B-Tree和B+Tree详解

B-Tree详解

B-Tree由来

我们前面已经了解了平衡二叉查找树，如果100w条数据放入到二叉查找树中，假设树的高度为n，则2^0+2^1+2^2+2^3...+2^(n-1)=（2^n）-1=1000000,计算出来n为20，因此查找100w条数据中的一个数据时最多需要查询20次即可。如果是在内存操作的话，查询效率还是蛮高的，但是数据库中的数据都是存放在磁盘上的，每读取一个节点就需要一次磁盘IO，这样子的话查找100w条数据中的一个数据时最多需要20次磁盘IO，20次磁盘IO，这个性能对于磁盘来说太慢了。那么有什么好的方法来解决这个问题呢？答案就是使用B-Tree，即将这棵树压缩一下，减少树的高度，每层上可以容纳更多的节点，这样子就会减少磁盘IO次数从而提高性能

B-Tree特性

假如有一颗 m 阶的B-Tree，则有如下特性：

1、每个节点最多有 m 个子节点

2、除了根节点和叶子结点外，每个节点至少有 m/2 (向上取整，例如 3/2 = 1.5，这里取 2) 个子节点

3、若根节点不是叶子节点，那么根节点至少有2个子节点

4、所有的叶子都在同一层上

5、每个节点都包含 n 个 key，其中 m/2-1 <= n <= m-1

6、每个节点中的元素 key 从小到大排列，元素 key 的左节点的所有元素 key 值都小于等于元素 key，右节点的所有元素 key 值都大于等于元素 key

从上述特性中可知 B-Tree 和其他树结构相比， B-Tree 每个节点可以容纳多个元素。这些特性理解起来比较费事，下面通过示例来让大家对 B-Tree 有一个清晰的认知

B-Tree示例

假如我们要生成一颗 4 阶的 B-Tree树，其过程如下

1、先插入 1、2、3，如下图：

2、当插入4 元素时，根据特性5可知，4/2-1 <= n <= 3，即 1<=n<=3，也就是说每个节点最多可以包含 3个元素，此时树的结构需要裂变了，裂变的原则是：节点中的中间元素上移，例如节点中有4个元素，那么第2个或者第3个元素上移都可以，如果有5个元素时，则第3个元素上移就可以了，其他元素按照特性6排列。具体过程如下图：

裂变之后，根节点有2个子节点，符合特性3，当根节点不是叶子节点的时候肯定是发生了裂变

3、插入5、6之后，同理步骤2：

4、插入7、8之后，同理,步骤2：

5、插入9、10之后会怎么样呢？同样是同理步骤2，如下图：

从上述过程可以看出，B-Tree 是从下往上形成的，而二叉树是从上往下形成的。

B-Tree树特性详解

特性1：当父节点元素达到m-1个时，其子节点个数达到m个时，同时这些子节点中的元素达到 m 个时，节点将会裂变，裂变之后父节点元素达到了m个，父节点继续裂变，裂变之后其子节点数量为 m-1 个，因此每个节点最多有 m 个子节点，即特性1

下面就特性1简单演示一下，以便于理解：

特性2：当节点中的元素达到 m 个时，节点将会裂变，裂变之后子节点个数最少是 m/2 (向上取整) 个，即特性2

特性5：当节点中的元素达到 m 个时，节点将会裂变，裂变之后每个子节点中的元素最少是 m/2-1（原节点元素平分） 个，那么为什么不是 m/2，而是 m/2-1呢，-1是因为有一个节点裂变之后上移成为父节点了，裂变之后每个子节点中的元素最多则是 m-1 个，即特性5

B-Tree高度计算

若一颗 m 阶B-Tree，总元素有 N 个，高度为 h，则有如下推导公式：

1、树的高度：1，2，3，4，.........，h

2、高度对应的节点数：1，2*（m/2）^0，2*（m/2）^1，2*（m/2）^2，.........，2*（m/2）^（h-2）

3、总结点数 s = 1 + 2*((m/2)^(h-1) -1)/((m/2) -1)

