前言
當我們發現SQL執行很慢的時候，自然而然想到的就是加索引。對於範圍查詢，索引的底層結構就是B+樹。今天我們一起來學習一下B+樹哈~
公衆號：撿田螺的小男孩
-
樹簡介、樹種類
-
B-樹、B+樹簡介
-
B+樹插入
-
B+樹查找
-
B+樹刪除
-
B+樹經典面試題
-
github地址，感謝每顆star
樹的簡介
樹的簡介
樹跟數組、鏈表、堆棧一樣，是一種數據結構。它由有限個節點，組成具有層次關係的集合。因爲它看起來像一棵樹，所以得其名。一顆普通的樹如下:
樹是包含n（n爲整數，大於0）個結點， n-1條邊的有窮集，它有以下特點：
- 每個結點或者無子結點或者只有有限個子結點；
- 有一個特定的結點,它沒有父結點，稱爲根結點；
- 每一個非根節點有且只有一個父節點；
- 樹裏面沒有環路
一些有關於樹的概念：
- 結點的度：一個結點含有的子結點個數稱爲該結點的度；
- 樹的度：一棵樹中，最大結點的度稱爲樹的度；
- 父結點：若一個結點含有子結點，則這個結點稱爲其子結點的父結點；
- 深度：對於任意結點n,n的深度爲從根到n的唯一路徑長，根結點的深度爲0；
- 高度：對於任意結點n,n的高度爲從n到一片樹葉的最長路徑長，所有樹葉的高度爲0；
樹的種類
按照有序性，可以分爲有序樹和無序樹：
- 無序樹：樹中任意節點的子結點之間沒有順序關係
- 有序樹：樹中任意節點的子結點之間有順序關係
按照節點包含子樹個數，可以分爲B樹和二叉樹，二叉樹可以分爲以下幾種：
- 二叉樹：每個節點最多含有兩個子樹的樹稱爲二叉樹；
- 二叉查找樹：首先它是一顆二叉樹，若左子樹不空，則左子樹上所有結點的值均小於它的根結點的值；若右子樹不空，則右子樹上所有結點的值均大於它的根結點的值；左、右子樹也分別爲二叉排序樹；
- 滿二叉樹：葉節點除外的所有節點均含有兩個子樹的樹被稱爲滿二叉樹；
- 完全二叉樹：如果一顆二叉樹除去最後一層節點爲滿二叉樹，且最後一層的結點依次從左到右分佈
- 霍夫曼樹：帶權路徑最短的二叉樹。
- 紅黑樹：紅黑樹是一顆特殊的二叉查找樹，每個節點都是黑色或者紅色，根節點、葉子節點是黑色。如果一個節點是紅色的，則它的子節點必須是黑色的。
- 平衡二叉樹（AVL）：一 棵空樹或它的左右兩個子樹的高度差的絕對值不超過1，並且左右兩個子樹都是一棵平衡二叉樹
B-樹、B+樹簡介
B-樹 簡介
B-樹，也稱爲B樹，是一種平衡的多叉樹（可以對比一下平衡二叉查找樹），它比較適用於對外查找。看下這幾個概念哈：
- 階數：一個節點最多有多少個孩子節點。（一般用字母m表示）
- 關鍵字：節點上的數值就是關鍵字
- 度：一個節點擁有的子節點的數量。
一顆m階的B-樹，有以下特徵：
- 根結點至少有兩個子女；
- 每個非根節點所包含的關鍵字個數 j 滿足：⌈m/2⌉ - 1 <= j <= m - 1.(⌈⌉表示向上取整)
- 有k個關鍵字(關鍵字按遞增次序排列)的非葉結點恰好有k+1個孩子。
- 所有的葉子結點都位於同一層。
一棵簡單的B-樹如下：
B+ 樹簡介
B+樹是B-樹的變體，也是一顆多路搜索樹。一棵m階的B+樹主要有這些特點：
- 每個結點至多有m個子女;
- 非根節點關鍵值個數範圍：m/2 <= k <= m-1
- 相鄰葉子節點是通過指針連起來的，並且是關鍵字大小排序的。
一顆3階的B+樹如下：
B+樹和B-樹的主要區別如下：
- B-樹內部節點是保存數據的;而B+樹內部節點是不保存數據的，只作索引作用，它的葉子節點才保存數據。
- B+樹相鄰的葉子節點之間是通過鏈表指針連起來的，B-樹卻不是。
- 查找過程中，B-樹在找到具體的數值以後就結束，而B+樹則需要通過索引找到葉子結點中的數據才結束
