C语言从零实现SQLite数据库（七）

SQLite的核心思想是使用B-tree实现表和索引的存储。为什么B-tree这种数据结构更适合于数据库呢？

• 搜索数据非常快（时间消耗随着数据规模的增大呈对数级增长）
• 对于已经找到的值，插入/删除操作非常快（每次插入/删除后再平衡时间恒定）
• 能快速遍历值（与哈希表不同）

B-tree

B-tree的结构与传统的二叉树不同（“B”可能代表其发明人的名字，也可能表示“平衡”的意思）。下面是B-tree的示意图：

与二叉树不同，B-tree的每个节点不只有两个子节点。每个节点最多可以有m个子节点，其中m称为树的“阶数”。为了让树保持最大程度的平衡，我们也会规定节点必须有至少m/2个子节点（向上取整）。下面是一些特殊情况：

• 叶子节点没有子节点
• 根节点的子节点数可以比m少，但是必须至少有两个子节点
• 如果根节点是一个叶子节点（是整棵树中唯一的节点），那么它也不能有子节点

上图的B-tree是SQLite用来存储索引的。如果想存储表，SQLite使用的是B-tree的变种，叫B+ tree。

	B-tree	B+ tree
Pronounced	“Bee Tree”	“Bee Plus Tree”
Used to store	Indexes	Tables
Internal nodes store keys	Yes	Yes
Internal nodes store values	Yes	No
Number of children per node	Less	More
Internal nodes vs. leaf nodes	Same structure	Different structure

在实现索引之前，我们只讨论B+ tree，但是我们也把它叫做B-tree。

有子节点的节点叫做“中间”节点。中间节点和叶子节点的结构不同：

For an order-m tree…	Internal Node	Leaf Node
Stores	keys and pointers to children	keys and values
Number of keys	up to m-1	as many as will fit
Number of pointers	number of keys + 1	none
Number of values	none	number of keys
Key purpose	used for routing	paired with value
Stores values	No	Yes

B-tree元素插入示例

让我们通过一个示例来看看B-tree在插入元素时是如何变化的。为了让事情变得简单，我们把B-tree的阶数定为3，这意味着：

• 每个中间节点最多有3个子节点
• 每个中间节点最多有2个键
• 每个中间节点最少有2个子节点
• 每个中间节点最少有1个键

一个空的B-tree只有一个节点，即根节点。根节点开始时作为叶子节点没有键值对：

每当我们插入一组键值对，它们都会按大小顺序存放在叶子节点中。下图是插入两组键值对后B-tree的情况：

假设叶子节点的容量是两组键值对。此时，我们再插入第三组键值对，叶子节点会拆分成两个节点，同时每个节点只拥有原先一半的键值对。随后，生成一个新的中间节点，之前两个节点将成为其子节点。该中间节点现在就成为了根节点。

此时，中间节点有1个键和两个指向子节点的指针。如果想查找小于等于5的键，我们可以从左子节点中找。如果想查找大于5的键，我们可以从右子节点中找。

现在，让我们插入“2”这个键。我们先查它应该存放在哪个叶子节点中，此时我们会找到左子节点。但是当前该节点已经满了，因此我们拆分左子节点，并在其父节点中创建一个新的键。

让我们继续添加键“18”和“21”。此时，我们又到了必须再次分割的子节点的时刻，但是父节点中已经没有空间再容纳新的键和指针了。

解决办法是将根节点拆分为两个中间节点，然后创建新的根节点作为它们的父节点。

总结

从上面的示例中我们可以得出：

• 只有在拆分根节点时树的深度才会增加
• 每个叶节点具有相同的深度和近似数量的键值对，因此树能够保持平衡，从而实现快速搜索

在我们实现B-tree的插入功能之前，暂时先不讨论如何从树中删除键。

当我们实现B-tree时，每个节点对应一页，根节点存放在第0页。指向子节点指针可以简单地用包含该子节点的页码来代替。

下一节我们将开始实现B-tree！

原文链接：Let’s Build a Simple Database: Part 7 - Introduction to the B-Tree