MySQL 简单了解B+树

前言

本人刚刚开始了解数据结构，所以本篇文章只讲了关于以下目录中数据结构的定义概念，这里不涉及在树中更改数据时，对树结构进行翻转操作及其他复杂情况的说明，以后系统学习数据结构的时候会重新总结，再记录一下关于数据结构的系列笔记。

数据结构练习网站 Data Structure Visualization。

---

一、二叉树

定义：即每个节点都最多只有两个子节点的树。

以下图片中数字仅代表节点位置，不代表节点内容。

根据二叉树的节点分布大概可以分为以下三种二叉树：满二叉树，完全二叉树，平衡二叉树。

1、特殊类型

⑴、满二叉树

从形象上来说满二叉树是一个绝对的三角形，也就是说它的最后一层全部是叶子节点，其余各层全部是非叶子节点，即都有左右子节点，如果用数学公式表示，k表示深度，也就是层数，那么其第 k 层的节点数就是 n=2^k-1 。也就是说满二叉树的节点数是一系列固定的数，比如说，1,3,7,15…如果节点数不是这个序列中的数，那么他肯定不是满二叉树，当然了，反之，是不成立的。

⑵、完全二叉树

完全二叉树用数学公式来讲就是对于 k 层的完全二叉树，其1~ k-1层为满节点，且其 k 层的节点数的范围是 2^(k-2) < N < 2^k-1;

完全二叉树和满二叉树的区别是，他的最后一行可能不是完整的，从形状上来说他是一个可能有缺失的三角形，但绝对是右方的连续部分缺失。

2、什么是二叉查找树？

⑴、二分查找算法

二分查找（binary search） ，又叫 折半查找 或 二分搜索。二分查找的使用，要有一个前提条件：要查找的数必须在一个有序数组里。在这个前提下，取中间位置数作为比较对象：

• 若要查找的值和中间数相等，则查找成功。
• 若小于中间数，则在中间位置的左半区继续查找。
• 若大于中间数，则在中间位置的右半区继续查找。

不断重复上述过程，直到查找成功或者查找区域变为 0，查找失败。

⑵、二叉查找树（BST）

二叉查找树（BST：Binary Search Tree）也称为 二叉搜索树 、二分搜索树、有序二叉树或二叉排序树。就是实现二分查找算法的二叉树。

二叉查找树（BST）可以是一颗空树，或者具有以下性质的二叉树。

• 若它的左子树不为空，则左子树上所有节点的值都小于根节点的值。
• 若它的右子树不为空，则右子树上所有节点的值都大于根节点的值。
• 它的左右子树也分别为二叉搜索树。

一般情况下 二分查找 比顺序查找在时间上要快很多，但是在频繁修改的表中采用 二分查找，其效率是非常低下的，因为顺序表的修改操作效率低下，而二分查找的高效就是利用顺序表的索引来取值进行比较的。为了支持频繁的修改，我们需要采用链表这种数据结构。然而，单链表的查找效率又非常低，为了解决这一问题，二叉查找树(BST) 便诞生了。

如下最左边的图，最好的情况是一个完全二叉树，这样查找效率最高。

如下最右边的图，最坏的情况会退化成一个链表，这样查找效率最低。

下表时间复杂度是根据已知数值,对二叉搜索树进行操作的总结：

数据结构	增加	删除	修改	查找
二叉树(最好情况)	O(logn)	O(logn)	O(logn)	O(logn)
二叉树(一般情况)	O(logn)~O(n)	O(logn)~O(n)	O(logn)~O(n)	O(logn)~O(n)
二叉树(最坏情况)	O(n)	O(n)	O(n)	O(n)

注：树的高度和节点的关系就是以2为底，树的节点总数n的对数

3、自平衡二叉查找树

⑴、平衡二叉树（AVL）

平衡二叉树，又称 AVL树，用于解决二叉排序树高度不确定的情况，如果二叉排序树的子树间的高度相差太大，就会让二叉排序树操作的时间复杂度升级为O(n)，为了避免这一情况，就出现了平衡二叉树，使树的高度尽可能的小，其本质上是带了平衡功能的二叉查找树（二叉排序树，二叉搜索树）。

