BST、B树、B+_树

    B树和B+_树被广泛应用于关系型存储引擎中。下面结合参考文章，对该内容作简要总结。

1.  BST树 & AVL树

      1.1 二叉搜索树（BST binary search tree）特性：

        1. 所有非叶子结点之多拥有两个儿子（left、right）；

        2. 所有结点存储一个关键字；

        3. 非叶子结点的左指针指向小于其关键字的子树，右指针指向大于其关键字的子树。

       

        BST的搜索结果，从根结点开始，如果查询的关键字与结点的关键字相等，那么就命中；否则，如果查询关键字比结点关键字小，就进入左子树；如果比结点关键字大，就进入右子树；如果左子树或者右子树的指针为空，则报告找不到相应的关键字。

        如果BST的所有非叶子结点的左右子树的节点数目保持差不多平衡，那么B树的搜索性能逼近二分查找；但它相比较连续内存空间的二分查找的优点是：改变BST结构（插入与删除节点）不需要移动大段的内存数据，甚至通常是常熟的开销。

        但是BST经过多次插入与删除后，有可能导致不同的结构：

       

        右边也是一个BST，但它的搜索性能已经是线性的了；同样的关键字集合有可能导致不同的树结构索引；所以使用BST还要考虑尽可能让BST保持左图的结构，和避免右图的结构，也就是所谓的“平衡”问题。

      1.2 平衡二叉树概念：

        平衡二叉树（AVL树，发明者为Adel'son-Vel'skii 和 Landis），除了具备二叉查找树的基本特征之外，还具备一个非常重要的特点：它的左子树和右子树都是平衡二叉树，且左子树和右子树的深度之差的绝对值（平衡因子）不超过1。也就是说AVL树每个节点的平衡因子只可能是-1，0，1。

        实际使用的BST都是在原BST基础上加上平衡算法，即“平衡二叉树”；如何保持BST节点分布均匀的平衡算法是平衡二叉树的关键；平衡算法是一种在BST中插入和删除结点的策略。

      1.3 平衡二叉树的平衡策略：

        如何在二叉搜索树中添加数据的同时保持平衡呢？基本思想是：当在二叉排序树中插入一个节点时，首先检查是否因插入而破坏了平衡，若破坏，则找出其中的最小不平衡二叉树，在保持二叉排序树特性的情况下，调整最小不平衡子树中节点之间的关系，以达到新的平衡。所谓最小不平衡子树指离插入节点最近且以平衡因子的绝对值大于1的节点作为根的子树。

2.  B树（B-Tree/B-树/B_树/多路搜索树）

     2.1 B树的特性：

        B树中每一个结点能包含的关键字的数目有一个上界和下界。这个下界可以用一个称作B树的