数据结构和算法之八：B+树

数据结构树论之B+树

上一文中，我们详细了解了二叉树，以及一些特殊的二叉树（搜索树、平衡树、红黑树）的原理，本文重点来说明在MYSQL中用于索引的B+树。

如果仅仅是在内存中进行操作，那么红黑树是完全能够满足我们的要求的，但是如果数据量到达非常庞大的量级，比如几千万上亿时，我们是很难将数据全部load到内存中，构建出红黑树来直接查询，那么必定会将大量数据存放到磁盘上，在查询时通过磁盘I/O来完成。

我们假设现在有1000万数据，如果用红黑树来处理的话，那么树高估计在23-24层，如果1000万数据都在内存中，我们可以看到，一次查询只需要执行20多次搜索比较就可以完成查找，效率是极高的；但是1000万数据全部放到内存中也不现实，因此实际的做法是，只把根节点加载到内存，其他数据放到磁盘上；在执行查找时，如果比根节点小，则再从磁盘加载左孩子节点，再比较，再加载，一直这样执行到叶子节点。那么你会发现，一次查找，要经过20多次的磁盘I/O，我们知道磁盘I/O相对内存操作是非常低效的，20多次磁盘I/O是不能接受的。

为了解决大数据量下，数据存到磁盘时，查询导致磁盘I/O次数过多带来的性能问题，诞生了B+树这种数据结构， 它是MYSQL数据库的索引的结构。

首先我们来认识一下B+树的结构

可以看到，它和二叉树的不同点是，首先，每个节点不止存一个值了，而是存多个值，一个值可以将数据分成小于它的和大于它的两半，那么N值就可以将数据分为N+1个区间段了；另外一个就是二叉只会分为两个孩子，而B+树可以最多可以有M个分叉；最后你会发现叶子节点之间通过双向链表连接起来，这是主要是为了实现如SQL中的区间查找功能。

综合一下B+树的特点，它有如下的一些性质

M阶的B+Tree:

（1）每个节点最多有m个子节点（m叉树）（为什么不是M+1个子节点，理论上不是分为M+1个段吗？我认为这是一个工程实践问题，B+树的上一层值会来自于下一层节点的最大或者最小值，因此它会存在一个左右开闭问题，因此要么是左边，要么是右边会少一个值区间）

（2）除根节点外，每个节点至少有m/2个子节点。

（3）根节点要么是空，要么是独根，否则至少有2个子节点

（4）有k个子节点的节点必有k个关键码:就是 有m个数据就有m个叉叉；

（5）叶节点的高度一致：这样所有分支的查询复杂度是一样的。

基本认识了B+树的结构之后，回到之前的问题，B+树时怎么解决大数据量下的查找，导致磁盘I/O次数过多引起的性能问题？

先来点计算机的底层知识，计算机从磁盘读取数据到内存中时，并不是一个数据一个数据的读取，它有个一个最小的读取尺寸单位，叫页，比如4KB，每次读取都是4kB。

因此我们可以利用这个原理，将一个节点的大小就设置为一次磁盘I/O读取的4kb大小，对于整形的数据类型，通常占用的空间在4个字节，那么一个节点可容纳的数据量就是 4096 / (4+2) 差不多为700，这个2指的是指针占用的空间。在B+树中，所有数据都存在叶子节点中，我们可以初略估算一下，只有两层的B+树，数据量级为700 * 700 = 49W,如果是3层的B+树，量级为700 ^ 3 = 3.5亿。换句话说，从3.5亿的数据量中查找只需要做3次磁盘I/O，从根到叶子节点，你说高效不高效。（PS:1. 以上的计算只是说明思路，实际的数值是有出入的；2. 实际工程实践中，根节点通常是常驻内存，因此I/O还会少一次根的加载）

B+树的查找操作，和二叉树差不多，元素先和根比较（因为每个节点的元素是排好序的，因此可以使用二分查找），找到对应的区间，再往下一级区间去查找，直到叶子节点为止。

插入操作比二叉树时，多了节点分裂的操作，因为B+树有个阶的限制，当某个节点的数量大于阶的限制时，会分裂成多个节点。反过来，如果删除节点时，存在何必的动作。

道理虽懂，但是暂时还没有动手自己写一颗B+树出来，所以也就暂时不贴代码出来，有空的大神可以写出来分享一下。

前面说了这么多B+树， 那么B树呢？

B树在实际中使用较少（貌似还没见过那儿直接使用的B树），你可以把它看做是B+树的过渡，因此对它有个了解即可。

它和B+树有哪些区别呢？

1. 它的所有节点都会存储数据，而B+树的所有数据都在叶子节点上，非叶子节点（也可以认为索引层）数据是冗余的，下层节点的一些值。
2. 它的叶子节点之间没有双向链表连接，因此范围查找时麻烦的事情。

最后，如果想知道B+树在MYSQL索引中的具体应用，本人后续推出MYSQL索引文章来详解，敬请关注。

B+树可视化神器体验：https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html

B树可视化神器体验：https://www.cs.usfca.edu/~galles/visualization/BTree.html