B-Trees【设计数据密集型应用】

B-Trees

日志结构的索引虽然目前得到认可，但是它不是最常见的索引类型，应用最广泛的索引类型是B-Tree。

在几乎所有数据库中B-Tree仍然是索引的标准实现。许多非关系数据库也在用它。

像SSTable一样，B-Tree把键值对按照key排序，这样就保证了键值对的高效查询和范围查询（range query）。但是这也是相似之处的结束点：B-Tree的设计哲学非常之不同。

日志结构的索引把数据库划分成可变尺寸的segment，一般几M或更多。按照顺序写每一个segment。与之相反的是，B-Tree把划分成固定尺寸的block或page，一般4K或更多，一次读或写一个page。这种设计与硬件对应的很密切，因为磁盘也是按照固定的尺寸排列的。

可以通过地址或者位置可以找到一个具体的page，同时一个page也可以引用另外一个page，和指针类似，但是是在磁盘上而不是在内存中。我们可以用这些page的引用来构建一棵树。如图3-6

B-Tree中一个page被设计为root，查询的时候从root开始。每个page包含几个key和子page的reference，每个子page负责一个连续key的范围。reference之间的key表示范围边界。

B-Tree中一个page中的子page的reference的数量叫做branching factor。实战中，branching factor取决于存储reference和range边界的所需要的空间，通常是几百。

如果你想要更新key对应的值，搜索到叶子page后，直接修改，然后写回磁盘就可以了。如果想要添加key，找到范围包含那个key的page，添加就行了。如果page空间不足，就把那个page分成两半，父亲page被更新，并且负责新的key范围的分支。

这个算法确保了树一直保持平衡：一个n个key的B-Tree，其深度是O（logn）。大部分数据库可以容纳3或4层的B-tree。所以查询的时候不用遍历很多的reference。（一个四层4KB的page，branching factor是500的B-tree可以存储高达256TB的数据）