数据库使用B+树的原因

减少磁盘 I/O 次数,提高查询效率

  • 节点存储容量大 :B + 树的非叶子节点存储索引信息,不存储实际数据(数据都存储在叶子节点),所以相同空间大小的节点,B + 树可以存储更多的索引关键字。
  • 范围查询高效 :B + 树的叶子节点之间通过指针相互连接 ,形成了一个有序的链表。在进行范围查询时,只需要找到范围的起始位置,然后沿着叶子节点的链表顺序遍历即可,无需像 B 树那样在树的不同层级中反复查找,提高了范围查询的效率。

数据插入和删除操作效率较高

  • 节点分裂和合并代价小 :B + 树在插入和删除数据时,对树的结构调整相对较少。当插入数据导致节点关键字数量超过上限时,B + 树只需将节点分裂成两个,并将中间关键字提升到父节点;删除数据导致节点关键字数量不足时,可以与相邻节点合并。这种操作主要集中在叶子节点层,对树的上层结构影响较小,维护树的平衡相对容易,操作的代价也相对较小。
  • 顺序插入性能好 :数据库中的数据通常是批量插入的,B + 树的叶子节点之间的链表结构使得顺序插入数据非常高效。新插入的数据可以直接添加到叶子节点的链表末尾,不需要频繁地调整树的结构,大大提高了数据插入的速度。

数据存储和缓存利用率高

  • 数据存储紧凑 :B + 树将所有的数据存储在叶子节点,并且叶子节点之间通过链表连接,使得数据在磁盘上的存储更加紧凑。这样在读取数据时,可以一次性读取更多连续的数据块,充分利用磁盘的预读功能,提高数据的读取速度。
  • 缓存命中率高 :数据库系统会使用缓存来存储经常访问的数据,以减少对磁盘的访问。B + 树的结构使得相邻的数据在磁盘上的物理位置也相邻 ,当访问一个叶子节点的数据时,与其相邻的叶子节点数据也很可能被一起加载到缓存中,**提高了缓存的命中率,**进一步加快了后续的查询速度。

支持高效的排序和遍历操作

  • 排序方便:B + 树的叶子节点本身就是按照关键字的大小顺序排列的,所以对于需要对数据进行排序的操作,无需额外的排序算法,直接遍历叶子节点链表即可得到有序的数据。
  • 全表遍历高效:如果需要对整个数据库表进行遍历操作,B + 树只需从根节点找到最小的叶子节点,然后沿着叶子节点的链表依次访问即可,操作简单高效。
相关推荐
ylfhpy3 小时前
Java面试黄金宝典19
java·开发语言·数据结构·算法·面试·面经
姜威鱼3 小时前
蓝桥杯python编程每日刷题 day 20
数据结构·算法·蓝桥杯
LIUJH12334 小时前
哈希冲突 及 双哈希
开发语言·数据结构·c++·算法·哈希算法
代码AC不AC5 小时前
【数据结构】栈 与【LeetCode】20.有效的括号详解
数据结构·学习·leetcode·练习·
Phoebe鑫5 小时前
数据结构每日一题day5(顺序表)★★★★★
数据结构·算法
Vitalia5 小时前
并查集(Union-Find)数据结构详解
数据结构·并查集
PlumCarefree7 小时前
通过Map类和List类的List<Map<>>组合类体会JSON
java·数据结构·json·list
Yhame.7 小时前
【 C 语言实现顺序表的基本操作】(数据结构)
c语言·开发语言·数据结构
照海19Gin8 小时前
数据结构之约瑟夫环的问题
c语言·数据结构·算法
努力也学不会java9 小时前
【哈希表】哈希表:数据世界的高效索引魔法
数据结构·散列表