b，b+ tree, LSM tree

B树和B+树总结：

1. B树：多路搜索树，每个结点有M/2到M个孩子，m/2-1到m个关键字，非叶子结点存储指向关键字范围的子结点；所有关键字在整颗树中出现，且只出现一次，非叶子结点可以命中；

2. B+树：在B-树基础上，为叶子结点增加链表指针，所有关键字都在叶子结点中出现，非叶子结点作为叶子结点的索引；B+树总是到叶子结点才命中；

3. B+树虽然优点很多，但是B树也有优点，其优点在于，由于B树的每一个节点都包含key和value，因此经常访问的元素可能离根节点更近，因此访问也更迅速。下面是B 树和B+树的区别图：

• 为什么说B+tree比B树更适合实际应用中操作系统的文件索引和数据库索引？

  1. B+tree的磁盘读写代价更低
     B+tree的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对B树更小。如果把所有同一内部结点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多。相对来说IO读写次数也就降低了。
     举个例子，假设磁盘中的一个盘块容纳16bytes，而一个关键字2bytes，一个关键字具体信息指针2bytes。一棵9阶B-tree(一个结点最多8个关键字)的内部结点需要2个盘快。而B+ 树内部结点只需要1个盘快。当需要把内部结点读入内存中的时候，B 树就比B+ 树多一次盘块查找时间(在磁盘中就是盘片旋转的时间)。

  2. B+tree的查询效率更加稳定
     由于非叶子结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当。

  3. B树在提高了磁盘IO性能的同时并没有解决元素遍历的效率低下的问题。正是为了解决这个问题，B+树应运而生。B+树只要遍历叶子节点就可以实现整棵树的遍历。而且在数据库中基于范围的查询是非常频繁的，而B树不支持这样的操作（或者说效率太低）。

• 插入操作
  
  
  插入95后，经历两次分裂和上溢。如果是从叶节点分裂，分裂之后两个节点关键值数量不变，总指针数加一；如果从内部节点分裂，右节点不保存中间值，关键值数量减一，总指针数不变。
  

可以看到，不管怎么变化，B+树总是会保持平衡。但是为了保持平衡，对于新插入的键值可能需要做大量的拆分页（split）操作，而B+树主要用于磁盘，因此页的拆分意味着磁盘的操作，应该在可能的情况下尽量减少页的拆分。因此，B+树提供了旋转（rotation）的功能。旋转发生在leaf page已经满了但是其左右兄弟还没满的情况，首先考虑左兄弟。

插入70后，旋转。假如是左邻居节点有空间，对于叶子节点来说，需只要把第0个键值移到左邻居节点。对于内部节点来说，需要把1个键值(第0个为哨兵键值)移到父节点，再把父节点中原来的键值移到左邻居节点。

• 删除操作
  和插入时首先考虑旋转操作一样，在节点填充不满足填充因子时，首先考虑从兄弟节点借一个节关键字。
  
  第一种情况中，如果删除的节点的键值同时也是index page中某个节点的键值，如果不替换index page中的节点也不会改变b+树的性质。

LSM tree

跳表

• 查询时从上往下

• 往跳表中增加Entry44的流程：
  找到底层列表（S0）中39的位置，在其后插入Entry44。假设随机函数取值为1，接着回到S1中38的位置，在其后插入Entry44，并和底层列表S0中的Entry44连接起来形成Entry44的Tower。假设随机函数取值为0，则插入过程终止。

• 无锁skiplist

      void Insert(Node *node) {
  	node->level = RandLevel(2, MAX_LEVEL);
  	InsertInternal(head, node->level, node);
  }
  Node *InsertInternal(Node *prev, int lv, Node *node) {
  	Node *next = prev->next[lv];
  	while (next != NULL && next->item < node->item) {
  		prev = next;
  		next = prev->next[lv];
  	}
  	if (next == NULL || next->item > node->item) {
  		if (lv != 0) {
  			if (InsertInternal(prev, lv - 1, node) != NULL) {
  				ListInsert(prev, node, lv);
  			}
  		}
  	} else if (next->item == node->item) {
  		return NULL;
  	}
  	return node;
  }
  

  这里只考虑插入操作，把不同层中键值相同的节点用一个节点表示，每个节点有一个指针数组，记录在不同层中的后继节点的地址。首先用一个随机函数生成带插入节点的最大层数，从最大层数开始，利用无锁队列搜索带插入节点的前继节点并插入，然后把前继节点传递给下一层，以此类推。

LSM

LSM的主要思想是用顺序i/o操作替代随机i/o操作。
和B+树不同，LSM不会在原数据处更新，而是直接添加一条更新记录。
更新记录首先写在内存中，等到积攒到一定数量后在写入磁盘的sstable中。 因次，一个key对应的记录可能存在于多个sstable中,只有最新的记录才是有用的，所以需要不断地通过合并sstable来消除冗余数据。确定某个key是否在sstable中可以使用布隆过滤器。
在leveldb中，每一层sstable的数量有限制，并且每层的总大小逐层变大。一个key在一层只有一个记录，当一层的大小超过限制时，从中选出一个sstable，然后和下一层中有交集的sstable合并。以此类推。