平衡二叉树的性质：

• 左子树和右子树的高度之差的绝对值小于等于1
• 左子树和右子树也是平衡二叉树

平衡因子（BF）= 节左子树的高度 - 节右子树的高度。

因此平衡二叉树所有节的平衡因子只能是-1、0、1，如下左图，是一个平衡二叉树，下图中红色数字为节的平衡因子（BF）：

失衡： 当我们在一个平衡二叉树上插入一个节点时，有可能会导致失衡，即出现平衡因子绝对值大于1 的节点，当插入节点后，其中其上6号节点失去了平衡，我们称该节点为 失衡节点 ，我们必须重新调整树的结构，使之恢复平衡。

关于平衡二叉树的 失衡 和 恢复平衡 这里不做多说，可自行了解。

⑵、红黑树

通过上面的图片还有表格可以知道二叉搜索树的时间复杂度介于O（logN）和O(N)之间，而为了应对极端情况，红黑树就出现了，它是具备了某些特性的二叉搜索树，能解决非平衡树问题，红黑树是一种接近平衡的二叉树（说它是接近平衡因为它并没有像AVL树的平衡因子的概念，它只是靠着满足红黑节点的5条性质来维持一种接近平衡的结构，进而提升整体的性能，并没有严格的卡定某个平衡因子来维持绝对平衡）。

首先红黑树是一个二叉搜索树，其次红黑树的每个节点都带有颜色属性的二叉查找树，颜色是红色或黑色。对于任何有效的红黑树我们增加了如下的额外要求:

• 1、节点是红色或黑色。
• 2、根节点是黑色。
• 3、所有 NIL 叶子节点都是黑色，这里的叶子节点指的是最底层的空节点（外部节点）。
• 4、每个红色节点的两个子节点都是黑色。
• 5、从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。

由以上特性会出现这些情况：

• 特性4导致从每个叶子节点到根节点的路径上不能有两个连续的红色节点。
• 性质5导致没有路径能多于任何其他路径的两倍长。
  • 最短路径：都是黑色节点；最长路径：一黑一红，交替出现；所以最长路径刚好是最短路径的2倍。
• 默认新插入的节点为红色：将节点设置为红色在插入时对红黑树造成的影响是小的，而黑色是最大的。
  • 假如任意插入的节点是黑色节点，则连续插入两个黑色节点后，就不满足性质5(肯定有一边的黑色节点多于另外一边)；

这些约束强制了红黑树的关键性质，结果是这个树大致上是平衡的。因为操作比如插入、删除和查找某个值的最坏情况时间都要求与树的高度成比例，这个在高度上的理论上限允许红黑树在最坏情况下都是高效的，而不同于普通的二叉查找树。

数据结构\复杂度	增加	删除	修改	查找
二叉搜索树(一般情况)	O(logn)~O(n)	O(logn)~O(n)	O(logn)~O(n)	O(logn)~O(n)
平衡二叉树	O(logn)	O(logn)	O(logn)	O(logn)
红黑树	O(logn)	O(logn)	O(logn)	O(logn)

由于平衡二叉树和红黑树都是自平衡的二叉搜索树。平衡二叉树和红黑树分别由平衡因子和五个特性来控制平衡，所以他们的效率都是高效的。

⑶、AVL树 vs 红黑树

AVL树：

• 平衡标准比较严格：每个左右子树的高度差不超过1

• 最大高度是 1.44 ∗ log2 n + 2 − 1.328（100W个节点，AVL树最大树高28）
  搜索、添加、删除都是 O(logn) 复杂度，其中添加仅需 O(1) 次旋转调整、删除最多需要 O(logn) 次旋转调整
   

红黑树：

• 平衡标准比较宽松：没有一条路径会大于其他路径的2倍

• 最大高度是 2 ∗ log2(n + 1)（ 100W个节点，红黑树最大树高40）

• 搜索、添加、删除都是 O(logn) 复杂度，其中添加、删除都仅需 O(1) 次旋转调整

 
如何选择：

• 搜索的次数远远大于插入和删除，选择AVL树；搜索、插入、删除次数几乎差不多，选择红黑树

• 相对于AVL树来说，红黑树牺牲了部分平衡性以换取插入/删除操作时少量的旋转操作，整体来说性能要优于AVL树

• 红黑树的平均统计性能优于AVL树，实际应用中更多选择使用红黑树

参考：【数据结构】史上最好理解的红黑树讲解，让你彻底搞懂红黑树

二、B树

树家族是为了磁盘或其它存储设备而设计的一种平衡多路查找树。树上操作的时间通常由存取磁盘的时间和CPU计算时间这两部分构成，而CPU的速度非常快，所以B树的操作效率取决于访问磁盘的次数，关键字总数相同的情况下B树的高度越小，磁盘I/O所花的时间越少。