4、总元素 N = 1 + (s -1) * ((m/2) - 1) = 2*((m/2)^(h-1)) - 1

5、高度 h = log[m/2]((N+1)/2) + 1

数据库怎么使用B-Tree存储数据

从上面介绍我们知道B-Tree中都是存储的数值，而数据库中存储的却是一条条的数据，那么若某数据库是以B-Tree数据结构存储数据的，那么数据是怎么存放的呢？看下图所示：

上图中，我们把元素拆分成了 key-data 的形式，Key 就是数据的主键，Data 就是具体的数据。

这样我们在查找一条数据的时候，就沿着根结点往下找 key 就 OK 了，效率是比较高的,查找到key就直接可以获取对应的数据data了

B+Tree详解

B+Tree由来

B+Tree 是 B-Tree 基础上的一种优化，使其更适合实现外存储索引结构，InnoDB（mysql存储引擎）存储引擎就是使用 B+Tree 存储索引结构的。既然已经有了B-Tree，那么为什么还需要有B+Tree呢？主要是由于同等数据量的数据存储到 B+Tree 中时，树的高度更低，查询效率更高，这个后面讲解

B+Tree特性

1、所有非叶子节点只存储 key 信息，不存储 data（数据信息）

2、所有 data （数据信息）都存储在叶子节点中

3、所有叶子节点之间都有一个链指针

4、所有叶子节点包含了全部元素（key+data）的信息

B+Tree 示例

这里将 B-Tree 的数据存储图变成 B+Tree 之后，如下图：

图上可以看出：

非叶子节点只存储了 key（关键字）信息，即特性1

所有的 data（数据）信息都保存在了叶子节点中，即特性2

所有的叶子节点之间都有一个链指针，即特性3

所有叶子节点包含所有的数据（key + data）信息

特性3（节点链指针）优点：为了提高区间访问的性能，上图中如果要查询key为[3,7]之间的所有数据记录，当找到3后，只需顺着节点和指针顺序遍历就可以一次性访问到所有数据节点，极大提到了区间查询效率

B+Tree 和 B-Tree 对比

1、同等树高时，B-Tree 查询效率比 B+Tree 高，由于 B-Tree 节点中存储了 key+data 的整个信息，找到 key 就等于是获取到了数据，而 B+Tree 的 data 只存储在叶子节点， 因此必须要遍寻到叶子节点才能获取到 data 信息

2、同等数据量时，B+Tree 的查询效率比  B-Tree 高，由于 B+Tree 的非叶子节点只存储 key 信息，而 B-Tree 的节点存储了 key + data，而每个页（一个节点）的大小是固定的，所以 B+Tree 的树高会更低一些

为了更直观的让大家理解，下面通过两张图来对比一下：

从上图可以看出 同样的 22 个数据，B-Tree 的树高是 4，而 B+Tree 的树高是 3

结论：数据量越大，B+Tree的层高优势就越明显了

3、查找大于或者小于某一个 key（关键字） 的数据时，B+Tree 的效率远远高于 B-Tree，由于 B+Tree 的叶子节点存储了所有 key+data 信息，而且叶子节点之间有链指针，所有查询的时候 B+Tree 只需要找到 key 然后沿着链表遍历就可以了，而 B-Tree就需要一遍遍的从根节点开始查找

为了更直观的让大家理解，下面也通过两张图来对比一下：

B-Tree查询大于8的数据：

B+Tree 查询大于8的数据：

从上图对比可知，B+Tree 的效率远远高于 B-Tree

结论：通过以上3点对比可以得知常用的关系型数据库中，都是会选择 B+Tree来存储数据的

B-Tree和B+Tree网页版生成链接地址

B-Tree：https://www.cs.usfca.edu/~galles/visualization/BTree.html

B+Tree：https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html