一看就懂的B+树

本篇对于B+树讲的很细，希望大家要耐着性子看下去，保证会有收获！

相信大家都学过MySQL数据库，在开发中，为了加快数据库中数据的查找速度，一般会对表中的数据创建索引。MySQL数据库的索引就是用B+树来进行实现的。

实现一个需求：按值查找和按区间查找

如何通过索引来加快数据库表的查询速度呢？

#根据某个具体值来查找数据：select * from user where id = 1234;

#根据某个区间值来查询数据：select * from user where id > 1234 and id < 2345;

除了功能性需求外，在执行效率方面，我们希望通过索引让数据查询更快；在内存消耗方面，希望索引不用消耗太多的内存空间。

基于哈希表和二叉查找树的解决方案

对于支持快速查询操作的数据结构，我们学过了哈希表和平衡二叉查找树。

哈希表的查询性能很好，而且时间复杂度为O(1)，但是它不支持按照区间进行快速查找，尽管平衡二叉查找树的性能也很好，时间复杂度为O(logn)，而且使用中序遍历还可以输出有序的序列，但是也是不能满足按照区间快速查找的需求。索引B+树就应运而生！

基于B+树的解决方案

为了支持按照区间快速查找数据，我们对二叉查找树进行改造，使其具有按区间查找的功能，在原本二叉查找树下再加入一层节点，并且这层节点存储在有序链表中，将哈希表与有序链表进行结合使用。现在改造的二叉查找树就相当于将二叉查找树与有序链表结合使用。

如图所示：

 如果要查询某个区间的位置，那么只要将区间的初始值在数中进行查找，当定位到有序链表中的某个节点时，再从这个节点顺序的依次向后遍历，直到有序链表中的值大于区间的终止值为止。遍历有序链表得到的数据就是落在要查找区间范围内的数据。如图所示

此时又会出现一个问题，如果数据库中某个表的数据量很大，对应的索引也很大，将索引存储在内存中，占用的内存也就更多，这不是我们希望看到的。举个例子，给一亿个数据构建二叉查找树索引，那么所有就会包含大约2亿个节点，每个节点假设占用16B，就需要占用大约2GB大小的内存空间。也就是说，给一个表构建所有需要消耗2GB大小的内存，那么给10个表构建索引，就需要消耗20GB的内存，显然目前内存是不可能承受的数据。既然需要消耗那么多的内存，那是不是可以用时间来换取空间呢？

所以我们可以采用时间获取空间的方法，也就是把索引存在磁盘中，而不是存在内存中。大家都知道，磁盘是外存，访问的速度很慢，形象一点说，访问内存的速度是纳秒级别，那么访问磁盘的速度就是 毫秒级别的。所以，对于同样的时间，从磁盘中读取数据花费的时间要比内存满上几十倍。对于这种将索引存储到磁盘的方案，如果每读取一个节点都要对应一次磁盘IO操作，尽管内存消耗减少了，但是效率却是慢了好多好多，那么，还能不能继续优化呢？

为了避免重复的IO操作，导致的性能问题，我们需要尽可能地减少IO操作。前面说过，树上很多操作的时间复杂度跟树的高度成正比，降低树的高度，就可以减少磁盘IO操作。问题又来了，怎么降低二叉树的高度呢？
是不是这样，如果我们把索引构建成m叉树(m > 2)，高度是不是比二叉树小呢？

我们对16个数据构建二叉树索引(改造后的二叉查找树)，树的高度是4，查找一个数据需要4次磁盘IO操作(如果根节点存储在内存，其他节点存储在磁盘中)。如果我们对16个数据构建五叉树索引，那么树的高度为2，查找一个数据需要2次磁盘IO。如果我们对1亿个数据构建索引，那么我们需要构建100叉树，树的高度仅仅为4，查找一次数据仅仅需要4次磁盘IO操作。问题就解决啦！

事实上，m叉树与有序链表构建成的m叉树索引就是B+树。结构如下图。

 现在看看B+树对应的代码实现

/**
2 * 这是 B+ 树非叶子节点的定义。
3 *
4 * 假设 keywords=[3, 5, 8, 10]
5 * 4 个键值将数据分为 5 个区间：(-INF,3), [3,5), [5,8), [8,10), [10,INF)
6 * 5 个区间分别对应：children[0]...children[4]
7 *
8 * m 值是事先计算得到的，计算的依据是让所有信息的大小正好等于页的大小：
9 * PAGE_SIZE = (m-1)*4[keywordss 大小]+m*8[children 大小]
10 */
11 public class BPlusTreeNode {
12    public static int m = 5; // 5 叉树
13    public int[] keywords = new int[m-1]; // 键值，用来划分数据区间
14    public BPlusTreeNode[] children = new BPlusTreeNode[m];// 保存子节点指针
15 }
16
17 /**
18 * 这是 B+ 树中叶子节点的定义。
19 *
20 * B+ 树中的叶子节点跟内部结点是不一样的,
21 * 叶子节点存储的是值，而非区间。
22 * 这个定义里，每个叶子节点存储 3 个数据行的键值及地址信息。
23 *
24 * k 值是事先计算得到的，计算的依据是让所有信息的大小正好等于页的大小：
25 * PAGE_SIZE = k*4[keyw.. 大小]+k*8[dataAd.. 大小]+8[prev 大小]+8[next 大小]
26 */
27 public class BPlusTreeLeafNode {
28    public static int k = 3;
29    public int[] keywords = new int[k]; // 数据的键值
30    public long[] dataAddress = new long[k]; // 数据地址
31
32    public BPlusTreeLeafNode prev; // 这个结点在链表中的前驱结点
33    public BPlusTreeLeafNode next; // 这个结点在链表中的后继结点
34 }

