MySQL索引之B-树与B+树

本文只是个人阅读笔记，原文建议详细阅读：什么是B-树 什么是B+树

我们知道MySQL中索引最常用的数据结构就是Hash和B+Tree,而其中的B+树更是大多数 MySQL 存储引擎的默认索引类型。

• 那究竟什么是B+树？什么又是B树？它们之间有什么关系吗？

B树/B-树

1、哈希表、二叉查找树、B树的比较

要弄清楚B+树，就得先知道B-树（B-树就是B树），首先MySQL索引之所以要使用树作为数据结构进行存储是因为它查询效率高，且可以保持有序，解决hash结构无序只能用作等值查询场景的缺陷。

• 那为什么不使用二叉查找树？

我们知道二叉查找树的查找插入的时间复杂度都是O(logN)，之所以没有使用二叉查找树是考虑到了磁盘IO的问题：
索引是存储在磁盘上的，当数据量很大的时候，整一棵二叉查找树的高度是很高的。而我们利用索引进行查询时并不会将整个索引加载到内存，而是按页读取，将索引逐页加载到内存，其中每个节点代表了一个页。假设一个二叉查找树的树高为N，意味着我们查找一个节点最差情况要进行读取N次磁盘，而读取一次磁盘耗费的时间通常需要几ms，这是非常耗时的，所以我们希望树高可以尽可能的小，其中的办法就是使得一个节点的子节点不止只有2，而是可以有更多的子节点，即是“N叉树”，而B树正是符合这个要求的。

• B树
  B树是一种多路平衡的查找树，它的每个节点最多可以包含m个孩子，m称为B树的阶，而m的大小取决于磁盘页的大小。

  一个m阶的B树特点如下：

  1. 根结点至少有两个子女
  2. 每个中间节点（非叶子节点&非根节点）都包含k-1个元素和k个孩子，其中 m/2 <= k <= m
  3. 每一个叶子节点都包含k-1个元素，其中 m/2 <= k <= m
  4. 所有的叶子结点都位于同一层
  5. 每个节点中的元素从小到大排列，节点当中k-1个元素正好是k个孩子包含的元素的值域分划

例如下面3阶的B树：

其中B-树的查找、插入节点都是遵循这些特点进行操作的

• B-树的查找（例如查找5）：
  
  
  
  
  
  
• B-树的插入比较复杂，不展开了解。

B+树

B+树是基于B-树的一种变体，有着比B-树更高的查询性能。

一个m阶的B+树具有如下几个特征：

1. 有k个子树的中间节点包含有k个元素（B树中是k-1个元素），每个元素不保存数据，只用来索引，所有数据都保存在叶子节点。
2. 所有的叶子结点中包含了全部元素的信息，及指向含这些元素记录的指针，且叶子结点本身依关键字的大小自小而大顺序链接。
3. 所有的中间节点元素都同时存在于子节点，在子节点元素中是最大（或最小）元素。

如下3阶的B+树：

因为B+树的好处体现在查询性能上，现在来看看它的单行查询和范围查询：

• 单行查询（例如查询3）：
  
  
  
• B-树和B+树中的卫星数据：

卫星数据是值索引元素所指向的数据记录，比如数据库中的某一行。在B-树中，所有节点都带有卫星数据。而在B+树中只有叶子节点带有卫星数据，其他节点仅是索引，没有关联数据。
注：在数据库的聚集索引中，叶子节点直接包含卫星数据。在非聚集索引中，叶子节点带有指向卫星数据的指针。

所以单行查询中，B+树与B-树有两点不同：

1. B+树中间节点没有卫星数据，同样大小的磁盘页可以容纳更多节点元素。意味着B+树高会比B树更小，查询时IO次数更少。
2. B+树的查询最终一定会查询到叶子节点，而B-树的查询可能止于叶子节点也可能止于非叶子节点。所以B+树会更加稳定。

• 范围查询（例如查询范围3-11）：
  
  
  
  通过图可以知道，通过B+树叶子节点的链表指针且它的有序性可以快速找到。

B+树相比B-树的优势

1. 单一节点存储更多的元素，使得查询的IO次数更少。
2. 所有查询都要查找到叶子节点，查询性能稳定。
3. 所有叶子节点形成有序链表，便于范围查询。