mavibot btree实现原理

Mavibot 是个Java 的多版本并发控制 BTree，是 JDBM（当前 Apache Directory 服务器的后端）的替代品， 但是有着更强的功能，能适应任意需要实现 Java MVCC BTree 的项目。Btree是在红黑树的基础上提出的。红黑树的高度，限制了其性能。而Btree则通过扩展节点的存储功能，降低了树的高度。

1 红黑树（平衡二叉树）

内存索引的文章中已经对平衡二叉树进行了描述。这里注意两点：
第一点： 平衡二叉树的高度，影响了插入、查询的效率。维护的数据越多，二叉树的高度越高，插入数据和查询数据的比较次数就越多。最理想的效率是进行log2n次的数据比较（n是数据个数。在完全二叉树的情况下。）
第二点：并发控制。平衡二叉树，为了维护平行特性，需要交换子树的父子节点关系。如果当前的子树高度发生了变化，那么子树所在的父节点也需要balance操作（当然，如果左右子树的高度相差小于等于1，就不需要进行交换擦做。）这么说来，插入一个节点，可能会导致根节点发生变化。从这个角度来讲，平衡而插入的并发插入需要给整棵树加锁，也就是说插入是串行的。在不改进二叉树的算法情况下（目前还不了解怎么改进二叉树算法，从而满足并发），插入的性能是无法优化的。

2 B-Tree

目前几乎所有的数据库索引都采用了B树结构。在平衡二叉树的基础上，B树每一层的数据量更多，所以树的高度降低，加快了查询和插入的效率。
B-Tree组织结构如下图：

TreeNode不存储数据，只负责检索。TreeLeaf存储了所有的数据。TreeLeaf中，key和value分别为两个数组。相同的位置，对应一对<key，value>.

在并发的角度来看，B树依旧很难线程安全。
下图是mavibot的BTree添加数据的算法。再添加的过程中，一个树节点的元素个数超出了限制，就需要对节点进行分裂操作。
当新的数据到来时，将数据插入叶子节点中。此时发现叶子节点的数据量已经超过限制，则对叶子节点进行分割，形成两个节点。叶子节点将分裂的信息传递给根节点。根节点原来有一个position的信息指向叶子节点。但是目前叶子节点分裂成两个，所以根节点需要新建立一个新的position指向另外一个叶子节点。根节点将position之后的所有数据向后移一位，然后在position+1的位置存储新叶子的信息。实际上相当于根节点也增加了一个数据。
在一定条件下，一个叶子节点发生分裂时，可能导致整棵树的高度变化。（沿着路径，所有的节点都发生了分裂，那么根节点就会分裂成两个。为了保证一棵树只有一个根节点，需要生成一个新的根节点，作为整棵树的根。）
所以，和平衡二叉树的情况类似，添加一个元素可能会导致整棵树的组织结构发生变化。如果想并发构建这棵树，就需要给整棵树加同步。

3 多版本控制（MVCC）

在mavibot中通过多版本控制的方式，达到读写并发、事物、回滚的功能。多版本可以保证在修改的时候，不会影响查询，保证查询的效率。但是无法支持并发写。
下面以插入为例，介绍多版本控制的实现方式。
当插入请求发起，mavibot会创建一个新根节点，指向当前的树。通过新树查找对应的叶子节点。找到叶子节点后，将复制当前叶子同时插入新元素。
完成后，将新的叶子节点返回给parent。这时，current树并没有发生变化。
上一级的父节点TreeNode接到返回结果后，会将本身拷贝出一个新的节点，然后返回新的节点。按此方式处理，直到根节点。
从而，从根节点到插入元素的叶子节点的路径上，所有节点都会拷贝出一个新的对象。而不在路径上的节点，保持不变。这样就以最快的速度复制出一个新的版本来。
总的来说，在多版本控制方式下，插入新的元素，需要将元素所在的叶子节点和根节点的路径上所有节点进行了复制。而非路径上的节点不会发生变化。通过此种方式，保证了插入时不影响读操作，同时也降低了完全备份带来的时间和空间的消耗。