数据结构 —— B树和B+树

前面一章总结了一下数据结构以及查找树和红黑树的一些知识点，现在接着上面的内容说一下我们常用的B树和B+树。

所以要想更加容易读懂这篇文章，必须要先点这里看看我们的上一章

先加个目录：

---

目录

1、B树

1.1 何谓B树？

1.2 B树的结构是什么？

1.3 B树有什么优缺点？

1.4 B树的应用

2 B+树

2.1 什么是B+树？

2.2 B+树的优缺点？

2.3 B+树的应用

---

1、B树

灵魂三问：何谓B树？B树的结构是什么？B树有什么优缺点？

这里是一个大佬的漫画讲解，很到位

1.1 何谓B树？

注意注意注意：B-树就是B树，不是B减树

B树就是一个有2-3树（查看上一章内容）的所有结构和原理的多阶查找树，又叫多路平衡查找树。定义一棵B树必须指定它的阶。

那么问题来了，什么是多阶查找树呢？阶是什么呢？

简单来说呢，一棵树中的每个节点可以拥有的最多子节点树就叫做 -- 阶。比如2-3树就是一个阶数为3的B树。

1.2 B树的结构是什么？

上一小节中我们已经说过了，2-3树就是一个阶数为3的B树，这么说，B树的结构就类似于2-3树喽。为什么说是类似呢？因为这里还有阶一说。那么如果阶数为4，为5的B树长什么样子呢？

其实就是每个节点最多能连接的子节点不一样而已，其他完全一样，包括保持平衡的逻辑。

这里是详细逻辑结构的 传送门 。就不仔细说了。

知道了结构我们就可以知道它的一些特性了。Look（假设这里的B树的阶为 m）：

• 一棵B树的阶是预定义的（因为数据保存在磁盘中，通过磁盘页的大小决定阶的大小）
• 一棵B树的叶子节点总在同一层（因为它是平衡的，B树使用节点上移保证平衡）
• 一棵B树的所有节点上的数据个数等于其子节点个数减一（查看2-3树结构图）
• 一棵B树的所有中间节点的子节点个数k为: m/2 <= k <= m（因为数据插入只会发生在叶子节点，需要做平衡化的时候提取中间数据到上层，所以k>=m/2。具体根据结构理解）
• 一棵B树中的所有节点中的每个数据的左子树的所有数据小于等于该数据，右子树的所有数据大于等于该数据（数据有序便于二分查找）

1.3 B树有什么优缺点？

我们使用任何东西肯定是无利不起早，没有好处我们怎么会用，怎么会发明出来呢？说起B树的好处，往下看：

• 和二叉树相比较，因为我们的数据都是保存在磁盘中，我们读取的时候是需要消耗IO，而树的读取，我们一层需要读取一次IO。所以二叉树过于消耗我们的IO。而B树相对就会节省我们的IO。其实就是把“瘦高”的二叉树变成“矮胖”的B树。

当然任何东西都有两面性，B树也有：

• 和二叉树比较，我们每次操作一个节点的时候就需要去操作节点中的所有数据，相对于二叉树性能肯定有所不如。

总的来说，相比于这个缺点，内存要比磁盘快的多，所以对于消耗的一点内存交互来说，省下来的IO大大提高了树的性能。

1.4 B树的应用

• 文件系统
• 数据库索引，比如现在流行的非关系型数据MongoDB

 

2 B+树

既然说了B树，那么B+树也就不得不提了

同样，还是上面那位大佬，讲的很到位

那么，B+树为什么叫B+树呢？它与B树有什么不同呢？

2.1 什么是B+树？

B+树其实就是B树的一个升级版。相对于B树，B+树做了以下修改，大大提升了索引效率：

• 子节点保存父节点的值，父节点的值作为子节点的最大值或者最小值；
• 所有叶子节点包含了整棵树的所有值，并且它们之间使用指针相连，形成了一个有序列表；
• 只有叶子节点保存数据，其他节点都只保存索引（指针）。

所以B+树的结构是这个样子的：

2.2 B+树的优缺点？

B树的所有优点B+树全部都有。而且相对于B树还有一些新增的优点：

• 不保存数据在根节点和中间节点，所以可以保存更多的索引，从而支持树的阶数更大，从而比B树更加矮胖，可以省下更多的IO。
• 每次查询都必须从根节点遍历到叶子节点，查询性能相较于B树稳定（B树最优直接查询根节点，最差查询到子节点。）
• 范围查询直接遍历叶子节点就OK，B树需要遍历N次（N为满足条件数据量）

2.3 B+树的应用

• 数据库索引：典型的就是Mysql数据库。

---

暂时做一个总结，文章接着前面一章。觉得有疑问或者不正确的地方的，欢迎指正，一起学习，一起进步。有需要这些流程图资料的可以留言。