B+树

简介

B+树是应文件系统所需而产生的B树的变形树，那么可能一定会想到，既然有了B树，又出一个B+树，那B+树必然是有很多优点的，其中最重要的一点就是有者比B-tree更高的查询性能

B+树的特征

和B-树相比较，具备一些新的特征：

• 有k个子树的中间节点包含有k个元素（B树中是k-1个元素），每个中间节点元素不保存数据，只用来索引，所有数据都保存在叶子节点（这样每个中间节点能存储更多的索引，从而减少磁盘IO数量，B+树相比与B-树更加矮胖）；
• 所有的叶子结点中包含了全部元素的信息，及指向含有这些元素记录的指针，且叶子结点本身依元素的大小自小而大的顺序链接。 (而B树的叶子节点并没有包括全部需要查找的信息)；
• 所有的中间节点元素都同时存在于子结点中，在子节点元素中是最大（或最小）的元素。(而B 树的非叶子节点也包含需要查找的有效信息)；

3阶B+树示例：

说明：

• 每一个父节点的元素都出现在子节点中，是子节点的最大（或最小）元素
• 根节点的最大元素（这里是15）.也就等同于等个B+树的最大元素。以后无论插入删除多好元素，始终要保持最大元素在根节点中。
• 由于父节点的元素都出现在子节点中，因此所有叶子节点加在一起包含了全量的元素信息。
• 而且每一个叶子节点都带有指向下一个叶子节点的指针（在上图中用叶子节点间的箭头表示），形成了一个有序链表（便于直接遍历全部元素）
• B+树中只有叶子节点有卫星数据（指的是索引元素所指向的数据记录，比如数据库中的某一行），而在B-树中，无论叶子节点还是非叶子节点都带有卫星数据，如下图

B-树中的卫星数据（Satellite Information）：

B+树中的卫星数据（Satellite Information）：

需要补充的是，在数据库的聚集索引（Clustered Index）中，叶子节点直接包含卫星数据。在非聚集索引（NonClustered Index）中，叶子节点带有指向卫星数据的指针。

单行查询

以3阶B+树查找元素3为例：
第一次磁盘IO：

。。。

第三次磁盘IO：

相比于B-树：

1. 查询效率更高：因为B+树的中间节点没有卫星数据，只有索引，所有同样大小的磁盘页可以容纳更多的节点元素，故查询时磁盘IO次数会更少。从结构上，B+树比B-树更加矮胖。
2. 查询效率更稳定：B+树的查询必循最终查找到叶子节点，而B-树只要找到匹配元素即可，无论匹配元素处于中间节点还是叶子节点。因此B-树的查找性能并不稳定（最好根节点，最坏叶子节点），而B+树的每一次查找都是稳定的

范围查找

B-树的范围查找过程，只能依靠繁琐的中序遍历（左根右）：

自顶向下，查找到范围的下限（3）：

中序遍历到元素6：

中序遍历到元素8：

中序遍历到元素9：

中序遍历到元素11，遍历结束：

B+树的范围查询（在叶子节点组成的链表上做遍历即可）：

自顶向下，查找到范围的下限（3）：

通过链表指针，遍历到元素6, 8：

通过链表指针，遍历到元素9, 11，遍历结束：

总结

B+树相比于B-树的优势：

1. 单一节点存储更多的元素，使得查询的IO次数更少。
2. 所有查询都要查找到叶子节点，查询性能稳定。
3. 所有叶子节点形成有序链表，便于范围查询。

以上三点优势也说明了B+树为什么比B树更适合做数据库索引：
1）B+树的磁盘读写代价更低

B+树的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对B 树更小。如果把所有同一内部结点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多。相对来说IO读写次数也就降低了；

2）B+树查询效率更加稳定

由于非终结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当；

3）B+树便于范围查询（最重要的原因，范围查找是数据库的常态）

B树在提高了IO性能的同时并没有解决元素遍历的我效率低下的问题，正是为了解决这个问题，B+树应用而生。B+树只需要去遍历叶子节点就可以实现整棵树的遍历。而且在数据库中基于范围的查询是非常频繁的，而B树不支持这样的操作或者说效率太低

参考：
什么是B+树
B树、B+树详解
数据库索引，终于懂了

InnoDB 中一棵 B+ 树可以存多少行数据？