数据库的索引实现--B＋Tree

     一上来就B+ Tree可能我也会一脸懵逼，那么植树节刚过，刚好来复习一下各种数吧~

一、二叉查找树

二叉查找树也称为二叉排序树，满足二叉查找树的一般性质，是指一棵空树具有如下性质：

1、任意节点左子树不为空,则左子树的值均小于根节点的值；

2、任意节点右子树不为空,则右子树的值均大于于根节点的值；

3、任意节点的左右子树也分别是二叉查找树；

4、没有键值相等的节点； 

二叉查找树，按照中序遍历的方式可以从小到大的顺序排序输出：1，3，4，6，7，8，10，13，14.

进行查找时，从根节点出发，比根节点小则查找左子树，比根节点大则查找右子树。

局限性：一个二叉查找树是由n个节点随机构成，所以，对于某些情况，二叉查找树会退化成一个有n个节点的线性链。

 

二、AVL树

AVL树是带有平衡条件的二叉查找树，左右子树树高不超过1。和红黑树相比，它是严格的平衡二叉树。

不管我们是执行插入还是删除操作，只要不满足上面的条件，就要通过旋转来保持平衡，而旋转是非常耗时的，由此我们可以知道AVL树适合用于插入删除次数比较少，但查找多的情况。 

局限性：由于维护这种高度平衡所付出的代价比从中获得的效率收益还大，故而实际的应用不多，更多的地方是用追求局部而不是非常严格整体平衡的红黑树。

 

三、红黑树

      一种弱平衡二叉查找树，通过对任何一条从根到叶子的路径上各个节点着色（可以是red或black）的方式的限制，确保没有一条路径会比其它路径长出两倍。

      相对于要求严格的AVL树来说，它的旋转次数变少，所以对于搜索、插入、删除操作多的情况下，我们就用红黑树。

性质：1、每个节点非红即黑； 
2、根节点是黑的； 
3、每个叶节点(叶节点即树尾端NULL指针或NULL节点)都是黑的； 
4、如果一个节点是红的,那么它的两儿子都是黑的； 
5、对于任意节点而言，其到叶子点树NULL指针的每条路径都包含相同数目的黑节点； 
6、每条路径都包含相同的黑节点；

 

Java中TreeMap的实现也是基于红黑树的。

 

四、B-树

注意B-树就是B树，-只是一个符号。

      B/B+树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。

       在MySQL中的数据一般是放在磁盘中的，读取数据的时候肯定会有访问磁盘的操作。当大规模数据存储到磁盘中的时候，显然定位是一个非常花费时间的过程，但是我们可以通过B树进行优化，提高磁盘读取时定位的效率。

       为什么B类树可以进行优化呢？因为相对于二叉，B树每个内节点有多个分支，可以存储更多索引；与红黑树相比，在相同的的节点的情况下，一颗B/B+树的高度远远小于红黑树的高度。因此磁盘I/O所花的时间也较少。

B树的性质：

1、定义任意非叶子结点最多只有M个儿子，且M>2； 
2、根结点的儿子数为[2, M]； 
3、除根结点以外的非叶子结点的儿子数为[M/2, M]； 
4、每个结点存放至少M/2-1（取上整）和至多M-1个关键字；（至少2个关键字） 
5、非叶子结点的关键字个数=指向儿子的指针个数-1； 
6、非叶子结点的关键字：K[1], K[2], …, K[M-1]；且K[i] < K[i+1]； 
7、非叶子结点的指针：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； 
8、所有叶子结点位于同一层； 
转存失败重新上传取消
这里只是一个简单的B树，在实际中B树节点中关键字很多的，上面的图中比如根结点，其中17比表示一个磁盘文件的文件名；小红方块表示这个17文件内容在硬盘中的存储位置；p1表示指向17左子树的指针。

五、B+树

B+树是应文件系统所需而产生的一种B树的变形树（文件的目录一级一级索引，只有最底层的叶子节点（文件）保存数据）非叶子节点只保存索引，不保存实际的数据，数据都保存在叶子节点中，这不就是文件系统文件的查找吗?

举个文件查找的例子：有3个文件夹a、b、c， a包含b，b包含c，一个文件yang.c，a、b、c就是索引（存储在非叶子节点）， a、b、c只是要找到的yang.c的key，而实际的数据yang.c存储在叶子节点上。

所有的非叶子节点都可以看成索引部分！

（2）B+树的性质(下面提到的都是和B树不相同的性质)

1、非叶子节点的子树指针与关键字个数相同； 
2、非叶子节点的子树指针p[i],指向关键字值属于[k[i],k[i+1]]的子树.(B树是开区间,也就是说B树不允许关键字重复,B+树允许重复)； 
3、为所有叶子节点增加一个链指针； 
4、所有关键字都在叶子节点出现(稠密索引). (且链表中的关键字恰好是有序的)； 
5、非叶子节点相当于是叶子节点的索引(稀疏索引),叶子节点相当于是存储(关键字)数据的数据层； 
6、更适合于文件系统；

非叶子节点（比如5，28，65）只是一个key（索引），实际的数据存在叶子节点上（5，8，9）才是真正的数据或指向真实数据的指针。

采用左闭合区间原因：

1. 是因为它要把所有的数据保存在叶子节点。
2. 因为在mysql中它会认为你的默认的索引，不指定主键索引的话它采用的自增数据结构或者自增的一种机制，它会认为它的最长变的是右边，左边是不长变的。

 

先通过辅助索引索引到主键，再通过主键索引来查询的。

 

那为什么B+树比B树更适合数据库索引？

1、 B+树的磁盘读写代价更低：B+树的内部节点并没有指向关键字具体信息的指针，因此其内部节点相对B树更小，如果把所有同一内部节点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多，一次性读入内存的需要查找的关键字也就越多，相对IO读写次数就降低了。

2、B+树的查询效率更加稳定：由于非终结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当。

3、由于B+树的数据都存储在叶子结点中，分支结点均为索引，方便扫库，只需要扫一遍叶子结点即可，但是B树因为其分支结点同样存储着数据，要找到具体的数据，需要进行一次中序遍历按序来扫。所以B+树更加适合在区间查询的情况，通常B+树用于数据库索引。

       其实B树在提高了IO性能的同时并没有解决元素遍历的效率低下的问题，正是为了解决这个问题，B+树应用而生。B+树只需要去遍历叶子节点就可以实现整棵树的遍历。而且在数据库中基于范围的查询是非常频繁的，而B树不支持这样的操作或者说效率太低。