- B-樹中任何一個關鍵字出現且只出現在一個結點中，而B+樹可以出現多次。
B+樹的插入
B+樹插入要記住這幾個步驟：
- 1.B+樹插入都是在葉子結點進行的，就是插入前，需要先找到要插入的葉子結點。
- 2.如果被插入關鍵字的葉子節點，當前含有的關鍵字數量是小於階數m，則直接插入。
- 3.如果插入關鍵字後，葉子節點當前含有的關鍵字數目等於階數m，則插，該節點開始分裂爲兩個新的節點，一個節點包含⌊m/2⌋ 個關鍵字，另外一個關鍵字包含⌈m/2⌉個關鍵值。（⌊m/2⌋表示向下取整，⌈m/2⌉表示向上取整，如⌈3/2⌉=2）。
- 4.分裂後，需要將第⌈m/2⌉的關鍵字上移到父結點。如果這時候父結點中包含的關鍵字個數小於m，則插入操作完成。
- 5.分裂後，需要將⌈m/2⌉的關鍵字上移到父結點。如果父結點中包含的關鍵字個數等於m，則繼續分裂父結點。
以一顆4階的B+樹爲例子吧，4階的話，關鍵值最多3（m-1）個。假設插入以下數據43，48，36，32,37,49,28.
- 在空樹中插入43
這時候根結點就一個關鍵值，此時它是根結點也是葉子結點。
- 依次插入48，36
這時候跟節點擁有3個關鍵字，已經滿了
- 繼續插入 32，發現當前節點關鍵字已經不小於階數4了，於是分裂
第⌈4/2⌉=2（下標0,1,2）個，也即43上移到父節點。
- 繼續插入37，49，前節點關鍵字都是還沒滿的，直接插入，如下：
- 最後插入28，發現當前節點關鍵字也是不小於階數4了，於是分裂，第⌈4/2⌉=2個，也就是36上移到父節點，因父子節點只有2個關鍵值，還是小於4的，所以不用繼續分裂，插入完成
大家可以看下動態圖（有點長，耐心等會哈）:
B+樹的查找
因爲B+樹的數據都是在葉子節點上的，內部節點只是指針索引的作用，因此，查找過程需要搜索到葉子節點上。還是以這顆B+樹爲例吧：
B+ 樹單值查詢
假設我們要查的值爲32.
第一次磁盤 I/O，查找磁盤塊1，即根節點（36,43）,因爲32小於36，因此訪問根節點的左邊第一個孩子節點
第二次磁盤 I/O, 查找磁盤塊2，即根節點的第一個孩子節點，獲得區間(28,32),遍歷即可得32.
動態圖如下：
B+ 樹範圍查詢
假設我們要查找區間 [32,40]區間的值.
第一步先訪問根節點，發現區間的左端點32小於36,則訪問根節點的第一個左子樹(28,32);
第二步訪問節點（28,32），找到32，於是開始遍歷鏈表，把[32,40]區間值找出來，這也是B+樹比B-樹高效的地方。
B+樹的刪除
B+樹刪除關鍵字，分這幾種情況
- 找到包含關鍵值的結點，如果關鍵字個數大於m/2，直接刪除即可；
- 找到包含關鍵值的結點,如果關鍵字個數大於m/2，並且關鍵值是當前節點的最大（小）值，並且該關鍵值存在父子節點中，那麼刪除該關鍵字，同時需要相應調整父節點的值。
- 找到包含關鍵值的結點，如果刪除該關鍵字後，關鍵字個數小於⌈m/2⌉，並且其兄弟結點有多餘的關鍵字，則從其兄弟結點借用關鍵字
- 找到包含關鍵值的結點，如果刪除該關鍵字後，關鍵字個數小於⌈m/2⌉，並且其兄弟結點沒有多餘的關鍵字，則與兄弟結點合併。
如果關鍵字個數大於⌈m/2⌉，直接刪除即可；
假設當前有這麼一顆5階的B+樹
如果刪除22，因爲關鍵字個數爲3 > 5/2=2， 直接刪除（⌈⌉表示向上取整的意思）
如果關鍵字個數大於⌈m/2⌉-1，並且刪除的關鍵字存在於父子節點中，那麼需要相應調整父子節點的值
如果刪除20，因爲關鍵字個數爲3 > 5/2=2，並且20是當前節點的邊界值，且存在父子節點中，所以刪除後，其父子節點也要響應調整。
如果刪除該關鍵字後，關鍵字個數小於m/2，兄弟節點可以借用
以下這顆5階的B+樹，
