B-Tree索引与原理

B-Tree就是我们常说的B树。B树这种数据结构常常用于实现数据库索引，因此它的查找效率比较高。
B-Tree与二叉树的对比
二叉查找树查询的时间复杂度是O（logN），查找速度最快和比较次数最少，既然性能已经如此优秀，但为什么实现索引是使用B-Tree而不是二叉查找树，关键因素是磁盘IO的次数。
数据库索引是存储在磁盘上，当表中的数据量比较大时，索引的大小也跟着增长，达到几个G甚至更多。当我们利用索引进行查询的时候，不可能把索引全部加载到内存中，只能逐一加载每个磁盘页，这里的磁盘页就对应索引树的节点。
我们先来看二叉树查找时磁盘IO的次：定义一个树高为4的二叉树，查找值为10：

从二叉树的查找过程可以看出，树的高度和磁盘IO的次数都是4，所以最坏的情况下磁盘的IO的次数由树的高度来决定。
从前面的分析情况来看，减少磁盘IO的次数就必须要压缩树的高度，让瘦高的树尽量变成矮胖的树，所以B-Tree就在这样伟大的时代背景下诞生了。
二、B-Tree
m阶B-Tree满足以下条件：
1、每个结点最多拥有m个子树；
2、根节点至少有2个子树；
3、分支节点至少拥有m/2颗子树（除根节点和叶子节点外都是分支节点）；
4、所有叶子节点都在同一层、每个节点最多可以有m-1key，并且以升序排列；
如下有一个3阶的B树，观察查找元素21的过程：

从查找过程中发现，B树的比对次数和磁盘IO的次数与二叉树相差不了多少，所以这样看来并没有什么优势。
但是仔细一看会发现，比对是在内存中完成中，不涉及到磁盘IO，耗时可以忽略不计。另外B树种一个节点中可以存放很多的key（个数由树阶决定）。
相同数量的key在B树中生成的节点要远远少于二叉树中的节点，相差的节点数量就等同于磁盘IO的次数。这样到达一定数量后，性能的差异就显现出来了。
三.B树的新增
在刚才的基础上新增元素4，它应该在3与9之间：

四、B树的删除
删除元素9：

插入或删除元素都会导致节点发生裂变反应，有时候非常麻烦，但正因为如此才让B树能够始终保持多路平衡，这也是B树自身的一个优势；自平衡；B树主要应用于文件系统以及部分数据库索引，如MongoDB，大部分关系型数据库索引使用B+树实现。