数据结构 —— B-Tree和B+Tree

B+Tree，B-Tree是棵自平衡的搜索树

【名词解释】空间局部性原理：如果一个存储器的某个位置被访问，那么将它附近的位置也会被访问

---

一、B-Tree：

B-Tree是专门为外部存储器设计的，如磁盘，它对于读取和写入大量数据有良好的性能。所以一般用于文件系统或者数据库中。MongoDB （索引）使用的是B-树。定义只需要知道B-树允许每个节点有更多的子节点即可。子节点数量一般在上千，具体数量依赖外部存储器的特性。

设计B-Tree结构的目的：

痛点：

传统用来搜索的平衡二叉树有很多，如 AVL 树，红黑树等。这些树存在着一些问题：

• I/O操作多：这些树在一般情况下查询性能非常好，但当数据非常大的时候它们就无能为力了。因为在数据量巨大的时候，内存就会不够用，因而大部分数据会被存放在磁盘上，只有需要的时候才会将数据读取到内存中。IO的读取时间远远是长于内存的读取，所以数据访问的大部分时间都阻塞在了I/O上。
• 自平衡受限：平衡二叉树，是通过 旋转 来保持平衡的，而平衡是对于一整棵树来讲的，加载局部数据是无法完成 旋转 的。
• 其次平衡二叉树的高度相对较大为 log n（底数为2），这样逻辑上很近的节点实际可能非常远，无法很好的利用磁盘预读（局部性原理）

所以这类平衡二叉树在数据库和文件系统上的选择就被 pass 了。

优化：

基于传统二叉树的问题设计了B-Tree，分别从减少I/O，局部自平衡 和 利用磁盘预读方面进行了优化

• 从“迎合”磁盘的角度上，通过减少I/O的次数来提高程序的性能。为了更快，B-树每次将范围分割为多个区间，区间越多，定位数据越快越精确。多叉的好处非常明显，有效的降低了B-树的高度。因为节点为区间范围，每个节点较大。所以新建节点时，直接申请页大小的空间（磁盘是按 block 分的，一般为 512 Byte。磁盘 IO 一次读取若干个 block，我们称为一页，具体大小和操作系统有关，一般为 4 k，8 k或 16 k），计算机内存分配是按页对齐的，这样就实现了一个节点只需要一次 I/O。
• 局部自平衡，B-Tree是通过合并和分裂来完成自平衡的。
  分裂：如果有一个节点有 2d 个 key，增加一个后为 2d+1 个 key，不符合上述规则 B-树的每个节点有 d~2d 个 key，大于 2d，则将该节点进行分裂，分裂为两个 d 个 key 的节点并将中值 key 归还给父节点。 
  合并：如果有一个节点有 d 个 key，删除一个后为 d-1 个 key，不符合上述规则 B-树的每个节点有 d~2d 个 key，小于 d，则将该节点进行合并，合并后若满足条件则合并完成，不满足则均分为两个节点。
• 但是B-Tree未解决利用 磁盘预读功能 的问题。

二、B+Tree：

B+树是B-树的变种，它与B-树的不同之处在于：

• 在B+树中，key 的副本存储在内部节点，真正的 key 和 data 存储在叶子节点上 。
• n 个 key 值的节点指针域为 n 而不是 n+1。

因为内节点并不存储 data，所以一般B+树的叶节点和内节点大小不同，而B-树的每个节点大小一般是相同的，为一页。

为了增加 区间访问性，一般会对B+树做一些优化。 
如下图带顺序访问的B+树。

B+树可以很好的利用局部性原理，若我们访问节点 key为 50，则 key 为 55、60、62 的节点将来也可能被访问，我们可以利用磁盘预读原理提前将这些数据读入内存，减少了磁盘 IO 的次数。 

三、B+Tree 和 B-Tree的 区别

• B+树内节点不存储数据，所有 data 存储在叶节点导致查询时间复杂度固定为 log n。而B-树查询时间复杂度不固定，与 key 在树中的位置有关，最好为O(1)。
• B+树叶节点两两相连可大大增加区间访问性，可使用在范围查询等，而B-树每个节点 key 和 data 在一起，则无法区间查找。
• B+树更适合外部存储。由于内节点无 data 域，每个节点能索引的范围更大更精确
  这个很好理解，由于B-树节点内部每个 key 都带着 data 域，而B+树节点只存储 key 的副本，真实的 key 和 data 域都在叶子节点存储。前面说过磁盘是分 block 的，一次磁盘 IO 会读取若干个 block，具体和操作系统有关，那么由于磁盘 IO 数据大小是固定的，在一次 IO 中，单个元素越小，量就越大。这就意味着B+树单次磁盘 IO 的信息量大于B-树，从这点来看B+树相对B-树磁盘 IO 次数少。

参考文章