B树和B+树&MySQL为什么用B+树?

文章目录

• B树和B+树
• • B树
  • • B树的定义
    • B树的插入操作
    • 删除操作
  • B+树
  • • B+树的定义
    • B+树的插入操作
    • 删除操作
• B树和B+树的区别?
• MySQL数据库为啥用B+树作为索引，而不用B树?

B树和B+树

原文链接：https://blog.csdn.net/jinking01/article/details/115130286

B树

B树的定义

B树也称为B-树，是一颗多路平衡查找树。描述B树的时候需要确定它的阶数，阶数表示一个节点最多可以有几个孩子，一般用m表示。当m=2时，就是二叉搜索树。

对于m阶B树定义如下：

1. 每个结点最多有m-1个关键字。
2. 根结点可以只有一个关键字。
3. 非根节点中至少有Math.ceil（m/2）-1个关键字。
4. 每个节点中的关键字都按照从小到大的顺序排列，每个关键字的左子树中的值都小于它，每个右子树的值都大于它。
5. 所有叶子节点都位于同一层。

如图是一个4阶B树，每个节点最多个m-1= 3个关键字，非叶子节点至少有Math.ceil(m/2)-1=1个关键字。

B树的插入操作

如果B树中已经存在需要插入的值，则替换掉。如果没有直接添加。

添加步骤如下：

1. 根据插入的值找到叶子节点并插入。
2. 判断当前节点的个数是否小于等于m-1，满足结束，否则进行下一步
3. 以节点中间值（如果是偶数个时选择前一个或者后一个都可以）为中心分裂成左右两个部分，然后将中间值插入到父节点中，插入到父节点后这个中间值左子树指向左半部分，右子树指向右半部分，然后当前节点指向父节点，继续进行第三步。

下面以4阶数为例

先在根节点中插入20、39、91

在插入40：

节点的关键字个数为4大于m-1，按照第三步：我们选择前一个提取。

插入53,21：

插入40：

插入节点关键字个数大于m-1，需要分裂：

插入30，27：

插入33：

插入35：

添加35后分裂得到上图，30插入到父节点后，父节点被称为当前节点，当前节点关键字多了。分裂得到：

删除操作

如果B树中不存在要删除的值则失败。

1. 当前需要删除的值在非叶子节点上，则用后续的值替换当前位置。然后在后继节点中删除后继值。此时如果后继节点的关键字个数如果大于等于Math.ceil(m/2)-1，删除结束，否则执行下一步。
2. 如果兄弟结点key个数大于Math.ceil(m/2)-1，则父结点中的key下移到该结点，兄弟结点中的一个key上移，删除操作结束。否则，将父结点中的key下移与当前结点及它的兄弟结点中的key合并，形成一个新的结点。原父结点中的key的两个孩子指针就变成了一个孩子指针，指向这个新结点。然后当前结点的指针指向父结点，重复上第2步。

下面以5阶B树为例删除:

原数据如下

删除21：删除21后判断当前节点的关键字个数大于等于Math.ceil(m/2)-1，删除结束。

删除27 ：27为非叶子节点上的值，所以利用后继记录28替换他。

从图中看出，28替换后原28所在节点的关键字个数小于Math.ceil(m/2)-1。删但是它的兄弟节点有富裕的关键字（也就是兄弟节点关键字个数大于Math.ceil(m/2)-1）。向兄弟节点借一个。所以28下移，26上移。

删除24：在叶子节点直接删除24

发现当前节点关键字个数小于Math.ceil(m/2)-1，此时兄弟节点也只有两个关键字，不能借，只能父节点下沉与两个子节点组成新的节点。

删除40：直接删除后：

同删除24一样，父节点值下沉：

发现父节点的关键字又小于Math.ceil(m/2)-1，父节点的兄弟节点也不能借，父节点的父节点下沉。

B+树

B+树的定义

B树和B+树十分类似，B+树的所有叶子节点是链通的（下文中为了画图方便没有体现链接），B+树的关键字个数=最大孩子个数-1；B+树就是将所有数据存储在叶子节点上，非叶子节点只用于索引。上图为4阶B+树，黑色为索引。彩色为叶子节点存储真正的数据。

