B-树

本文参考https://www.jianshu.com/p/fd49b1510dfd

B-树

从数据库的检索开始，我们知道数据库的检索是使用树结构来实现的，是因为树的查询效率高，而且还可以保存有序的状态。二叉查找树效率就很高，但为什么没有使用二叉查找树来实现索引呢？其实从算法逻辑上讲，二叉查找树的查找次数和比较次数都是最小的，但是我们必须还要考虑一个现实问题：磁盘的IO（磁盘读写）。

 

数据库的索引是存储在磁盘上的，当数据量非常大的时候，索引的大小可能有几个G甚至更多。当我们利用索引查询的时候显然不可能把整个索引全部加载到内存，正常的操作都是逐一加载每一个磁盘页，这里的磁盘页就对应着索引树的节点。

我们如果利用二叉查找树做索引结构，查找情形是什么样子的呢？假设树的高度是4，要查找的值10.

磁盘IO的次是4次，即树的高度，最坏的情况就是磁盘IO的次数等于索引树的高度。既然如此，为了减少磁盘IO的次数，我们需要把原来的“瘦高”树变得“矮胖”，这就是本文所要说的B-树的特征之一。

B-树（以下都称作B树）是一种多路平衡查找树，它的每个节点最多包含K个孩子，其中，K被称为B树的阶，K的大小取决于磁盘页的大小。

一个m阶的B树具备如下几个特征：

1、根节点至少有两个子女；

2、每个中间节点都包含k-1个元素和k个孩子，其中m/2<=k<=m

3、每个叶子节点都包含k-1个元素，其中m/2<=k<=m

4、所有的叶子节点都位于同一层

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。

我们以一个3阶B树为例来看一下B树的结构，树中的具体元素和上面的二叉查找树是一样的。

我们来看（2，6）节点，该节点有两个元素2和6，又有三个孩子1，（3，5），8.其中1小于元素2，（3，5）在元素2，6之间，8大于元素6，符合上面的几条规则。

接下来我们来看一下B树的查询过程，假设要查询5

从上面我们看出，其实B树在查询中的比较次数并不比二叉查找树少，尤其当单一节点中的元素数量很多时。可是相对磁盘IO的速度，在内存中比较耗时几乎可以忽略，所以只要树的高度足够低，磁盘IO次数足够少，就可以提高查询性能。就算单个节点内元素多一点也没关系，仅仅是多了几次内存中的交互，可以忽略用时。其实说白了B树的优势和高效就是因为B树将一部分的IO负担到内存中来了，用内存的高效和强大提升了查询性能。

 

下面我们来看一下B树的插入和删除

B树插入新节点的过程比较复杂，分好多种情况，此处举一个最典型的例子，还使用上面的B树，假如我们要插入的数值是4，自顶向下查找4的位置，发现4应该插入到节点元素3，5之间，

可是节点3，5已经是两节点元素，无法再增加，父节点2，6也是两节点元素，无法再增加。倒是根节点9是单元素节点，可以升级为两元素节点，于是拆分节点2，6和节点3，5，让根节点9升级为量元素节点4，9，节点6单独作为根节点的第二个孩子。

由此看出，插入一个节点，会让B树的那么多节点发生连锁改变。也正是如此，保证了B树始终维持多路平衡，这是B树的一大优势。

 

下面再看看B树的删除机制，以上面插入4后的B树为例，删除元素11，首先自顶向下找出11的位置。

删除11后，节点12只有一个孩子，不符合B树规范，因此找出12，13，15三个节点的中位数13，取代节点12，而节点12下移成为第一个孩子。（此过程称为“左旋”）。

以上便是B树的查询，新增和删除机制，B树主要应用于文件系统（FS）以及部分数据库索引，比如著名的非关系数据库MongoDB。但是绝大多数关系型数据库，比如MySQl，都使用B+树做索引。