B树、B+树和B*树理论

一、B树基础知识

B是Balance平衡的意思，B树的所有叶子节点都在同一层。m阶-平衡树 （一个节点有m个地址域，m-1个数据域），主要应用在文件索引系统。

AVL树：二阶平衡树。一个节点有2个地址域，1个数据域。（左右孩子的高度差是1,0，-1）

m阶B-树：最多有m个地址域（即m个孩子），m-1个数据域。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）。

为什么说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指针域？ 因为数据达到m了，节点就要进行分裂，提出一个数据成为父节点。若m是偶数，两侧数据个数分别是m/2和m/2-1，分别成为一个独立的节点，对于只有m/2-1个数据的节点来说，指针域就有m/2个，也就是ceil(m/2)

对于5阶B树来说，除根节点之外的节点的数据的个数，不能到达5，到达5的话节点就要分裂。内部节点和叶子节点范围能存储的数据范围是 [ceil(m/2)-1, m - 1]，而指针域始终比数据域多一个

二、B树的插入过程

按C、N、G、A、H、E、K、Q、M、F、W、L、T、Z、D、P、R、X、Y、S的顺序构造一棵5阶B树，详细过程如下：

分析：5阶的B树，非根节点数据个数在区间[2,4]内，每个节点最多有5个指针域，除根节点和叶子节点外，其他节点至少有2个数据，3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

2-3-4树：可以理解为4阶平衡树，每个节点最多3个数据，4个孩子，当数据达到3个时，需要进行分裂

三、B树的删除过程

删除以及调整的过程如下：

依次删除H、T、R、E

如果待删除节点没有孩子，则直接删除，删除后需要检查当前节点是否满足B树性质，如果当前节点的数据少于(m-1)/2，则要考虑从兄弟节点借数据，兄弟节点能借就把兄弟节点的数据放到父节点，父节点的数据拿到当前节点；若兄弟节点不能借，则需要和兄弟节点进行合并

如果待删除节点有孩子，删除后需要从孩子节点借数据，若能借直接拿上来，不能借则需要合并孩子节点

四、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：

1. 更少的磁盘I/O
2. 更快的搜索速度、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。AVL树是二阶平衡树（节点旋转调平衡），左右孩子高度差不超过1。

对比AVL树以及B树的效率

操作系统管理内存都是按页面page（4K）分配，管理磁盘是按块block（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（一般也是数据库索引树节点的大小），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，在B树使用同AVL树一样的查找方式，在B树节点内部采用二分查找的方式

五、B+树理论部分

磁盘上读数据，是按照block读取的。图中是3阶的，2个数据域，3个地址域，图中的数字代表索引项（例如学号作为索引）

数据都在磁盘上，花费更少的磁盘I/O才是最重要的。

我们看B树的每个节点存储的不仅仅是关键字（索引项），还存储着红色的点，这个红色的点代表索引项对应的记录，就是一行的数据。比如我们读取学号为17的数据，那就花费1次磁盘I/O；读取学号为99的数据，那就花费3次磁盘I/O。

m阶B+树和m阶B树的区别

B+树是B树的变形树

• 所有的叶子节点包含全部的关键字信息，及指向含有这些关键字记录的指针
• 非叶子节点只存储索引项，不存储数据，叶子节点用于存储索引项以及对应的数据
• 索引项和数据都出现在叶子节点中，搜索每一个数据所花费的磁盘I/O都是一样的
• 所有的叶子节点被串在一条有序的链表当中，当我们在进行区间查找的时候（where id > 1 and id < 10），我们不用遍历复杂的B+树，我们直接遍历叶子节点组成的链表即可
• 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

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+树非叶子节点只存索引项，相对于B树就不存数据地址，所以相同大小的节点存的关键字更多，树的高度更低，花费的磁盘I/O就少，找的就快。而且由于每个节点存储的索引多了，树的层数更低！

B树的一个节点存储了8个索引项和8个具体数据的指针地址，一共(8+8)*2=32B，一个B树节点需要用两个block（磁盘块）存储。而B+树的非叶子节点只存储所索引项，而不存储具体数据的指针地址，所以B+树的一个节点16字节可以全部用来存储索引项，一个block就可以存储一个B+树节点

B树和B+树的区别

1. B树的非叶子节点存数据和索引，B+的非叶子节点只存数据，同等数据量，B+树更低
2. B+树查找时间平均，因为都要到叶子节点上才能获得数据
3. B+树的叶子节点在一条链表上，区间查找快

六、B*树

B*树是B+树的变体，在B+树的内部节点（非根和非叶子节点）再增加指向兄弟节点的指针