总结1：B树、B-树、B+树、红黑树区别

1.B树

又叫二叉查询树/二叉搜索树

特点：

1. 每个节点最多两个孩子。
2. 所有节点都是一个关键字。
3. 左孩子<根<右孩子
   

搜索过程

从根开始，相等就结束，小于根就向左子树寻找，否则向右子树查找。

性能：

逼近二分查找，相比于二分查找的优点是，改变B树的结构时（插入或删除节点时）不需要移动大量的内存数据，甚至通常是常数开销。
但是进故宫多次插入与删除后，有可能导致一种不好的情况，如图：

这样就相当于线性操作了，这会使性能降低。因此要考虑树要保持平衡的问题。那么就提出了B-树。

2.B-树

特点：

1. 所有的每个节点最多m个孩子。（m>=2）
2. 是一个多路搜索树（m阶）m—非叶子节点中最多的孩子个数
3. 根的孩子范围为[2,m].
4. 出根以外，非叶子节点的孩子个数范围为[m/2，m]。（m/2取上限）
5. 每个节点包含的关键字个数为[m/2-1，m-1]。（至少两个关键字）
6. 非叶子节点的关键字个数=所包含的指向孩子的指针数-1
7. 非叶子结点的关键字：K[1], K[2], …, K[M-1]；且K[i] < K[i+1]；
8. 非叶子节点的指针：P[1], P[2], …, P[M]；其中P[1]指向关键字小于K[1]的
   子树，P[M]指向关键字大于K[M-1]的子树，其它P[i]指向关键字属于(K[i-1], K[i])的子树；
9. 所有的叶子节点都在同一层。
   

搜索过程：

B-的搜索，从根节点开始，对节点内的关键字（有序）序列进行二分查找，如果命中就结束。
否则进入查找关键字所属范围的孩子节点；重复这两部操作，直到所对应的的指针是空的，或者已经到叶子节点。就代表不存在做查找的数据。
1）节点内关键字是二分查找
2）进入查找关键字所属范围的孩子继续查找。

插入和删除过程

插入一个数据（关键字）时：当一个节点满了，分配一个新的节点，将原来的节点中1/2的数据复制给这个新节点，最后父节点中增加新节点的指针。
删除一个数据（关键字）时：需将两个不足m/2的兄弟节点合并，修改父节点的指针范围。

性能

B-树的性能总是等价于二分查找（与M值无关），也就没有B树平衡的问题；

特性

1. 关键字集合分布在整棵树中。
2. 任何一个关键字出现且只出现在一个节点中
3. 搜索有可能在非叶子结束。
4. 搜索性能等价于关键字全集内做一次二分查找。
5. 自动层次控制；
   由于限制了除根结点以外的非叶子结点，至少含有M/2个儿子，确保了结点的至少
   利用率，其最底搜索性能为：O(logN)（以2为底）

3.B+树

特点

• 是B-树的变体，也是一种多路搜索树。
• 其定义基本与B-树相同，
  1）所有的每个节点最多m个孩子。（m>=2）
  2）根的孩子范围为[2,m].
  3）根以外，非叶子节点的孩子个数范围为[m/2，m]。（m/2取上限）
  4）非叶子结点的关键字：K[1], K[2], …, K[M-1]；且K[i] < K[i+1]；
  5）所有的叶子节点都在同一层。
  除了：
• 非叶子节点的字数指针数=关键字个数。
• 非叶子结点的子树指针P[i]，指向关键字值属于[K[i], K[i+1])的子树
  （B-树是开区间）；
• 为所有叶子结点增加一个链指针
• 所有关键字都在叶子结点出现；
  

B-树和B+树的区别

不同： B+树只有达到叶子节点才能命中
B-树可以再非叶子节点
相同：性能都是相当于在关键字全集做一次二叉查找。

性能

相当于在关键字全集做一次二叉查找。

特性

• 所有的关键字出现在哎叶子节点的链表中（稠密索引），且链表中的关键字恰好是有序。
• 不可能在非叶子节点命中。
• 非叶子节点相当于叶子节点的做引（稀疏索引），叶子节点相当于是存储（关键字）数据的数据层。
• 更适合文件索引系统。

4.B*树

在B+树的基础上，每个节点加入指向兄弟节点的指针。

B*树和B+树的区别

区别：

• B+树的分裂：当一个结点满时，分配一个新的结点，并将原结点中1/2的数据

复制到新结点，最后在父结点中增加新结点的指针；B+树的分裂只影响原结点和父

结点，而不会影响兄弟结点，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，再在原来节点中插入关键字，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）；如果兄弟满了，则在源节点芋兄弟之间增加新节点，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树分配新结点的概率比B+树要低，空间使用率更高；

性能

B*树定义了非叶子节点关键字个数至少为（2/3）m，即块的最低使用率是2/3.

总结：B树、B-树、B+树、B*树

B树：每个节点只存储一个关键字，等于则命中，否则在自己左右孩子中查找。但是存在树的平衡问题。
B-树：多路搜索树，每个节点存储[m/2-1，m-1]个关键字，非叶子节点存储指向关键字范围的子节点的指针。
B+树：在B-树基础上，为叶子节点增加链表指针，所有关键字都在叶子节点出现，费叶子及诶点是叶子节点的索引，B+树总是在叶子节点中命中。
B*树：在B+树基础上，为非叶子金额带你也增加指向兄弟的指针，将节点的最低利用率从1/2提高到2/3。

应用场景（数据库中的索引）

相比于B-树B+树更加适合用来做存储索引，好处如下：

• B+树的磁盘读写代价更低。
• B+树的查询效率更加稳定。
• B+树更有利于对数据库的扫描。
  针对索引的应用场景要记住几点：
• 内部节点 存储的不是数据，只存放索引信息。减少了IO次数。
• 非叶子节点不存储数据，所以每次查询都要走一条根到叶子节点的道路，保证每次查询的效率是一样的。
• 只需要对叶子节点的遍历就可以完成对全部节点的扫描，适用于数据库中频繁使用的范围查询。（因为叶子节点之间有链接）

出自https://www.jianshu.com/p/332caf8bed3a

红黑树

平衡二叉查找树

特点

• 根一定是黑。
• 节点非黑即红。
• 红结点的孩子都是黑色的。
• 叶节点都是黑色的空节点。
• 任意节点到其每个叶子节点路径上的黑色节点的个数都是一样的。

红黑树和B树的应用场景的区别

相同：都是有序数据结构，可用作数据容器
不同：

• 红黑树多用在内部排序，即全放在内存中的，微软STL的map和set的内部实现就是红黑树。
• B树多用在内存里放不下，大部分数据存储在外存上时。因为B树层数少，因此可以确保每次操作，读取磁盘的次数尽可能的少。
  因此，在数据较小，可以完全放到内存中时，红黑树的时间复杂度比B树低。反之，数据量较大，外存中占主要部分时，B树因其读磁盘次数少，而具有更快的速度。