java b tree_深入学习B-Tree和B+Tree

温馨提示：看完本大约需要12.4min～

摘要：

B-Tree：即BTree，或者B树，可不要读作B减树让人笑话啦。它是多路搜索树(不是二叉的)。

B+Tree：B+Tree也是多路搜索树，是B-Tree的变体。

二叉查找树：二叉查找树也叫二叉排序树，所以，它是有顺序的，每一个节点，它的左子树每个节点值都要小于该节点值，它的右子树每个节点值都要大于该节点值。

平衡二叉树：AVL树，在符合二叉查找树的前提下，任意节点的两个子树深度查不大于1。

平衡多路查找树：大致了解以上概念，平衡多路查找树也就不难理解了。B-Tree是平衡多路查找树。

完全二叉树：若设二叉树的深度为h，除第 h 层外，其它各层 (1～h-1) 的结点数都达到最大个数，第 h 层所有的结点都连续集中在最左边，这就是完全二叉树。

满二叉树：满二叉树即字面的意思，满二叉树是一颗特殊的完全二叉树。每一个非叶节点都有两个子节点，所有的叶节点都在同一层。

前言：本文主要将B-Tree、B+Tree，在学习它们我们可能需要了解一些常见的数据结构，如二叉树，二叉查找树，平衡二叉树等。

一、二叉查找树(binary search tree)

二叉树：任意节点最多有两个子节点的树，我们称之为二叉树。

二叉查找树：左子树的健小于跟节点的键值，右子树的键值大于跟节点的键值。

二叉查找树示意图：

对二叉查找树的节点进行查找发现：深度为1的节点的查找次数为1，深度为2的查找次数为2，深度为n的节点的查找次数为n，因此其平均查找次数为(1+2+2+3+3+3) / 6 = 2.3次。

二叉查找树可以任意构造，同时也可以是一种链式结构，这种结构比较特殊，查找效率比较慢。所以想提高查找效率，由此便提出了平衡二叉树，也称作AVL树。

二、平衡二叉树(AVL Tree)

简单看一下平衡二叉树(AVL Tree)和非平衡二叉树的结构图：

如果我们对AVL树进行插入节点或删除节点操作，那么可能会导致AVL树失去平衡，这种失去平衡的二叉树已经不能再称之为AVL树。示例：在上图的AVL树中，如果我们将值为7的节点进行DELETE，那么，这颗AVL树就会失去平衡。

AVL树失去平衡后，要保持平衡可不是一件容易的事情，我们可以通过旋转将其恢复平衡。

AVL树的旋转类型有4中，LL、LR、RL、RR，稍后介绍具体该如何进行旋转。

其实，每个节点都有一份隐含的信息，那就是节点的平衡因子。

节点的平衡因子 = 左子树高度 - 右子树高度。

所以这里的另一个问题便得到了解决。什么时候进行旋转操作达到平衡？或者换一种问法，如何才知道我们的树失去了平衡？当树中存在节点的平衡因子不是-1、0、+1时，那就是失去了平衡，就需要进行调整，达到平衡。保证每个节点平衡，以局部平衡保持整体平衡。

为方便理解在何时执行哪一种旋转，设x代表刚插入AVL树中的结点，设A为离x最近且平衡因子更改为2的绝对值的祖先。

LL旋转

当x位于A的左子树的左子树上时，执行LL旋转。

步骤：设left为A的左子树，要执行LL旋转，将A的左指针指向left的右子结点，left的右指针指向A，将原来指向A的指针指向left。

旋转过后，将A和left的平衡因子都改为0。所有其他结点的平衡因子没有发生变化。

LR旋转

当x位于A的左子树的右子树上时，执行LR旋转。

设left是A的左子结点，并设A的子孙结点grandchild为left的右子结点。

步骤：要执行LR旋转，将left的右子结点指向grandchild的左子结点，grandchild的左子结点指向left，A的左子结点指向grandchild的右子结点，再将grandchild的右子结点指向A，最后将原来指向A的指针指向grandchild。

执行LR旋转之后，调整结点的平衡因子取决于旋转前grandchild结点的原平衡因子值。

如果grandchild结点的原始平衡因子为+1，就将A的平衡因子设为-1，将left的平衡因子设为0。

如果grandchild结点的原始平衡因子为0，就将A和left的平衡因子都设置为0。

如果grandchild结点的原始平衡因子为-1，就将A的平衡因子设置为0，将left的平衡因子设置为+1。

在所有的情况下，grandchild的新平衡因子都是0。所有其他结点的平衡因子都没有改变。

RL旋转

当x位于A的右子树的左子树上时，执行RL旋转。

RL旋转与LR旋转是对称的关系。

步骤：设A的右子结点为right，right的左子结点为grandchild。要执行RL旋转，将right结点的左子结点指向grandchild的右子结点，将grandchild的右子结点指向right，将A的右子结点指向grandchild的左子结点，将grandchild的左子结点指向A，最后将原来指向A的指针指向grandchild。

执行RL旋转以后，调整结点的平衡因子取决于旋转前grandchild结点的原平衡因子。这里也有三种情况需要考虑：

如果grandchild的原始平衡因子值为+1，将A的平衡因子更新为0，right的更新为-1；

如果grandchild的原始平衡因子值为 0，将A和right的平衡因子都更新为0；

如果grandchild的原始平衡因子值为-1，将A的平衡因子更新为+1，right的更新为0；

在所有情况中，都将grandchild的新平衡因子设置为0。所有其他结点的平衡因子不发生改变。

RR旋转

当x位于A的左子树的右子树上时，执行RR旋转。

RR旋转与LL旋转是对称的关系。

设A的右子结点为Right。要执行RR旋转，将A的右指针指向right的左子结点，right的左指针指向A，原来指向A的指针修改为指向right。

完成旋转以后，将A和left的平衡因子都修改为0。所有其他结点的平衡因子都没有改变。

TODO深度优先遍历、广度优先遍历

TODO代码层面的具体实现

TODO为什么1.8的HashMap选择红黑树，而不是二叉搜索树？

下一篇对红黑树数据结构的深入理解，届时应该会解释这个问题。

三、平衡多路查找树(B-Tree)