树的高度是命中查找的一个不可抗拒的时间下限。在一定的数据条件下，树的高度和宽度是互相制约的。（就像一定面积下，矩形的长和宽是互相制约的）而树家族中最简单的二叉树，尽管易于实现，却不能有实际的价值。其最最令人发指的是二叉树的高度太高。多叉树的提出和实现解决了二叉树的不足。

1、B-树

B-树就是B树，它是一种平衡的多叉树，不是B减树，而是B杠树，中文通常称为B树，英语称为B-tree。

由上面的平衡二叉树演变成平衡多叉查找树，依然保持基本规则：每个关键字的左侧子树与右侧子树的高度差的绝对值不超过1的查找树，用以解决树的高度问题。而B树限制更强，要求所有叶子节点都在同一层。

 
一棵 M 阶的B树满足下列性质：

• 1、根节点至少有两个子树，子树数量的范围是 2 ≤ 根节点子树数 ≤ M；
• 2、每个非根节点所包含的关键字个数满足： ceil(M/2) ≤ 关键字个数 ≤ M-1，其子树数为关键字个数加一，且这些关键字按照递增顺序排列；
• 3、除根节点以外的所有节点（不包括叶子节点）的度数正好是关键字总数加1，故内部子树个数满足： ceil(M/2) ≤ 子树个数 ≤ M；
• 4、所有的叶子节点都位于同一层。

B树每个节点的结构都包含关键字个数，n+1个指针，n个关键字，指针指向子树位置，叶子节点中的指针全部用空指针表示，是查找失败到达的位置：

下面是一个B树结构图，数据是存在每个节点上的：

现在需要去查找关键字28，那么就需要3次磁盘IO，如果数据量越大，树的高度越高就会导致磁盘IO次数越多。

结构源码：

#define  m  3       // B树的阶，此设为3
typedef int KeyType;
 
typedef struct {
  KeyType  key;
  char     data;
} Record;
 
typedef struct BTNode {
  int             keynum;        // 节点中关键字个数，即节点的大小
  struct BTNode  *parent;        // 指向双亲节点
  KeyType         key[m+1];      // 关键字向量，0号单元未用
  struct BTNode  *ptr[m+1];      // 子树指针向量
  Record         *recptr[m+1];   // 记录指针向量，0号单元未用
} BTNode, *BTree;                // B树节点和B树的类型
 
typedef struct {
  BTree    pt;      // 指向找到的节点
  int      i;       // 1..m，在节点中的关键字序号
  int      tag;     // 1:查找成功，0:查找失败
} Result;           // 在B树的查找结果类型

2、B+树

B+树是B树的一种变形形式，B+树上的叶子节点存储关键字以及相应记录的地址，叶子节点以上各层作为索引使用。

一棵 M 阶的B+树定义如下:

• 1、每个节点至多有 M 个子树；
• 2、除根节点外，每个节点有 ceil(M/2)至M 个子树，根节点至少有两个子树；
• 3、有 k 个子树的节点必有 k 个关键字。
• 4、叶子节点包含了全部关键字和数据指针，叶子节点内的关键字有序排列，叶子节点间也是有序排列，指针相连。
• 5、所有非叶子节点可以看成是索引，仅包含其子树中最大（或最小）关键字的值。
• 6、所有的叶子节点都位于同一层。

B+树的查找与B树不同，当索引部分某个节点的关键字与所查的关键字相等时，并不停止查找，应继续沿着这个关键字左边的指针向下，一直查到该关键字所在的叶子节点为止。

由于B+树非叶子节点不存放数据地址，那这部分多出来的空间可以存放更多的关键字，这样一来B+树的高度也会比B树低，磁盘IO次数会更少。

以下是一个B+树结构图：

不过这里我有一个疑惑的地方，在 Data Structure Visualization 上测试所显示的结构并没有按照特性3显示，我不知道是不是 Data Structure Visualization 上显示问题。

3、B*树

这里直接转载百度百科。

B树是B+树的变体，在B+树的非根和非叶子节点再增加指向兄弟的指针；B树定义了非叶子节点关键字个数至少为(2/3)*M，即块的最低使用率为2/3（代替B+树的1/2）。

