B树和B+树是两种常见的平衡多路搜索树，广泛应用于数据库和文件系统中。它们的核心区别主要体现在数据存储方式、节点结构、查询效率以及适用场景上。以下是详细对比：
1. 数据存储位置
| 特性 | B树 | B+树 |
|---|---|---|
| 数据存储 | 所有节点（内部节点和叶子节点）均存储数据。 | 只有叶子节点存储数据，内部节点仅存储键值。 |
| 存储效率 | 内部节点存储数据，导致每个节点能存储的键值较少。 | 内部节点仅存储键值，能容纳更多键值，减少树的高度。 |
关键影响：
- B+树的内部节点不存储数据，可以存储更多键值，降低树的高度，减少磁盘I/O次数。
- B树的内部节点存储数据，可能增加树的高度，但单条记录的查找可能更快（无需访问到叶子层）。
2. 节点结构
| 特性 | B树 | B+树 |
|---|---|---|
| 叶子节点 | 叶子节点之间无链接。 | 叶子节点通过双向指针形成有序链表。 |
| 非叶子节点 | 包含键值和指向子节点的指针。 | 仅包含键值和指向子节点的指针。 |
关键影响：
- B+树的叶子节点链表支持高效的范围查询（如
WHERE id BETWEEN 10 AND 20），而B树需要通过递归遍历非叶子节点。 - B+树的非叶子节点仅存储键值，提高了扇出（Fan-out），进一步减少树的高度。
3. 查询效率
| 操作 | B树 | B+树 |
|---|---|---|
| 单条查询 | 可能在非叶子节点直接命中数据，减少I/O次数。 | 必须访问到叶子节点才能获取数据，可能增加I/O次数。 |
| 范围查询 | 效率较低，需多次回溯到父节点。 | 效率高，通过叶子节点链表顺序遍历。 |
| 磁盘I/O | 树的高度可能略高，I/O次数较多。 | 树的高度更低，I/O次数更少。 |
关键影响：
- B树适合单条记录的快速查找（如
WHERE id = 10）。 - B+树更适合范围查询（如
WHERE id > 10）和排序操作（如ORDER BY）。
4. 插入与删除
| 操作 | B树 | B+树 |
|---|---|---|
| 插入删除 | 可能导致节点分裂或合并，影响性能。 | 操作更稳定，叶子节点的链表结构简化了范围调整。 |
| 平衡性 | 通过分裂和合并保持平衡。 | 通过分裂和合并保持平衡。 |
关键影响：
- B+树的叶子节点链表使得批量插入/删除时的调整更高效，适合数据库的高并发场景。
5. 典型应用场景
| 场景 | B树 | B+树 |
|---|---|---|
| 数据库索引 | 较少使用（如MongoDB的部分场景）。 | 广泛使用（如MySQL InnoDB、Oracle）。 |
| 文件系统 | 适用于小规模数据的快速查找。 | 适用于大规模数据的高效范围查询。 |
关键原因：
- B+树更适合数据库的范围查询和排序需求，且磁盘I/O效率更高。
- B树可能在内存数据库或对单条查询速度要求极高的场景中使用。
6. 总结对比表
| 特性 | B树 | B+树 |
|---|---|---|
| 数据存储 | 所有节点存储数据 | 仅叶子节点存储数据 |
| 叶子节点链接 | 无 | 有双向指针 |
| 范围查询 | 低效 | 高效 |
| 树的高度 | 较高 | 较低 |
| 典型应用 | 内存数据库、特定文件系统 | 关系型数据库索引（如InnoDB） |
为什么数据库更倾向于使用B+树？
- 磁盘I/O优化：B+树的更高扇出减少了磁盘访问次数。
- 范围查询友好：叶子节点链表支持高效遍历。
- 查询稳定性：所有查询均需访问叶子节点，性能更可预测。
示例：
在MySQL的InnoDB引擎中，主键索引的B+树结构允许快速定位单条记录，同时支持高效的全表扫描和范围查询。
扫一扫
1858
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