在计算机科学中，B树(英语：B-tree)是一种自平衡的树，能够保持数据有序。这种数据结构能够让查找数据、顺序访问、插入数据及删除的动作，都在对数时间内完成。B树，概括来说是一个一般化的二叉查找树(binary search tree)一个节点可以拥有最少2个子节点。与自平衡二叉查找树不同，B树适用于读写相对大的数据块的存储系统，例如磁盘。B树减少定位记录时所经历的中间过程，从而加快存取速度。B树这种数据结构可以用来描述外部存储。这种数据结构常被应用在数据库和文件系统的实现上。

——————摘自维基百科

所以，我们口中的B树，也就是所谓的BTree，或者B-Tree，不存在口中的B减树。B-Tree是一棵树多路平衡树。

扩展：如果你还听过“2-3 B树”，简称为2-3树，它也是一棵B-Tree，该B-Tree内部的节点只能有2个或者3个子节点。

B-Tree的定义：

一个 m 阶的B树是一个有以下属性的树：

每一个节点最多有 m 个子节点

每一个非叶子节点(除根节点)最少有 ⌈m/2⌉ 个子节点

如果根节点不是叶子节点，那么它至少有两个子节点

有 k 个子节点的非叶子节点拥有 k − 1 个键

所有的叶子节点都在同一层

每一个内部节点的键将节点的子树分开。例如，如果一个内部节点有3个子节点(子树)，那么它就必须有两个键： a1 和 a2 。左边子树的所有值都必须小于 a1 ，中间子树的所有值都必须在 a1 和a2 之间，右边子树的所有值都必须大于 a2 。

问：MySQL INNODB引擎中索引数据结构为什么是B-/B+Tree，而不是二叉搜索树？为什么也不是红黑树？

答：B-Tree相对于二叉搜索树会减少搜索节点数，也就是缩减了节点个数，从而减少I/O操作，使得I/O操作和内存操作达到极致，所以，B-Tree相对二叉搜索树来说，性能更好。也不是红黑树的原因和二叉搜索树类似，总之是为了减少I/O操作，减少I/O时间，提高整体性能。

四、B+Tree

B+Tree相对于B-Tree有几点不同：

非叶子节点只存储键值信息。

所有叶子节点之间都有一个链指针。

数据记录都存放在叶子节点中。

将上一节中的B-Tree优化，由于B+Tree的非叶子节点只存储键值信息，假设每个磁盘块能存储4个键值及指针信息，则变成B+Tree后其结构如下图所示：

通常在B+Tree上有两个头指针，一个指向根节点，另一个指向关键字最小的叶子节点，而且所有叶子节点(即数据节点)之间是一种链式环结构。因此可以对B+Tree进行两种查找运算：一种是对于主键的范围查找和分页查找，另一种是从根节点开始，进行随机查找。

B+Tree是B-Tree众多变异体中的一种，同时也是B-Tree的基础之上的一种优化。使其更适合实现外存储索引结构，InnoDB存储引擎就是用B+Tree实现其索引结构。

至于优化的点在哪里，请听我慢慢道来。

首先，我们需要了解到MySQL INNODB引擎中有“页”的概念。页是磁盘管理的最小单位。InnoDB存储引擎中默认每个页的大小为16KB，我们可以通过

mysql> show variables like 'innodb_page_size';

来进行查看页大小。我们从上面的B-Tree图来看，一个节点分为三部分：指向子节点的指针、键、data。如果data足够大，会让一个页中的节点数变少，当节点数变少，平均I/O操作就会增多，整体性能下降，所以这是B+Tree的优化点，去掉非叶节点中的Data，让非叶节点保存的数据变少，从而提升节点中的键增多，便减少了I/O操作，所以提高整体性能。

当然，只是能说是提高整体性能，为什么这么说？

大家想想看，假设A同学用B-Tree，B同学用B+Tree，如果查询同一个东西，假设这个数据就在root节点，那么A同学是不是一下子就查到了？而B同学却不能，所以，这种情况A同学效率更高。但是对于整体，B同学效率更高。

刚刚说到InnoDB存储引擎中每个页的大小默认为16KB，现在我们来算算在InnoDB下，B+Tree中一个节点能有多少个键。

一般表的主键类型为INT(占用4个字节)或BIGINT(占用8个字节)，指针类型也一般为4或8个字节，也就是说一个页(B+Tree中的一个节点)中大概存储16KB/(8B+8B)=1K个键值(因为是估值，为方便计算，这里的K取值为〖10〗^3)。也就是说一个深度为3的B+Tree索引可以维护10^3 * 10^3 * 10^3 = 10亿 条记录。

实际情况中每个节点可能不能填充满，因此在数据库中，B+Tree的高度一般都在2~4层。MySQL的InnoDB存储引擎在设计时是将根节点常驻内存的，也就是说查找某一键值的行记录时最多只需要1~3次磁盘I/O操作。

参考文献：

https://www.cnblogs.com/vianzhang/p/7922426.html

https://www.cnblogs.com/idreamo/p/8308336.html

https://zh.wikipedia.org/wiki/B%E6%A0%91

https://zh.wikipedia.org/wiki/B%2B%E6%A0%91

http://blog.codinglabs.org/articles/theory-of-mysql-index.html