B+树的插入操作

1. 若为空树，创建节点，直接插入值，此时节点也为根节点。
2. 针对叶子类型节点：根据值找到待插入的叶子节点位置。插入后判断节点的值的个数是否小于m-1，是则插入结束，不是则将这个叶子节点分裂成两个叶子节点，左叶子节点包含前m/2个记录，右节点包含剩下的记录，将第m/2+1个记录值放进父节点，然后执行下一步。
3. 针对索引节点：如果当当前节点记录个数小于等于m-1，插入结束。否则，将这个索引类型节点分裂成两个，左索引节点包含（m-1）/2个记录，右节点树包含m-(m-1)/2个记录，第m/2个节点插入到父节点中。重复第三步。

以5阶B+树为例：

首先依次插入：8,15,5,10 ：

插入16：在当前节点插入16后：

发现节点的记录值大于m-1，需要将前（m-1)/2作为左子树，第m/2个记录作为父节点的值，m/2及其后面的记录作为右子树。

插入17：

插入18：

调整元素位置：

添加数据直到下图：

现在添加7 ：节点记录大于m-1

进行分裂：

此时父节点记录个数大于m-1，执行第三步：需要将前（m-1)/2作为左子树，第m/2个记录作为父节点的值，m/2以后的记录作为右子树。

非叶子节点也称为内部节点，表示索引，并且它左子树都小于它，它的右子树都大于它。

删除操作

1. 删除叶子结点中对应的值。删除后若结点的值的个数大于等于Math.ceil(m-1)/2 -- 1，删除操作结束,否则执行第2步。
2. 若兄弟结点值有富余（大于Math.ceil(m-1)/2 -- 1），向兄弟结点借一个记录，同时用借到的值替换父结（指当前结点和兄弟结点共同的父结点）点中的值，删除结束。否则执行第3步。
3. 若兄弟结点中没有富余的记录,则当前结点和兄弟结点合并成一个新的叶子结点，并删除父结点中的记录（父结点中的这个记录两边的孩子指针就变成了一个指针，正好指向这个新的叶子结点），将当前结点指向父结点（必为索引结点），执行第4步（第4步以后的操作和B树就完全一样了，主要是为了更新索引结点）。
4. 若索引结点的记录的个数大于等于Math.ceil(m-1)/2 -- 1，则删除操作结束。否则执行第5步
5. 若兄弟结点有富余，父结点记录下移，兄弟结点记录上移，删除结束。否则执行第6步
6. 当前结点和兄弟结点及父结点下移记录合并成一个新的结点。将当前结点指向父结点，重复第4步。

注意，通过B+树的删除操作后，索引结点中存在的key，不一定在叶子结点中存在对应的记录。也就是在删除时如果叶子结点中没有相应的key，则删除失败。

初始值：

删除22：根据步骤一，删除后节点值个数大于等于Math.ceil(m-1)/2 -- 1，删除结束。

删除15：删除后的节点值个数小于Math.ceil(m-1)/2 -- 1，执行第二步。

兄弟结点值有富余（大于Math.ceil(m-1)/2 -- 1），向兄弟结点借一个记录，同时用借到的值替换父结（指当前结点和兄弟结点共同的父结点）点中的值。可以从兄弟结点借一个关键字为9的记录,同时更新将父结点中的关键字由10也变为9，删除结束。

删除7：删除7之后当前节点只有一个记录，小于Math.ceil(m-1)/2 -- 1。而兄弟节点也都不能提供借出，只能将它与一个兄弟节点合并。

执行第四步：合并完成后，父节点记录个数小于Math.ceil(m-1)/2 -- 1。兄弟节点也没有多余的记录可以借，那就合并。

执行第六步：

B树和B+树的区别?

B树和B+树主要有两个区别:

• B树的叶子节点和非叶子节点都可以存放键和值，B+树所有数据存储在叶子节点，非叶子节点只存放键。
• B+树的叶子节点是联通的，方便顺序检索。

MySQL数据库为啥用B+树作为索引，而不用B树?

• B+树可以随机查询也可以顺序查询，而B树只能随机查询。
• B+树更加节省空间。B树每个节点都存储键和值，而B+树的内部节点只存储键，这样一个节点就可以存储更多的索引，使得树的高度变低，提高了IO的效率。
• B+树的叶子节点是链接的，可以方便范围查找和顺序查找。
• B+树的性能更加稳定，每次查询都是从根节点到叶子，而B树可能在内部某个节点就已经找到查找到了。

什么时候使用B树合适呢？因为B树在内部节点也会存储值，所以将一些热点访问数据放在距离根节点进的地方，可以提高数据访问效率。综上所说B+树更适合作为索引的结构。