办法编码实现极端情况（增删过程的分裂合并）
得出B树性质

当然正常来说我们都是直接根据性质来编码，这样的话理解起来就会有些问题，我也是这样过来的，像《算法导论》给出的定义每个节点最多包含2t-1个关键字，目的是为了保证最大个数的值为奇数，但在实现增加时，他会先分裂在添加。

PS：
1、代码实现就不再次多说了
2、B+树，是在多叉树的基础上要求所有叶子节点在一个层高,同时数据都保存在叶子节点上