B树和B+树

一个好用的在线画数据结构和算法图的网址：

https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

B树的性质

一个m阶的b树有如下的性质（m阶意味该树的某个节点最多有m个孩子）

1.根节点至少有两个孩子。

2.中间节点至少有ceil(m/2)个孩子，最多有m个孩子。

3.叶子节点有k-1个元素。其中m/2<=k<=m.

4.所有的叶子节点都是在同一层。

5.每个节点中的元素从小到大排列，节点当中k-1个元素正好是k个孩子包含的元素的值域划分。

B树又称b-树，是多路平衡查找树。它的每个节点不光包含了记录的key值，还包含了该记录的data值，例如对用于数据库的话，data就可能是该条数据库记录在磁盘中的逻辑地址。

B树的查找

B树的查找过程从根节点开始查找。

如果查找key值等于该节点上的某个key值，查找成功。

如果查找key值在该该节点某两个key值的范围内，在这两个key值对应的子节点中查找。

B树的插入

B树的插入过程：

1.先查找到插入key的叶子节点，按照key值的排列插入。

2.如果该节点的元素数量小于等于m-1，则插入完成。否则进行第3步。

3.此时该节点的元素数量等于m,找到中间的元素，将中间的元素插入父节点中，然后吧剩余的元素分为左右两个节点，插入父节点的元素的左子树指向左部分，插入父节点的元素的右子树指向由部分。当前的节点指向父节点，进行第2步。

例如3阶的b树

插入15

插入19后

插入18

B树的删除

B树的删除过程：

（1）查找到需要删除记录的位置，如果该位置在非叶子节点上，则删除该记录后用该记录的后继记录代替该记录，并删除后继记录，直到删除到叶子节点。

（2）如果被删除的叶子节点的元素个数大于等于m/2时，删除成功。否则执行第(3)步。

（3）如果被删除的叶子节点的兄弟节点的元素个数大于m/2时（左右兄弟节点都可以），将父节点的元素给被删除的叶子节点，然后用兄弟节点的元素补给父节点。如果兄弟节点的元素个数等于m/2时，将父节点的元素和兄弟节点以及被删除节点合并为一个节点，然后父节点删除的位置指向新合并的节点。当前节点为父节点，执行第（2）步。

例如：一个5阶的b树

删除60

删除70

删除90

 

B+树的性质

1.b+树的节点的元素数比孩子数少1.

2.b+树的节点分为两种类型：内部节点和叶子节点。根节点既可以当作内部节点也可以是叶子节点。根节点最少可以有一个元素。‘

3.所有的数据都保存在叶子节点上，内部节点只当作索引。

4.内部节点的key都按大小有序排序，左树的所有元素都小于该元素，右树的所有元素都大于等于该元素。

5.所有叶子节点都是使用指针自大到小顺序链接的。

B+树的插入

（1）如果原来是空树，将该记录插入空树中，此时根节点既是叶子节点又是内部节点。

（2）针对叶子节点的插入：在该树的叶子节点中找到需要插入的位置插入，如果插入的节点元素数小于等于m-1，插入结束。否则，将该节点分为左右两部分，左部分包含前m/2个元素，右部分包含剩余元素。将第m/2+1个元素的key进位到父节点上，进位到父节点的元素的左指针指向左部分，右指针指向右部分，当前节点为父节点，执行第（3）步。

（3）针对内部节点的插入：插入key后，如果元素个数小于等于m-1,插入结束。否则，将该节点分为左右两个索引节点，左节点包含（m-1）/2个元素，右节点包含m-(m+1)/2个元素，把第ceil(m/2)个元素进位到父节点。进位元素左指针指向左部分，右指针指向右部分。当前节点为父节点，重复步骤（3）。

例如：3阶的b+树

插入65

插入63

插入64

 

 

B+树的删除

B+树删除的过程：（1）找到需要删除的记录，它在叶子节点上，删除后，如果该叶子节点上的元素个数大于等于ceil(m-1/2)的话，删除成功，否则执行步骤（2）。

（2）如果删除节点的兄弟节点元素个数大于ceil(m-1/2)，借用兄弟节点的记录补充到删除节点，并修改父节点的key值。

（3）如果兄弟节点没有多余的话，将删除节点和兄弟节点合并为一个节点，并将父节点原来的两个key元素删除掉右边一个。执行步骤（4）。

（4）如果父节点的元素个数大于等于ceil(m-1/2)，则删除成功，否则，执行步骤（5）。

（5）如果兄弟节点有多余，则把兄弟节点上移，把父节点下移，删除成功。否则执行下一步。

（6）当前节点和父节点和兄弟节点合并为一个节点。当前节点为父节点，执行步骤（4）。

例如：一个五阶的b+树：

删除40

删除75

删除55

删除60

  

B+树和B树的区别

1.b+树的data都存在叶子节点里，内部节点只是存索引，由于索引所占空间小，所以内部节点可以存大量索引，降低了树的高度。减少了磁盘IO的次数。提高了效率。

2.b+树相比B树的查询更加稳定，每次查询都要到叶子节点，而b树最快在根节点查到数据，最慢在叶子节点查到数据。

3.由于b+树所有的叶子节点都链接在一起，可以根据key的值进行范围查询。