树结构------B树和B+树

基础概念

B树：多路搜索树，以M阶来说。

1）非叶子节点最多有M个子节点

2）每个节点最多有M-1个值

3）所有的叶子节点位于同一层

4）关键字在节点上只会出现一次

B+树：

1）叶子节点之间通过指针相互关联，构成一个有序链表。

2）所有的叶子节点包含了全部关键字

应用

MySql的索引选择的结构是B+树结构。

为什么要选择B+树结构？

主要原因是减少I/O操作。

       从存储引擎INNODB开始讲起，基于磁盘存储的，并将其中的记录按照页的方式进行管理。为了平衡cpu和磁盘之间的速度，使用缓存池(一块内存区域)技术来提高数据库的整体性能。首先将从磁盘读取到的页存放在缓冲池中，下次不命中就会读取磁盘上的页。对于数据库中页的修改，先修改在缓冲池中的页然后再通过一定频率刷新到磁盘上，采用检查点(checkpoint)技术来实现。（注意与redis更新的区别，见数据库中具体的讲解）

     INNODB存储引擎是基于磁盘存储的，并将其中的记录按照页的方式进行管路。为了平衡cpu和磁盘之间的速度，使用缓存池(一块内存区域)技术来提高数据库的整体性能。首先将从磁盘读取到的页存放在缓冲池中，下次不命中就会读取磁盘上的页。对于数据库中页的修改，先修改在缓冲池中的页然后再通过一定频率刷新到磁盘上，采用检查点(checkpoint)技术来实现。（与redis更新的区别）

       高度可控制的多路搜索树可以满足，每次查找数据时把磁盘IO次数控制在一个很小的数量级，最好是常数数量级。

    

          如上图，是一颗b+树，浅蓝色的块我们称之为一个磁盘块，可以看到每个磁盘块包含几个数据项（深蓝色所示）和指针（黄色所示），如磁盘块1包含数据项17和35，包含指针P1、P2、P3，P1表示小于17的磁盘块，P2表示在17和35之间的磁盘块，P3表示大于35的磁盘块。真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非叶子节点只不存储真实的数据，只存储指引搜索方向的数据项，如17、35并不真实存在于数据表中。

b+树的查找过程

         如图所示，如果要查找数据项29，那么首先会把磁盘块1由磁盘加载到内存，此时发生一次IO，在内存中用二分查找确定29在17和35之间，锁定磁盘块1的P2指针，内存时间因为非常短（相比磁盘的IO）可以忽略不计，通过磁盘块1的P2指针的磁盘地址把磁盘块3由磁盘加载到内存，发生第二次IO，29在26和30之间，锁定磁盘块3的P2指针，通过指针加载磁盘块8到内存，发生第三次IO，同时内存中做二分查找找到29，结束查询，总计三次IO。真实的情况是，3层的b+树可以表示上百万的数据，如果上百万的数据查找只需要三次IO，性能提高将是巨大的，如果没有索引，每个数据项都要发生一次IO，那么总共需要百万次的IO，显然成本非常非常高。

b+树性质

       通过上面的分析，我们知道IO次数取决于b+数的高度h，假设当前数据表的数据为N，每个磁盘块的数据项的数量是m，则有h=㏒(m+1)N，当数据量N一定的情况下，m越大，h越小；而m = 磁盘块的大小 / 数据项的大小，磁盘块的大小也就是一个数据页的大小，是固定的，如果数据项占的空间越小，数据项的数量越多，树的高度越低。这就是为什么每个数据项，即索引字段要尽量的小，比如int占4字节，要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点，一旦放到内层节点，磁盘块的数据项会大幅度下降，导致树增高。当数据项等于1时将会退化成线性表。