B树和B+树

1、概念

• 度(Degree程度)：节点拥有的直接孩子个数，度为0的节点称为叶子节点。就是叉的个数。
• 阶（度）：一个节点的子节点个数，树的阶为所有节点中阶最大的节点的阶。就是叉的个数。
• 树的度：树内节点度最大的那个是树的度。
• 深度（高度）：根节点为第一层，深度为0，往下依次，最大层次称为数的深度或者高度。
• 最小不平衡子树：距离插入节点最近的，且平衡因子绝对值大于1的节点为根的子树。
• 满二叉树：除叶子节点外，所有节点都有两个子节点。
• 完全二叉树：叶子节点在最后一层且是从左往右排列。

2、二叉排序树（二叉查找树）

• 是一棵二叉树；
• 若任意节点左子树不为空，左子树上所有节点值小于根节点值；
• 若任意节点右子树不为空，右子树上所有节点值大于根节点值。

3、平衡二叉树（AVL树）

Adelson-Velsky and Landis Tree是以人名命名的。

• 是一棵二叉排序树；
• 任意节点左右子树高度差不超过1。

4、红黑树

• 每个节点颜色不是黑色，就是红色
• 根节点是黑色的
• 叶子节点是黑色的
• 如果一个节点是红色，那么它的两个子节点就是黑色的（没有连续的红节点）
• 对于每个节点，从该节点到其后代叶节点的简单路径上，均包含相同数目的黑色节点

这几个规则最终的效果就是：从根到叶子的最长的可能路径不多于最短的可能路径的两倍长，使得维护树平衡的代价和搜索性能得到一个平衡。

了解红黑树，可以先从2-3-4树开始，

5、B树（多路查找树）

一个m阶B树需要满足的条件：

• 每个节点最多只有m个子节点。（因为是m阶）
• 每个内部节点（根节点和叶子节点之间的节点）具有至少m/2个子节点。
• 如果根不是叶节点，则根至少有两个子节点。
• 具有k个子节点的非叶节点包含k -1个键。
• 所有叶子都出现在同一水平（所以所有叶子高度都一致）。

上面的定义很晦涩，总结来说就是B树每个节点都包含数据，且所有叶子节点都在一层，看起来B树应该是一个很整齐的树，没有参差不齐。

6、B+树

• 有m个子树的中间节点包含有m个元素（B树中是k-1个元素），每个元素不保存数据，只用来索引；
• 所有的叶子结点中包含了全部关键字的信息，及指向含有这些关键字记录的指针，且叶子结点本身依关键字的大小自小而大的顺序链接。 (而B 树的叶子节点并没有包括全部需要查找的信息)；
• 所有的非终端结点可以看成是索引部分，结点中仅含有其子树根结点中最大（或最小）关键字。 (而B 树的非终节点也包含需要查找的有效信息)；

B+树只有叶子节点包含数据，非叶子节点只有索引，B+树的叶子节点也在同一层，这一点和B树一样，但是B+树的叶子节点通过指针链接，所以是按索引顺序形成的链，这样在根据索引进行范围查询时也会很快。B树和B+树组织的数据都存放在磁盘上，而且实际使用时，数据量不会小，所以在进行查询时，是需要多次进行磁盘IO操作的，mongodb使用b树的原因是他多进行key的搜索，数据分布在节点上，平均下来磁盘IO会较少，如果使用B+树，必须进行到叶子节点才能取出数据，平均下来磁盘IO会较多。MySQL使用的是B+树组织聚簇索引，在进行等值查询时，效果确实不如B树，但是MySQL中还有大量的范围查询，B+树由于叶子节点是按顺序链接的，所以范围查询上会占绝对优势，综合起来，MySQL适合使用B+树。