B-树、B+树和B*树

一. B-树(B树）

1. 基础知识

m阶-平衡树，一个节点有m个地址域，m-1个数据域，B树的所有叶子节点都在同一层。

B-树除根节点和叶子节点外，其他节点的孩子至少有一半个数的孩子（指针域）（比如说有5个孩子，ceil(5/2)=3，至少有3个孩子）

应用场景：文件索引系统的实现。

2. 插入操作

• 如果叶子结点空间足够，即该节点的关键字树小于m-1，则直接插入叶子结点的左边或右边（节点内的元素是有顺序的）；
• 如果空间满了以至没有足够的空间去添加新元素，即该节点的关键字数已经有了m个，则需要将该节点进行“分裂”，将一半数量的关键字元素分裂到新的其相邻右节点中，中间元素上移到父节点中，而且当节点中关键元素向右移动了，相关的指针也需要向右移；
• 此外，如果在上述中间关键字上移到父节点的过程中，导致根节点空间满了，那么根节点也要进行分裂操作，这样原来的根节点中的中间关键字元素向上移动到新的根节点中，因此导致树的高度增加一层。

【例如】 插入以下字符字母到一颗空的5阶B树中：C、N、G、A、H、E、K、Q、M、F、W、L、T、Z、D、P、R、X、Y、S

分析：5阶B树，非根节点关键字个数n满足2<=n<=4，每个节点最多含有5个孩子，出根节点叶子结点外，其他节点至少有两个数据，三个指针域。




对于B树来说，分裂都是向上分裂的，是非常平衡的。所有的叶子节点都在同一层，且满足搜索树的性质

3. 删除操作

首先查找B树中要删除的元素，若元素存在，则进行删除，删除该元素后，需要判断该元素是否有左右孩子节点

• 如果有，则上移孩子节点中的相近元素（左孩子中最右边的节点或者右孩子中最左边的节点）到父节点中去。
• 如果没有，直接删除。

调整操作

删除元素，然后进行元素移动之后，如果节点关键字数目不满足条件（小于ceil(m/2)-1），则需要看其相邻的兄弟节点是否丰满(关键字个数大于ceil(m/2)-1)

• 如果丰满，则向父节点借一个元素来满足
• 如果其相邻兄弟都刚脱贫，即借了之后其节点数目小于ceil(m/2)-1，则该节点与其相邻的某一兄弟节点进行“合并”成一个节点，以此来满足条件。

依次删除H、T、R、E

4. B树的磁盘IO优势和搜索效率

Windows和linux的文件搜索，以及数据库的索引，都用到了B+树结构（修改原始B树结构可得到）

在系统中的数据搜索中：大量的数据都是存储在磁盘上的。为了增加系统的搜索速度，我们一般会给数据创建索引。而所谓的创建索引，就是给数据进行排序，然后进行数据搜索就更加快速。

如果想对磁盘上存储的数据进行快速搜索查找需要解决两个问题：

• 更少的磁盘I/O
• 更快的搜索算法

我们在这里采用m阶平衡树（节点分裂调平衡）。红黑树不是平衡树，是二阶非平衡树。

对比AVL树以及B树的效率

操作系统管理内存都是按页面（4K）分配，管理磁盘是按块（16K）分配。我们的文件在磁盘存储，从磁盘读1个文件，读4个字节，实际上，操作系统从磁盘是按block（16K）来读取的。

磁盘的最小单位是扇区，一个扇区大小为512字节，一个block是16K，16K除以512就是扇区的个数。

假如现在从磁盘读取10000000个索引，构建索引树，对比B树和AVL树的花费：

• 如果用AVL树（相当于2阶B树）构建索引树来存储10000000个索引，需要24层。一个节点就是存储着一个索引数据，最差情况就是每个节点的数据都不在一个磁盘block上，一个节点对应一个磁盘I/O，我们查找一个数据最多查找24次，即最多需要24次磁盘I/O。
• 同理，使用300阶B树，查找一次数据最多找3层，花费3次磁盘I/O。

故在构建索引树的时候，我们更多的使用B树

二. B+树

1. m阶B+树和m阶B树的区别

• B+树的非叶子节点只存数据，不存数据地址
• 索引项全部出现在叶子节点当中，索引项对应的数据也全部在叶子节点。所以在B+树中搜索每一个数据所花费的磁盘I/O一样，而B树是离根节点越近的搜索越快
• 把叶子结点，即全部数据串在一条链表中，这条链表是有序的。所以当我们进行区间查找及整表搜索不用遍历这颗复杂的B+树，直接遍历叶子结点即可。
• B+树存储的索引值是有重复的，且每个节点中的关键字是有序的
  

2. B+树比B树更适合操作系统的文件索引和数据库索引的原因

B+树的磁盘读写代价更低，B+树的内部节点没有指向关键字具体信息的指针，因此内部节点相对B树更小。如果把所有同一内部节点的关键字放在同一块磁盘中，盘块盘块所能容纳的关键字数量也就越多，一次性读入内存中的需要查找的关键字也就越多，相对IO读写次数降低。

例如，假设磁盘中的一个盘块容纳16bytes，而一个关键字2bytes，一个关键字具体信息指针2bytes。一颗9阶B-tree（一个节点最多8个关键字）的内部节点需要两个盘块。而B+树内部节点只需要1个盘块。当需要把内部节点读入内存中的时候，B树就比B+树多一个盘块查找时间（在磁盘中就是盘片旋转的时间）

三. B*树

是B+树的变体，在B+树的非根节点和非叶子节点再增加指向兄弟节点的指针。

B*树定义了非叶子节点关键字个数至少为(2 / 3) * M，即块的最低使用率为2/3（代替B+树的1/2）

B+树和B*树的分裂比较

• B+树的分裂：当一个节点满时，分配一个新的节点，并将原节点中1/2的数据复制到新节点，最后在父节点中增加新节点的指针；B+树的分裂只影响原节点和父节点，而不会影响兄弟节点，所以它不需要指向兄弟的指针
• B*树的分裂：当一个节点满时，如果它的下一个兄弟节点未满，那么将一部分数据移到兄弟节点中，再在原节点插入关键字，最后修改父节点中兄弟节点的关键字（因为兄弟节点的关键字范围变了）；如果兄弟也满了，则在原节点与兄弟节点之间增加新节点，并各复制1/3的数据到新节点，最后在父节点增加新节点的指针

所以B*树分配新节点的概率比B+树要低，空间使用率更高，在B+树基础上，为非叶子节点也增加链表指针，将节点的最低利用率从1/2提高到2/3。