 现在想想这个问题，是不是相同数据的情况下，m越大，树的高度越小，那么是不是m叉树中的m是不是越大越好呢？

无论是内存中的数据，还是磁盘中的数据，操作系统都是按页(1页大小通常是4KB)来读取的，一次读一页的数据。如果读取的数据量超过一页的大小，就会触发多次IO操作。这个时候我们应该就要想到，不能将读取的数据量超过一页的大小，因此，在选择m大小的时候，要尽量让每个节点的大小等于一页的大小。这样，读取一个节点就需要一次IO操作。尽管索引可以大大提高数据库的查询效率，但是，肯定会带来弊端，对于数据的写入过程会涉及索引的更新，因此，也会导致写入数据的效率下降。

对于一个B+树，m值是根据页的大小事先计算好的，也就是说每个节点最多只能有m个子节点，在往数据库写入数据时，有可能某些节点的子结点的个数大于m，这个时候，就需要再次进行调整。

这个时候我们可以将这个节点进行分裂，这个节点分裂成之后，其上层父节点的子结点个数就有可能超过m个(为什么会超过m继续往下看),然后父节点也可以按照这个方法进行分裂。这种联级反应会从上往下，一直影响到根节点。

因为要时刻保证B+树索引是一个m叉树，所以索引的存在会导致数据库写入的速度降低，同时删除的速度也可能降低，因为在删除数据的时候，也需要更新索引节点。频繁的数据删除操作会导致某些节点中子结点的个数变得非常少，如果时间久了，每个节点的子结点数目多了，会影响索引的效率。

针对这种情况，我们可以设置一个阀值，如m/2，如果某个节点的子结点个数小于m/2，就将它相邻节点的兄弟节点进行合并。如果合并之后的子结点个数超过m，仍然使用刚刚插入的方法进行分裂。

下面从一些图来详细进行了解。

B树插入

插入操作

对于插入操作很简单，只需要记住一个技巧即可：当节点元素数量大于m-1的时候，按中间元素分裂成左右两部分，中间元素分裂到父节点当做索引存储，但是，本身中间元素还是分裂右边这一部分的。

下面以一颗5阶B+树的插入过程为例，5阶B+树的节点最少2个元素，最多4个元素。

• 插入5，10，15，20

• 插入25，此时元素数量大于4个了，分裂

 

• 接着插入26，30，继续分裂（中间元素的值分裂到父节点做元素的值）

 

 现在应该就知道父节点的子节点为什么会超过m个了。

下面看看删除的操作

删除操作

对于删除操作是比B树简单一些的，因为叶子节点有指针的存在，向兄弟节点借元素时，不需要通过父节点了，而是可以直接通过兄弟节移动即可（前提是兄弟节点的元素大于m/2），然后更新父节点的索引；如果兄弟节点的元素不大于m/2（兄弟节点也没有多余的元素），则将当前节点和兄弟节点合并，并且删除父节点中的key，下面我们看看具体的实例。

• 初始状态

• 删除10，删除后，不满足要求，发现左边兄弟节点有多余的元素，所以去借元素，最后，修改父节点索引
• 

• 删除元素5，发现不满足要求，并且发现左右兄弟节点都没有多余的元素，所以，可以选择和兄弟节点合并，最后修改父节点索引
• 

• 发现父节点索引也不满足条件，所以，需要做跟上面一步一样的操作
• 

 关于删除操作的一些细节我们补充一些关于B树的删除操作，帮助大家理解B+树的删除

B树的删除操作

B树的删除操作相对于插入操作是相对复杂一些的，但是，你知道记住几种情况，一样可以很轻松的掌握的。

• 现在有一个初始状态是下面这样的B树，然后进行删除操作。
• 

• 删除15，这种情况是删除叶子节点的元素，如果删除之后，节点数还是大于m/2，这种情况只要直接删除即可。
• 

• 接着，我们把22删除，这种情况的规则：22是非叶子节点，对于非叶子节点的删除，我们需要用后继key（元素）覆盖要删除的key，然后在后继key所在的子支中删除该后继key。对于删除22，需要将后继元素24移到被删除的22所在的节点。
• 

此时发现26所在的节点只有一个元素，小于2个（m/2），这个节点不符合要求，这时候的规则（向兄弟节点借元素）：如果删除叶子节点，如果删除元素后元素个数少于（m/2），并且它的兄弟节点的元素大于（m/2），也就是说兄弟节点的元素比最少值m/2还多，将先将父节点的元素移到该节点，然后将兄弟节点的元素再移动到父节点。这样就满足要求了。

我们看看操作过程就更加明白了。

• 接着删除28，删除叶子节点，删除后不满足要求，所以，我们需要考虑向兄弟节点借元素，但是，兄弟节点也没有多的节点（2个），借不了，怎么办呢？如果遇到这种情况，首先，还是将先将父节点的元素移到该节点，然后，将当前节点及它的兄弟节点中的key合并，形成一个新的节点。
• 

移动之后，跟兄弟节点合并。

B+树的特点

1.B+树由m叉查找树和有序链表组成

2.每个节点的个数不能超过m，也不能小于m/2

3.根节点的子节点可以不超过m/2，这是一个例外

4.一般情况下，根节点存储在内存，其他节点存储在磁盘

5.B+树中的节点不存储数据。

6.非根节点元素范围：m/2 <= k <= m-1

 现在关于B+树应该讲解的很详细了，大家都能理解的差不多了。

文章部分摘自：https://segmentfault.com/a/1190000020416577

参考书籍：《数据结构与算法之美》