B-tree

B-tree

B-tree（多路搜索树，并不是二叉的）是一种常见的数据结构。使用B-tree结构可以显著减少定位记录时所经历的中间过程，从而加快存取速度。按照翻译，B 通常认为是Balance的简称。这个数据结构一般用于数据库的索引，综合效率较高。

B-tree形成过程

M（Max.Degree）：每个节点最大保存的个数为M-1，这个m值最小是三，最大（）

例子：M=4；节点保存个数为M-1=3

        图一             

其实你可以把这个m=4看成是一个条件，如果等于四，那么就把这个节点做为根节点，然后在下面分成两个或者多个子节点，如下

      图二         

因为M=4，再在图一中添加数据，图一数据的个数等于4，那么就会变成图二。

图一变图二的规则：1：首先给0001，0002，0003，0004排序

                                 2：M/2的值等于2，根节点从左数第二个就是0002（除不尽没关系）

                                 3：（M-1）/2的值=1，这就定义了子节点的最小存储个数为1,。0001成了左子节点，0003、0004就成为右子节点

图二从上往下看就是根节点的左节点就会小于根节点，右节点就会大于根节点（这个是tree的特性）

在把图二做个升级，把图二的右子节点添加一条数据0005，是怎么加的呢？

           它会先和0002比较，大于0002，然后和右节点作比较，把数据放进去，如下图

       图三                          

如果在往右子节点加一条数据0006会变成什么呢？（自己先想一下再往下看）

          其实他会重复图一变图二的规则，0003、0004、0005、0006先做一个排序然后M/2的值放在根节点上，0003就会变成一个左子节点，0004变成根节点，0005、0006变成右子节点，如下图

       图四                                   

如果根节点的数据个数等于4会发生什么呢？

其实和图一转变为图二一样，转换后的图五

图五

没有改变之前是这样的图形 图六

 图六

图六最右边的子节点增加0008，那么就会往根节点添加一条数据0006，此时根节点存储的数据就是0001、0002、0004、0006，那么就会被算法改变为图七的样子

图七

这就是B-tree形成的过程。不知道你们能不能看得懂，看之前最好先看一下二叉树的知识，这样会跟好理解。

B-tree删除过程

从两个角度讲

相对于根节点来说，遵循一个规则就是，每个节点的个数都必须等于或者大于（M-1）/2的值，所有的删除逻辑都是围绕这个规则展开的，例子

1：删除根节点：M=6；那么下面所有节点都必须等于2或者大于2

     

         删除0002，首先它会把左节点内的最大值0003赋值到0004这个根节点上，然后查看左边节点的个数是否等于或者大于2，如果小于一那么就用右边节点内的最小值0005赋值到根节点0004上面，把0003重新赋值到以前节点上。如果等于或者大于2的话就直接把0003赋值到根节点上就可以了，不做其他操作。

最终效果图：

              

      如果删除0003会变成什么样呢？  

            

2：删除子节点：M=6；那么下面所有节点都必须等于2或者大于2

     

         删除0001以后，首先判断这个这个节点数据个数，如果数据个数等于或者大于2，不做其他改动直接删除就可以了。如果小于2，就会把右节点的最小数据0005赋值到根节点上，根节点0003赋值到左节点上（如下图），让左节点个数等于或者大于2

        

最终结果：

         

不对的地方还望大神指教。这个不是一次就能弄懂的，多看几次就会懂的，