B+树的分裂：当一个节点满时，分配一个新的节点，并将原节点中1/2的数据复制到新节点，最后在父节点中增加新节点的指针；B+树的分裂只影响原节点和父节点，而不会影响兄弟节点，所以它不需要指向兄弟的指针；

B*树的分裂：当一个节点满时，如果它的下一个兄弟节点未满，那么将一部分数据移到兄弟节点中，再在原节点插入关键字，最后修改父节点中兄弟节点的关键字（因为兄弟节点的关键字范围改变了）；如果兄弟也满了，则在原节点与兄弟节点之间增加新节点，并各复制1/3的数据到新节点，最后在父节点增加新节点的指针；

B*树分配新节点的概率比B+树要低，空间使用率更高；

4、B树和B+树简单对比

B+树和B树相比的主要区别：

• 1、就是B+树所有关键码都在叶子节点,树的高度矮，因为B+树存储量很大的层级一般在2–4层，经行磁盘io的次数和层数相同。

• 2、B+树的叶子节点是带有指针的，且叶节点本身按关键码从小到大顺序连接。

• 3、在搜索过程中，如果查询和内部节点的关键字一致，那么搜索过程不停止，而是继续向下搜索这个分支

 
为什么InnoDB选择B+树而不是B树:

• 1、B+树的磁盘读取代价低， B树每个节点都有data，B+树只有叶子节才有，假设每个节点大小16KB，那么B+树比B树能存储更多的关键字，一次性读入内存的关键字的内存也会更多，B+树的高度也会比B树低,磁盘IO次数会更少。

• 2、B+树对范围查询更友好，方便遍历，B树叶子节点没有链接，而B+树叶子节点通过双向指针链接，可以很方便的进行范围查询，比如where条件中 age >= 3 and age < 20，那么当找到3时就可以顺着指针找到20,而B树是不可以的。

• 3、B+树查询效率稳定性更好， 在B+树中，由于分支节点并不是最终指向文件内容的节点，分支节点只是叶子节点的索引，所以对于任意关键字的查找都必须从根节点走到分支节点，所有关键字查询路径长度相同，每个数据查询效率相当。而对于B树而言，其分支节点上也保存有数据，对于每一个数据的查询所走的路径长度是不一样的，效率也不一样，B树稳定性不如B+树好

三、AVL树，红黑树，B树，B+树都分别应用在哪些现实场景中

• AVL树： 平衡二叉树，一般是用平衡因子差值决定并通过旋转来实现，左右子树树高差不超过1，那么和红黑树比较它是严格的平衡二叉树，平衡条件非常严格（树高差只有1），只要插入或删除不满足上面的条件就要通过旋转来保持平衡。由于旋转是非常耗费时间的。我们可以推出AVL树适合用于插入删除次数比较少，但查找多的情况。

  • 应用相对其他数据结构比较少。windows对进程地址空间的管理用到了AVL树。
     

• 红黑树： 平衡二叉树，通过对任何一条从根到叶子的简单路径上各个节点的颜色进行约束，确保没有一条路径会比其他路径长2倍，因而是近似平衡的。所以相对于严格要求平衡的AVL树来说，它的旋转保持平衡次数较少。用于搜索时，插入删除次数多的情况下我们就用红黑树来取代AVL。红黑树应用比较广泛：

  • 广泛用在C++的STL中。map和set都是用红黑树实现的。
  • 著名的linux进程调度Completely Fair Scheduler,用红黑树管理进程控制块。
  • epoll在内核中的实现，用红黑树管理事件块
  • nginx中，用红黑树管理timer等
  • Java的TreeMap实现

• B树，B+树： 它们特点是一样的，是多路查找树，一般用于数据库中做索引，因为它们分支多层数少，因为磁盘IO是非常耗时的，而像大量数据存储在磁盘中所以我们要有效的减少磁盘IO次数避免磁盘频繁的查找。

  • B+树是B树的变种树，有n棵子树的节点中含有n个关键字，每个关键字不保存数据，只用来索引，数据都保存在叶子节点。用在文件系统数据索引。

  • B+树相对B树磁盘读写代价更低：因为B+树非叶子结点只存储键值，单个节点占空间小，索引块能够存储更多的节点，从磁盘读索引时所需的索引块更少，所以索引查找时I/O次数较B-Tree索引少，效率更高。而且B+Tree在叶子节点存放的记录以链表的形式链接，范围查找或遍历效率更高。MySQL InnoDB用的就是B+Tree索引。

参考：AVL树，红黑树，B树，B+树，Trie树应用场景简介