B类树详解及B+树在Mysql索引的应用

写在最前

一直不知道B树是什么，面试的时候也被问过Mysql索引。所以写写B类树中B树，B+树的定义和增删操作。最后为Mysql中索引对B+树的使用。

B树的定义

B树也称B-树，它是一颗多路平衡查找树。我们描述一颗B树时需要指定它的阶数。

阶数表示一颗节点最多有多少个孩子节点，一般用字母m表示。当m=2时，就是常说的二叉查找树BST。

一颗m阶的B树定义如下：

1. 每个节点最多有m-1个关键字
2. 根节点最少可以只有1个关键字
3. 非根节点最少有Math.cail(m/2)-1个关键字
4. 每个节点中的关键字都按照大小顺序排列，每个关键字的左子树的所有关键字都小于它，每个关键字的右子树都大于它。
5. 所有叶子节点都位于同一层，或者说根节点到每个叶子节点的长度都相同

上图是一颗四阶的B树。在实际应用中B树的阶数都非常大（>100），所以即使存储大量的数据，B树的高度仍然比较小。每个节点存储关键字（key）和关键字对应的数据（data），以及孩子节点的指针（是两个数组吧，一个指针数组，一个数组

在数据库中，我们将B树和B+树作为索引结构，可以加快查询速度，此时B树中的key就表示键，而data表示了这个键对应的条目在硬盘上的逻辑地址。

逻辑地址：CPU所生成的地址。逻辑地址是使用程序角度看到的内存单元，并不是真正的物理地址。

B树的插入

插入操作是指插入一条记录，即(key,value)的键值对。如果B树中已经存在要插入的键值对，则需要用插入的value替换已存在的value。若树不存在这个key，则一定是在叶子节点中进行插入操作。

1. 根据要插入的key值，找到叶子节点并插入
2. 判断当前节点key的个数是否小于m-1，如果满足就结束，不满足则进行第3步操作
3. 以节点中间的key为中心分裂成左右两部分，然后将这个中间节点key插入到父节点中，这个key的左子树指向分裂后的左半部分，右子树指向分裂后的右半部分。然后将当前节点指向父节点，继续进行第2步

B树的插入过程

下面以5阶B树为例，介绍B树的插入操作操作。，在5阶B树中，节点最多有4个key，最少有2个key

1. 在空树中插入39。此时根结点就一个key，此时根结点也是叶子结点

   

2. 继续插入22，97，41。根结点此时有4个key

3. 继续插入53。插入后超过了最大允许的关键字个数4，所以以key值为41为中心进行分裂，结果如下图所示，分裂后当前结点指针指向父结点，满足B树条件，插入操作结束。当阶数m为偶数时，需要分裂时就不存在排序恰好在中间的key，那么我们选择中间位置的前一个key或中间位置的后一个key为中心进行分裂即可。

   

4. 依次插入13，21，40。同样会造成分裂

   

5. 依次插入30，27，33 ，36，35，34 ，24，29。

   

6. 插入key值为26的记录

   1）当前结点需要以27为中心分裂，并向父结点进位27，然后当前结点指向父结点

   

   2）进位后导致当前结点也需要分裂

   

   3）分裂后结果如下

   

7. 最后再依次插入key为17，28，29，31，32

   

插入总结

在实现B树的代码中，为了使代码编写更加容易，我们可以将节点中存储记录的数组长度定义为m而非m-1，这样方便底层的节点分裂向上层插入一个记录时，上层有多余位置存储这个记录。同时，每个节点还可以存储它的父节点的引用，这样就不必编写递归程序。

一般来说，对于确定的m和确定类型的记录，节点大小是固定的。但是分配固定节点大小的方法会存在浪费的情况。比如上图第7步中，key为28、29所在的这个节点还有两个空位置，但是这个节点的父左节点和父右节点为27和30，这也就意味着在这个节点不会再有数据插入了。所以如果记录按照key的大小排好序，再插入B数时，节点的使用率会很低，最差的情况仅有50%。

B树的删除

B树的删除就是根据key删除记录，如果不存在对应的key则删除失败。

1. 如果当前需要删除的key位于非叶子结点上，则用后继key（这里的后继key均指后继记录的意思）覆盖要删除的key，然后在后继key所在的子支中删除该后继key。此时后继key一定位于叶子结点上，这个过程和二叉搜索树删除结点的方式类似。删除这个记录后执行第2步

2. 该结点key个数大于等于Math.ceil(m/2)-1，结束删除操作，否则执行第3步。

3. 如果兄弟结点key个数大于Math.ceil(m/2)-1，则父结点中的key下移到该结点，兄弟结点中的一个key上移，删除操作结束。

   否则，将父结点中的key下移与当前结点及它的兄弟结点中的key合并，形成一个新的结点。原父结点中的key的两个孩子指针就变成了一个孩子指针，指向这个新结点。然后当前结点的指针指向父结点，重复上第2步。

