使用vs建立r树索引_理论分析B+树最优结点大小

本文使用 Zhihu On VSCode 创作并发布

B+-树是有序的，平衡的多叉树型结构，是数据库系统中最为通用的索引数据结构。在传统的关系型磁盘数据库中，索引结构存储在磁盘上，磁盘按页（page）访问，且随机访问时有较高的寻道延时（Disk seek latency）。B+树的结点块结构适应了磁盘按块I/O的模式，从而能减少每次数据访问的I/O代价；针对纯内存数据库，B+树的结点块结构同样能适应内存和CPU高速缓存按Cacheline交互的模式，从而能相比二叉树等结构更能充分利用内存带宽，减少Cache缺失数量，易于维护。综合而言，B+树的多叉结点结构能够充分适应上世纪磁盘特性，也能一定程度适应现代硬件结构。

那么，最优的B+树结点大小，在磁盘上就是一个磁盘页吗，在内存中就是一个Cacheline吗？本文将从针对磁盘，内存中的B+树结构，分析两种场景下的结点最优大小。

磁盘B+树结点大小

其实磁盘B+树的结点大小选择上世纪就有人研究过，可参考论文[1，2], 本文这里的分析希望能做到简洁明了，并且避免无关代价增加分析难度。

分析采用了以下假设：

• 每层的结点大小相同，包括Root结点，叶子结点和中间结点。
• 每次访问结点时，读取整个结点到内存后，进行二分查找。（因为磁盘顺序读取有一定的性能优势）
• 结点读入内存后的二分查找代价基本忽略不计。（因为I/O的时间代价数量级是内存访问代价的几个数量级 [3]）

分析使用到的符号：

分析过程：

（1）如果每个结点大小为B个页，那么每个结点会有

个子结点，即

个有效分支。从磁盘中找到并完全读取整个结点到内存中，时间代价为

，如果我们忽略内存中的二分查找代价，那么上述代价即一个结点的搜索I/O代价。

（2）当在

个待索引数据中建立索引时，B+树树高为

。B+树的所有操作均需要从根节点遍历到叶子结点，该路径长度决定了几乎所有操作的时间代价。

由（1）,（2）可得从B+树根节点搜索到叶子结点，如果不考虑缓冲区命中，每次结点路径遍历的耗时为：

从函数关系可知

先减少后增大，对

进行求导，得到：

令上述导数为0，得到当

取

的唯一解时，B+树的性能最优。由于

又和页大小以及键值大小有关，

所以最优的磁盘B+树结点大小和磁盘旋转延时

、传输速率

(传输带宽)、页大小和键值大小有关

。在不同的磁盘硬件下，存储不同大小的键时，最优的结点大小均不同。

实际场景中，假设页大小为4096B，单个键值大小为16B，一般B+树满载程度为0.69，参考[4]，此时

约为176，因此粗略估算出

, 即

. 如果磁盘旋转延时为4ms，且传输带宽为500MB/s，则可计算

，这表示结点大小取50个页大小将使得性能较优。

内存B+树结点大小

内存中虽然也可将Cacheline对等到磁盘页，但是相比磁盘有以下两点不同之处：

• 内存中Cacheline访问不存在寻道时间，顺序读和随机读无明显速度差异。
• 内存主要代价由Cacheline访问次数主导，单个Cacheline内部的搜索CPU代价可忽略不计。
• 结点搜索时不再一次读取整个结点，结点内Cacheline按需访问。

分析用到以下符号：

由于内存B+树存在两种结点扫描策略：二分查找和线性查找策略。前人工作表明，使用小结点时 (结点大小 < 256B )，线性查找策略能达到更高的性能[5]。但是出于完备性，此处我们都进行分析。

采用二分查找策略：

（1）二分查找单个结点时，二分搜索共需要访问

个Cacheline才能将二分搜索范围缩小到单个Cacheline，故一个结点搜索的时间代价约为

.

（2）同样，当再N个数据上建立B+树索引时，树高为

综合（1），（2）可以得出单次操作的结点遍历代价:

一般而言，

，故可知

单调递增，递增幅度很小，所以B取1时性能稍优。

但是从

函数关系可以看出，采用二分查找策略时B+树的时间性能几乎不因结点大小而发生变化

。

采用线性查找策略：

线性搜索一个结点时，搜索平均需要访问

个Cacheline。因此单次操作的结点遍历代价为：

经过函数单调性分析，同样发现该函数在[1,

)为递增函数，且递增幅度较慢。故同样可以得出当每个结点采用一个Cacheline大小时最优。

综合以上两者，可以得出如下结论：如果忽略CPU代价，内存B+树采用单个Cacheline大小能够达到最优的时间性能，但是内存B+树的时间代价和结点大小关系不大。

在实际场景中，我们发现大部分内存B+树均采用256B或者512B作为常用结点大小，我认为主要有以下三点原因：

（1）每个结点需要额外的空间维护代价以及访问时的固定CPU代价。

（2）现代处理器存在一定Cache预取机制，它能够隐藏访问临近Cacheline的时间代价。

（3）单Cacheline结点尽管访问代价稍低，但是在插入负载容易频繁触发分裂，容易造成额外代价。

本人能力有限，如有任何问题，请您指正，谢谢！

参考文献

[1]. R. Bayer and E. M. McCreight, “Organization and maintenance of large ordered indexes,” SIGFIDET Workshop, pp. 107–141, 1970.

[2]. J. Gray and G. Graefe, “The five-minute rule ten years later, and other computer storage rules of thumb,” Special Interest Group on Management of Data Record, vol. 26, no. 4, pp. 63–68, 1997.

[3]. Latency Numbers Every Programmer Should Know, https://colin-scott.github.io/personal_website/research/interactive_latency.html

[4]. Y. Theodoridis, E. Stefanakis, T. Sellis, Efficient Cost Models for Spatial Queries Using R-trees. IEEE TKDE, 12(1), pp. 19-32, 2000

[5]. STX B+ Tree Revisiting Binary Search - panthema.net, https://panthema.net/2013/0504-STX-B+Tree-Binary-vs-Linear-Search/)