016 MySQL中B+Tree，从二叉树、平衡二叉树、B-Tree讲起

学软件技术，读第一手资料，去官方网站：MySQL 5.7参考手册

也可以看看比较经典的书籍，如《高性能MySQL》等

---

MySQL中表里面的数据越来越大的时候，查询数据就会变慢，为了解决查询变慢的问题常用的办法是在表上建索引，然后根据索引查询数据就会更快。

MySQL中，用的最多的是InnoDB存储引擎，InnoDB中的索引采用B+Tree这种数据结构。B+Tree 索引是 B+Tree 在数据库的一种实现。B+Tree 中的B代表平衡（balance），而不是二叉（binary），因为 B+Tree 是从 “平衡二叉树” 再经过 “B树（B-Tree）” 一步步演化而来的。

在讲 B+Tree 之前必须先了解二叉树、平衡二叉树（AVL Tree）和平衡多路查找树（B-Tree）。

（1）二叉树（Binary Search Trees，二叉查找树）；

（2）平衡二叉树（或者叫AVL Tree），是1962年由G. M. Adelson-Velsky和E. M. Landis共同提出的一种数据结构。AVL是作者名字的缩写。在二叉搜索树的基础上加上平衡的限制便是AVL树，所以AVL树也可以叫BBST，Balanced Binary Search Tree；

（3）平衡多路查找树（B-Tree，读作“B树”，别读成“B减树”，也别读成“B杠树”）；

（4）B+树（，读作“B加树”）。

1、二叉树

二叉树，分2个叉的树，左子树的键值 < 根的键值 < 右子树的键值，且节点中存储了键(key)和数据(data)，二叉树数据分布不均匀的时候会退化成链表。

数据库中的数据基本都是放在磁盘中的，每读取一个二叉树的结点就是一次磁盘IO。

1.1 数据分布很好的情况如下，查询其中的数据IO次数稳定：

1.2 数据分布不好的情况，查找数据IO次数不稳定，比如要找（17，dy）这条数据就需要IO次数很多，数据结构退化成链表：

 2、平衡二叉树

为了 防止 二叉树退化成链表 的最坏的情况，在符合二叉查找树的条件下，还满足任何节点的两个子树的高度最大差为1，这样就变成平衡二叉树（AVL树），需要注意的是平衡二叉树是每个节点只存储一个键值和数据的。

为了保证任何节点的两个子树的高度最大差为1，是通过各种旋转，具体细节不在本文档的讨论范围。如下：

当数据量很大的时候，因为每个节点只存储一个键值和数据，所以树的高度就会很高，树高度很高就会使得查询磁盘IO次数变多，IO次数多查询就变慢了。

3、B-Tree

B-Tree 和平衡二叉树不一样，B-Tree 属于多叉树又名平衡多路查找树（查找路径不止两个）。

平衡二叉树 每个节点只有一个key，而多路合并之后的B-Tree每个节点含有一组key。这样整棵树的层级会变矮，可以针对外部查找大大减少I/O次数。这就解释了为什么已经有了  “平衡二叉树” 还弄个B-Tree。

 

B-Tree 特点：

（1）B-Tree每个节点含有一组key（而 平衡二叉树 每个节点只有一个key），这样压缩树的高度 ，减少I/O次数，提升查询速度

（2）叶子节点具有相同的深度（同B+Tree），页节点指针为空（B+Tree叶子节点有指针连接）

（3）所有索引元素不重复（B+Tree中非叶子节点有key的冗余），非叶子节点上有数据

（4）节点中的索引从左到右递增排列

4、B+Tree

B+Tree是在B-Tree基础上的一种优化，使其更适合实现外存储索引结构。B+Tree与B-Tree的结构很像，但是也有几个自己的特性：

（1）叶子节点具有相同的深度（同B-Tree），所有叶子节点之间都有一个链指针

（2）所有的非叶子节点只存储关键字（key）信息

（3）所有数据都存在叶子结点中

（4）节点中的索引从左到右递增排列

5、 MySQL为什么最终要去选择B+Tree？

    （1）B+Tree是B-Tree的变种，B-Tree能解决的问题，B+Tree也能够解决（降低树的高度，增大节点存储数据量）

    （2）B+Tree扫库和扫表能力更强。如果我们要根据索引去进行数据表的扫描，对B-Tree进行扫描，需要把整棵树遍历一遍，而B+TREE只需要遍历他的所有叶子节点即可（叶子节点之间有引用）。

   （3）B+Tree磁盘读写能力更强。他的根节点和支节点不保存数据区，所以根节点和支节点同样大小的情况下，保存的关键字要比B-Tree要多。所以，B+Tree读写一次磁盘加载的关键字比B-Tree更多。

   （4）B+Tree排序能力更强。上面的图中可以看出，B+Tree天然具有排序功能。

   （5）B+Tree查询性能稳定。B+Tree数据只保存在叶子节点，每次查询数据，查询IO次数一定是稳定的。当然这个每个人的理解都不同，因为在B-Tree如果根节点命中直接返回，确实效率更高。