有些结点它可能即有左兄弟，又有右兄弟，那么我们任意选择一个兄弟结点进行操作即可。

B树的删除过程

下面以5阶B树为例，介绍B树的删除操作，5阶B树中，结点最多有4个key,最少有2个key

1. 原始状态

2. 在上面的B树中删除21。删除后节点中的关键字的个数大于2，删除结束

3. 继续删除27。

   1）从上图可知27位于非叶子结点中，所以用27的后继替换它。27的后继节点为28，使用右子节点中的28替换27后，在右子节点中中删除28。删除后，右子节点中记录数小于2。

   

   2）此时他的左边兄弟节点中有3个记录，所以可以从左兄弟节点中借取一个key：父节点中28下移，26上移，删除结束。

   

4. 继续删除32。删除后，当前节点中只有31，而兄弟节点也仅有两个key。所以只能让父结点中的30下移和这个两个孩子结点中的key合并，成为一个新的结点，当前结点的指针指向父结点。此时节点key的个数满足条件，删除结束

5. 继续删除40。

   1）删除结果如下

   2）同理，当前结点的记录数小于2，兄弟结点中没有多余key，所以父结点中的key下移，和兄弟（这里我们选择左兄弟，选择右兄弟也可以）结点合并，合并后的指向当前结点的指针就指向了父结点。

   3）同理，对于当前结点而言只能继续合并了，最后结果如下所示。合并后当前节点满足条件，删除结束。

B+树

B+树关键字个数比孩子结点个数小1，这种方式是和B树基本等价的。B+树还有以下的要求：

1. B+树包含2种类型的特点：内部节点和叶子节点。根节点本身可能是内部节点，也可能是叶子节点。根结点的关键字个数最少可以只有1个。
2. B+树与B树最大的不同是内部结点不保存数据，只用于索引，所有数据（或者说记录）都保存在叶子结点中。
3. m阶B+树表示了内部结点最多有m-1个关键字（或者说内部结点最多有m个子树），阶数m同时限制了叶子结点最多存储m-1个记录。
4. 内部结点中的key都按照从小到大的顺序排列，对于内部结点中的一个key，左树中的所有key都小于它，右子树中的key都大于等于它。叶子结点中的记录也按照key的大小排列。
5. 每个叶子结点都存有相邻叶子结点的指针，叶子结点本身依关键字的大小自小而大顺序链接。

B+树的插入

1. 若为空树，创建一个叶子结点，然后将记录插入其中，此时这个叶子结点也是根结点，插入操作结束。
2. 针对叶子类型结点：根据key值找到叶子结点，向这个叶子结点插入记录。插入后，若当前结点key的个数小于等于m-1，则插入结束。否则将这个叶子结点分裂成左右两个叶子结点，左叶子结点包含前m/2个记录，右结点包含剩下的记录，将第m/2+1个记录的key进位到父结点中（父结点一定是索引类型结点），进位到父结点的key左孩子指针向左结点,右孩子指针向右结点。将当前结点的指针指向父结点，然后执行第3步。
3. 针对索引类型结点：若当前结点key的个数小于等于m-1，则插入结束。否则，将这个索引类型结点分裂成两个索引结点，左索引结点包含前(m-1)/2个key，右结点包含m-(m-1)/2个key，将第m/2个key进位到父结点中，进位到父结点的key左孩子指向左结点, 进位到父结点的key右孩子指向右结点。将当前结点的指针指向父结点，然后重复第2步。

B+树的插入过程

下面是一颗5阶B+树的插入过程，5阶B数的结点最少2个key，最多4个key。

1. 空树中插入5

   

2. 依次插入8，10，15

   

3. 插入16。

   

   插入16后超过了个数限制，所以要进行分裂。分裂出来的左结点2个记录，右边3个记录，中间key成为索引结点中的key，分裂后当前结点指向了父结点（根结点）。

   

   当然我们还有另一种分裂方式，给左结点3个记录，右结点2个记录，此时索引结点中的key就变为15。

4. 插入17。

   

5. 插入18。

   

   当前节点个数大于4，进行分裂。分裂成两个节点，左结点2个记录，右结点3个记录，关键字16进位到父结点（索引类型）中，将当前结点的指针指向父结点。

   

6. 插入若干数据后。

   

7. 在上图中插入7。

   

   当前结点的关键字个数超过4，需要分裂。左结点2个记录，右结点3个记录。分裂后关键字7进入到父结点中，将当前结点的指针指向父结点。

   