如果刪除15,刪除關鍵字的結點只剩1個關鍵字，小於5/2=2，不滿足B+樹特點，但是其兄弟節點擁有3個元素（7,8,9），可以借用9過來，如圖：
在刪除關鍵字後，如果導致其結點中關鍵字個數不足，並且兄弟結點沒有得借用的話，需要合併兄弟結點
以下這顆5階的B+樹：
如果刪除關鍵字7，刪除關鍵字的結點只剩1個關鍵字，小於5/2=2，不滿足B+樹特點，並且兄弟結點沒法借用，因此發生合併，如下：
主要流程醬紫：
- 因爲7被刪掉後，只剩一個8的關鍵字，不滿足B+樹特點（m/2<=關鍵字<=m-1）。
- 並且沒有兄弟結點關鍵字借用，因此8與前面的兄弟結點結合。
- 被刪關鍵字結點的父節點，7索引也被刪掉了，只剩一個9，並且其右兄弟結點（18,20）只有兩個關鍵字，也是沒得借，因此在此合併。
- 被刪關鍵字結點的父子節點，也和其兄弟結點合併後，只剩一個子樹分支，因此根節點（16）也下移了。
所以刪除關鍵字7後的結果如下：
B+樹經典面試題
- InnoDB一棵B+樹可以存放多少行數據？
- 爲什麼索引結構默認使用B+樹，而不是hash，二叉樹，紅黑樹，B-樹？
- B-樹和B+樹的區別
InnoDB一棵B+樹可以存放多少行數據？
這個問題的簡單回答是：約2千萬行。
- 在計算機中，磁盤存儲數據最小單元是扇區，一個扇區的大小是512字節。
- 文件系統中，最小單位是塊，一個塊大小就是4k；
- InnoDB存儲引擎最小儲存單元是頁，一頁大小就是16k。
因爲B+樹葉子存的是數據，內部節點存的是鍵值+指針。索引組織表通過非葉子節點的二分查找法以及指針確定數據在哪個頁中，進而再去數據頁中找到需要的數據；
假設B+樹的高度爲2的話，即有一個根結點和若干個葉子結點。這棵B+樹的存放總記錄數爲=根結點指針數*單個葉子節點記錄行數。
- 如果一行記錄的數據大小爲1k，那麼單個葉子節點可以存的記錄數 =16k/1k =16.
- 非葉子節點內存放多少指針呢？我們假設主鍵ID爲bigint類型，長度爲8字節，而指針大小在InnoDB源碼中設置爲6字節，所以就是8+6=14字節，16k/14B =16*1024B/14B = 1170
因此，一棵高度爲2的B+樹，能存放1170 * 16=18720條這樣的數據記錄。同理一棵高度爲3的B+樹，能存放1170 *1170 *16 =21902400，也就是說，可以存放兩千萬左右的記錄。B+樹高度一般爲1-3層，已經滿足千萬級別的數據存儲。
爲什麼索引結構默認使用B+樹，而不是B-Tree，Hash哈希，二叉樹，紅黑樹？
簡單版回答如下：
- Hash哈希，只適合等值查詢，不適合範圍查詢。
- 一般二叉樹，可能會特殊化爲一個鏈表，相當於全表掃描。
- 紅黑樹，是一種特化的平衡二叉樹，MySQL 數據量很大的時候，索引的體積也會很大，內存放不下的而從磁盤讀取，樹的層次太高的話，讀取磁盤的次數就多了。
- B-Tree，葉子節點和非葉子節點都保存數據，相同的數據量，B+樹更愛矮壯，也是就說，相同的數據量，B+樹數據結構，查詢磁盤的次數會更少。
B-樹和B+樹的區別
- B-樹內部節點是保存數據的;而B+樹內部節點是不保存數據的，只作索引作用，它的葉子節點才保存數據。
- B+樹相鄰的葉子節點之間是通過鏈表指針連起來的，B-樹卻不是。
- 查找過程中，B-樹在找到具體的數值以後就結束，而B+樹則需要通過索引找到葉子結點中的數據才結束
- B-樹中任何一個關鍵字出現且只出現在一個結點中，而B+樹可以出現多次。
參考與感謝
作者：撿田螺的小男孩
鏈接：https://juejin.cn/post/6929833495082565646
來源：掘金
著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。