B树与B+树：数据库索引背后的秘密

B-tree（B树）和B+tree（B+树）是两种高效的多叉树数据结构，专为磁盘存储系统优化设计，广泛应用于数据库和文件系统的索引。以下是两者的核心特点及区别：

---

⚙️ 一、B-tree（B树）

1. 结构特性

   • 多路平衡 ：每个节点可包含多个子节点（通常称为阶数 m ），非叶子节点存储 键值（Key） 和 关联数据（Data）。
   • 平衡规则 ：
     • 根节点至少有 2 个子节点（除非为叶子节点）；
     • 非根节点至少有 ⌈m/2⌉ 个子节点；
     • 所有叶子节点位于同一层。

2. 数据存储

   • 键值+数据共存：非叶子节点既存储索引键，也存储实际数据记录。
   • 搜索灵活性：搜索可能在非叶子节点终止（若命中键值）。

3. 适用场景

   • 实时查询系统：如 MongoDB 的默认索引，适合单点查询。

---

🚀 二、B+tree（B+树）

1. 结构优化

   • 数据分离 ：非叶子节点 仅存储键值 （不存实际数据），所有数据记录存放在 叶子节点。
   • 叶子节点链表：叶子节点通过指针串联为有序链表，支持高效范围查询。

2. 性能优势

   • 更高扇出：非叶子节点仅存键值，可容纳更多子节点，降低树高，减少 I/O 次数。
   • 顺序访问优化 ：范围查询（如 WHERE id BETWEEN 10 AND 100）直接遍历叶子链表，无需回溯树。

3. 适用场景

   • 数据库索引：如 MySQL InnoDB 引擎，尤其适合范围扫描和排序操作。

---

🔍 三、核心区别总结

特性	B-tree	B+tree
非叶子节点数据	存储键值+数据	仅存储键值（无数据）
叶子节点结构	独立无链接	通过指针形成有序链表
查询终止位置	可能在任何非叶子节点命中	必须到达叶子节点
范围查询效率	低效（需回溯树）	高效（直接遍历叶子链表）

---

💡 四、典型应用

• B-tree：文件系统（NTFS/Ext4）、MongoDB 索引。
• B+tree：关系型数据库（MySQL、Oracle）、大型数据仓库索引。

两种结构均通过 多路平衡 和 动态调整节点（分裂/合并）保持低树高，显著减少磁盘 I/O。B+tree 因数据分离和链表设计，在大数据量下综合性能更优，成为数据库索引的主流选择。