   当前结点的关键字个数超过4，需要继续分裂。左结点2个关键字，右结点2个关键字，关键字16进入到父结点中，将当前结点指向父结点。当前节点的关键字个数满足条件，插入结束。

   

B+树的删除

如果叶子结点中没有相应的key，则删除失败。否则执行下面的步骤

1. 删除叶子结点中对应的key。删除后若结点的key的个数大于等于Math.ceil(m/2) – 1，删除操作结束,否则执行第2步。

2. 若兄弟结点key有富余（大于Math.ceil(m/2)– 1，向兄弟结点借一个记录，同时用借到的key替换父结（指当前结点和兄弟结点共同的父结点）点中的key，删除结束。否则执行第3步。

3. 若兄弟结点中没有富余的key,则当前结点和兄弟结点合并成一个新的叶子结点，并删除父结点中的key（父结点中的这个key两边的孩子指针就变成了一个指针，正好指向这个新的叶子结点），将当前结点指向父结点（必为索引结点），执行第4步（第4步以后的操作和B树就完全一样了，主要是为了更新索引结点）。

4. 若索引结点的key的个数大于等于Math.ceil(m/2) – 1，则删除操作结束。否则执行第5步

5. 若兄弟结点有富余，父结点key下移，兄弟结点key上移，删除结束。否则执行第6步

6. 当前结点和兄弟结点及父结点下移key合并成一个新的结点。将当前结点指向父结点，重复第4步。

B+树的删除过程

下面是一颗5阶B树的删除过程，5阶B数的结点最少2个key，最多4个key。

1. 初始状态

   

2. 删除22。删除后叶子结点中key的个数大于等于2，删除结束。

   

3. 删除15。

   

   删除后，当前节点只有一个节点，不满足条件，而兄弟节点有三个，可以从兄弟结点借一个关键字为9的记录,同时更新将父结点中的关键字由10也变为9，删除结束。

   

4. 删除7。

   

   当前节点<2，且左兄弟节点不能借取，所以进行合并操作，并删除父节点中的7。然后将当前节点指向父节点。

   

   当前节点关键字<2，兄弟结点的关键字也没有富余，所以父结点中的关键字下移，和两个孩子结点合并。

   

为什么Mysql索引使用B+树

直接这个问题之前，先写以下学习之前自己的几个问题。

为什么要在数据库中使用索引

简单的说，在数据库中对数据进行读取时，首先要定位到数据在磁盘中所在的位置，这是数据库操作时间花费比较大的一块。当大规模数据存储到磁盘时，定位是一个非常花费时间的过程，我们可以通过B类树进行优化，提高磁盘读取定位的效率。

为什么索引不使用AVL或者RBT

AVL是一个完全平衡二叉树，为了维持平衡，需要付出较大的代价，所以在实际应用中不多。数据库需要频繁进行增删操作，使用AVL带来的收益小于付出的代价。

BRT更多的是追求局部平衡而不是严格平衡，相对于AVL树，它的旋转次数更少，所以对于搜索，插入，删除操作比较多的情况下，优先选择红黑树。但是与B类树相比，在相同节点数量的情况下，红黑树的高度要远远大于B类树。

为什么使用B类树

B/B+树是为了磁盘或其它存储设备而设计的一种平衡多路查找树，对比二叉树，每个节点有多个分支。

根据B类树的特点，构造一个多阶的B类树，可以尽量多的在节点上存储相关的信息，保证层级尽量少。B类树的操作效率取决于存取磁盘的时间和CPU计算时间，CPU计算的速度非常快，所以B类树的操作效率只取决于存取磁盘次数，在节点数量相同的情况下，层级越少，磁盘I/O所花费的时间越少。

另外一方面，因为B类树是平衡树，每个节点到叶子节点的高度是相同的，这也保证了每个查询是稳定的。

为什么B+树比B树更适合

B树在提高了IO性能的同时并没有解决元素遍历的我效率低下的问题，正是为了解决这个问题，B+树应用而生。在B+树中的叶子节点中，保存了兄弟叶子节点的地址，所以只需要去遍历叶子节点就可以实现整棵树的遍历。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。

相比B树，B+树的节点只存储索引key值，具体信息的地址存在于叶子节点的地址中。这也就使以页为单位的索引中可以存放更多的节点。因此，B+树成为了数据库比较优秀的数据结构，MySQL中MyIsAM和InnoDB都是采用的B+树结构。不同的是前者是非聚集索引，后者主键是聚集索引。

所谓聚集索引是物理地址连续存放的索引，在取区间的时候，查找速度非常快，但同样的，插入的速度也会受到影响而降低。聚集索引的物理位置使用链表来进行存储。

参考资料

B树和B+树的插入、删除图文详解

为什么Mysql数据库索引选择使用B+树