B树，B+树

B树

B树即平衡查找树，一般理解为平衡多路查找树，能对存储的数据进行O(log n)的时间复杂度进行查找、插入和删除。B树一般较多用在存储系统上，比如数据库或文件系统。

B树特点

B树可以定义一个m值作为预定范围，即m路(阶)B树。

• 每个节点最多有m个孩子。
• 每个节点至少有ceil(m/2)个孩子，除了根节点和叶子节点外。
• 对于根节点，子树个数范围为[2,m]，节点内值的个数范围为[1,m-1]。
• 对于非根节点，节点内的值个数范围为[ceil(m/2)-1,m-1]。
• 根节点(非叶子节点)至少有两个孩子。
• 一个有k个孩子的非叶子节点包含k-1个值。
• 所有叶子节点在同一层。
• 节点内的值按照从小到大排列。
• 父节点的若干值作为分离值分成多个子树，左子树小于对应分离值，对应分离值小于右子树。

一颗M阶B树T，满足以下条件

1. 每个节点至多拥有M棵子树
2. 根结点至少拥有两棵子树
3. 除了根节点以外，其余每个分支结点至少拥有M/2棵子树
4. 所有叶结点都在同一层上
5. 关键字数量满足ceil(M/2) - 1 <= n <= M - 1

插入操作

插入操作的核心是分裂操作。无需分裂的情况比较简单，直接插入即可；如果插入后超过节点容量，这个容量可预先自定义，则需要进行分裂操作，需要注意的是分裂可能引起父节点需要继续分裂。

超过了节点可以存放容量，对于四阶B树每个节点最多存放3个值，此时需要执行分裂操作。

分裂操作为，先选取待分裂节点的中值，这里为“B”，然后将中值“B”放到父节点中，因为这里还没有父节点，那么直接创建一个新的父节点存放“B”，而原来小于“B”的那些值作为左子树，原来大于“B”的那些值作为右子树。

继续插入

选取待分裂节点的中值“D”，然后将中值“D”放到父节点中，父节点中的“B”小于“D”，于是放到“B”右边，而原来小于“D”的那些值作为左子树，原来大于“D”的那些值作为右子树。

查找

查找过程有点类似二叉搜索树

删除

判断子树key数量M/2 - 1
M = 5 时 最小为2

子节点ABDE合并时当前点下沉

1. 相邻两颗子树都是M/2 -1, 合并
2. 左边子树大于M/2 - 1， 借节点
3. 右边子树大于M/2 - 1，借节点

B+

B+树是B树的一种变体，也属于平衡多路查找树，大体结构与B树相同，包含根节点、内部节点和叶子节点。多用于数据库和操作系统的文件系统中，由于B+树内部节点不保存数据，所以能在内存中存放更多索引，增加缓存命中率。另外因为叶子节点相连遍历操作很方便，而且数据也具有顺序性，便于区间查找。

性质

• B+树可以定义一个m值作为预定范围，即m路(阶)B+树。
• 根节点可能是叶子节点，也可能是包含两个或两个以上子节点的节点。
• 内部节点如果拥有k个关键字则有k+1个子节点。
• 非叶子节点不保存数据，只保存关键字用作索引，所有数据都保存在叶子节点中。
• 非叶子节点有若干子树指针，如果非叶子节点关键字为k1,k2,…kn，其中n=m-1，那么第一个子树关键字判断条件为小于k1，第二个为大于等于k1而小于k2，以此类推，最后一个为大于等于kn，总共可以划分出m个区间，即可以有m个分支。（判断条件其实没有严格的要求，只要能实现对B+树的数据进行定位划分即可，有些实现使用了m个关键字来划分区间，也是可以的）
• 所有叶子节点通过指针链相连，且叶子节点本身按关键字的大小从小到大顺序排列。
• 自然插入而不进行删除操作时，叶子节点项的个数范围为[floor(m/2),m-1]，内部节点项的个数范围为[ceil(m/2)-1,m-1]。
• 另外通常B+树有两个头指针，一个指向根节点一个指向关键字最小的叶子节点。
• 在进行删除操作时，涉及到索引节点填充因子和叶子节点填充因子，一般可设叶子节点和索引节点的填充因子都不少于50%。