MySQL—B+树构建

结合前面 student 表、聚簇索引 / 前缀二级索引 实例，讲解 B + 树构建规则、分步流程、节点分裂，配套可视化结构，适配考试 + 实操。

一、B + 树核心规则（InnoDB 标准，必背）

以多路平衡查找树为基础，针对索引优化：

1. 所有数据仅存于叶子节点 ，非叶子节点只存索引关键字 + 子节点指针，仅用来引路。
2. 节点关键字有序排列，整棵树全局有序。
3. 所有叶子节点用双向链表串联，支持范围查询。
4. 非叶子节点关键字 = 下层子树的分界值。
5. 节点满了会节点分裂，向上更新父节点，保证树平衡。

InnoDB 索引页默认大小 16KB，一个节点可存放大量关键字，树层数极低（一般 2~4 层）。

---

二、以【聚簇索引】为例完整构建 B + 树

沿用示例表，主键 sid 作为排序键，数据：sid：1、2、3、4、5、6

1. 设定规则（简化演示）

为方便画图，约定：

• 每个节点最多存放 3 个关键字
• 超出容量触发节点分裂

2. 分步插入 & 构建过程

第 1 步：插入 1

树为空，新建叶子节点：

plaintext

叶子节点：[1]

第 2 步：插入 2

直接追加到同一叶子节点（未满）：

plaintext

叶子节点：[1, 2]

第 3 步：插入 3

节点达到最大容量 3：

plaintext

叶子节点：[1, 2, 3]

第 4 步：插入 4 → 触发叶子节点分裂

原叶子已满，一分为二：

1. 原节点保留左半部分：[1, 2]
2. 新建右侧叶子节点：[3, 4]
3. 取中间值 3 上升，创建根非叶子节点存储分界值。

当前结构：

plaintext

        根节点(非叶子)
            [3]
       ↙        ↘
叶子[1,2]    叶子[3,4]

第 5 步：插入 5

追加到右侧叶子 [3,4]，节点满：

plaintext

        [3]
   ↙        ↘
[1,2]    [3,4,5]

第 6 步：插入 6 → 再次分裂

右侧叶子已满，再次分裂：

1. 拆分 [3,4,5] → 左[3,4]、右[5,6]
2. 中间值 5 向上合并到根节点。

最终成型 B + 树（聚簇索引）

plaintext

        根节点(非叶子)
        [3, 5]
   ↙       ↓        ↘
叶子[1,2] 叶子[3,4] 叶子[5,6]

补充说明

1. 所有 sid 数据行 都保存在叶子节点中；
2. 非叶子节点 [3,5] 只是分界值，不存完整数据；
3. 三个叶子节点通过双向链表相连，有序排列。

---

三、以【前缀二级索引】构建 B + 树（sname 前 2 字符）

索引：sname(2)，存储内容：前缀字符 + 主键 sid 数据前缀排序：(张三,1)、(张三,2)、(张小,3)、(李四,4)、(李磊,5)、(王五,6)

同样约定：单节点最多存 3 条索引项。

分步构建

1. 依次插入 (张三,1)、(张三,2)、(张小,3)叶子节点存满：[(张三,1), (张三,2), (张小,3)]

2. 插入第 4 条 (李四,4) → 叶子分裂

   • 左叶子：[(张三,1), (张三,2)]
   • 右叶子：[(张小,3), (李四,4)]
   • 中间分界值 张小 上升为根节点

plaintext

      根节点 [张小]
   ↙          ↘
左叶子      右叶子
[张三,1]    [张小,3]
[张三,2]    [李四,4]

1. 继续插入 (李磊,5)、(王五,6)右侧叶子填满后再次分裂，最终结构：

plaintext

        根节点 [张小, 李磊]
    ↙        ↓         ↘
叶子组1    叶子组2     叶子组3
(张三,1)   (张小,3)    (李磊,5)
(张三,2)   (李四,4)    (王五,6)

二级索引 B + 树特点

• 叶子：(前缀字符, 主键sid)，无整行数据；
• 非叶子：仅分界前缀字符；
• 查询后必须回表。

---

四、节点分裂核心逻辑（考点）

1. 向节点插入关键字，节点已满 → 触发分裂；
2. 将当前节点数据从中间一分为二；
3. 中间位置的关键字向上提升到父节点；
4. 父节点如果也满，继续向上分裂，直到根节点；
5. 根节点分裂 → 树层数 + 1。

B + 树 自平衡，插入 / 删除后自动维护结构，不会变成斜树。

---

五、B + 树 与 B 树 构建区别（简答考点）

1. B 树：所有节点（含非叶子）都存储数据 + 关键字；
2. B + 树 ：仅叶子节点存数据，非叶子只做索引分界；
3. B + 树非叶子节点更小、能存放更多分界值，树层数更少、IO 更少；
4. B + 树叶子链表，范围查询远优于 B 树。

---

六、考试标准简答题答案

1. B + 树构建过程

按照关键字大小升序依次插入节点；节点存满后从中间分裂，中间关键字上浮至父节点作为分界值；重复该过程直至所有数据插入完成。所有业务数据仅保存在叶子节点，非叶子节点只存储分界关键字用于检索，叶子节点通过双向链表串联，最终形成多路平衡 B + 树。

2. InnoDB 索引为什么选用 B + 树

B + 树非叶子节点不存储数据，节点容量大，树高度低，磁盘 IO 次数少；叶子节点有序链表，等值查询、范围查询效率高，非常适合数据库索引场景。

---

七、总结（串联之前知识点）

1. 聚簇索引：以主键 为关键字构建 B + 树，叶子存整行数据；
2. 二级 / 前缀索引：以索引字段 为关键字构建 B + 树，叶子存索引值 + 主键；
3. 查找流程：二级索引 B + 树 → 拿到主键 → 回表 → 聚簇索引 B + 树 → 取完整数据；
4. 构建核心：有序插入 + 节点分裂 + 分层存储。