索引背后的数据结构——B+树

刺骨的言语ヽ痛彻心扉 2024-02-21 09:35 43阅读 0赞

## 为什么要使用B+树？ ##

可以进行数据查询的数据结构有二叉搜索树、哈希表等。对于前者来说，树的高度越高，进行查询比较的时候访问磁盘的次数就越多。而后者只有在数据等于key值的时候才能进行查询，不能进行模糊匹配。所以出现了B+树来解决这些问题

## B+树的前身——B树 ##

B树可以认为是一个N叉搜索树。树的高度越高，进行查询比较的时候访问磁盘的次数就越多。

![7c9188e251f24cf9ad0a1d557e2bb2f4.png][]

存放N个key，引出N+1个节点。例如：30引出的节点都要满足（X < 30） ，30和40之间引出的节点要满足（30<X<40）

当节点的子树多了之后，节点上保存的key多了，意味着在同样key的个数的前提下，B树的高度要比二叉搜索树低很多

## B+树 ##

B+树是存了N个key，引出N个节点。且底层的节点连接成类似于链表的结构

![ff0fe9ecea7d409aa8d145d4ab22e798.png][]

### B+树的特点 ###

*  一个节点可以存储N个key，N个key划分出了N个区间；
 *  每个节点中的key的值，都会在子结点中也存在（同时该key是子节点的最大值）
 *  B+树的叶子节点，是首尾相连，类似于一个链表
 *  由于叶子节点是完整的数据集合，只在叶子节点这里存储数据表的每一行的数据。而非叶子节点，只存key值本身即可

### B+树的优点 ###

*  当前一个节点保存更多的key，最终树的高度是相对更矮的。查询的时候减少了IO访问次数
 *  所有的查询最终都会落在叶子节点上，这意味着查询任何一个数据，经过的IO访问次数是一样的
 *  B+树的所有叶子节点构成链表，此时比较方便进行范围查询
 *  由于数据都在叶子节点上，非叶子节点只存储key，导致非叶子节点占用空间较小。这些非叶子节点就可能在内存中缓存，又进一步减少了IO次数

[7c9188e251f24cf9ad0a1d557e2bb2f4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/bd50b572091a42e2bab96ff3ceebc3b9.png
[ff0fe9ecea7d409aa8d145d4ab22e798.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/35500cbc98b34668b213a2e276ebf0ed.png