B+Tree 介绍与在 Mysql 中的应用

【PHP面试题19】B-Tree和B+Tree的区别,以及B+Tree在MySQL中的应用 PHP面试专区。计划将全覆盖PHP开发领域所有的面试题,对标资深工程师/架构师序列,欢迎大家提前关注锁定。总之,B+ Tree是一种适用于磁盘存储的平衡树,由于在磁盘上读写数据的时间比在内存中读写数据慢,因此B+ Tree能够更好地适应磁盘存储,提高数据的读写效率。在Mysql中,B+ Tree被广泛应用于索引的实现,保证了数据库查询的性能。 阅读详情

1、B树简绍

B 树又称平衡多路查找树。

1.1、用阶来描述 B 树

一个 m 阶的 B 树具有一下特点:

1 每个结点最多包含 m 个子节点;
2 除根节点外,每个分支结点至少有 ceil(m/2) 个子节点;
3 根结点若非叶子结点,则至少 2 个子节点;
4 所有叶子结点都出现在同一层;
5 有 n 个子结点的非叶子结点恰好有 n - 1 个关键字,关键字按递增顺序排序。

1.2、用图片描述 B 树

下图是一个 4 阶的 B 树

 

4 阶 B 树


下图是一个 3 阶的 B 树

 

3 阶 B 树

 

1.3、用代码描述 B 树

 

#define m 1024
struct BTNode;
typedef struct BTNode * PBTNode;
struct BTNode {
        int keyNum; // 实际关键字个数,key < m
        PBTNode parent; // 指向父节点
        PBTNode *ptr; // 子树指向向量:ptr[0]...ptr[keyNum]
        KeyType *key; // 关键字向量:key[0]...key[keyNum-1]
};
typedef struct BTNode * BTree;
typedef struct BTree * PBTree

2、B+ 树介绍

B+ 树是 B 树的变形。一棵 m 阶 B+ 树和 m 阶 B 树的异同点如下:

1 有 n 个子结点的 B+ 树有 n 个关键字,而 B 树则是有 n -1 个关键字;
2 B+ 树的内结点不存储 data ,只存储 key;
3 B+ 树的所有叶子结点中包含所有信息,叶子结点本身依关键字大小依次顺序链接;
4 B+ 树所有的非终端结点可以看成是索引部分,结点中仅含有其子结点的最大(或最小)关键字。

2.1、用图片描述 B+ 树

下图是一个三阶的 B+ 树

 

 

三阶 B+ 树

 

三阶 B+ 树

3、B+树查找过程及其效率

上图中,假设需要查询 key 为 80 的数据,首先需要将根结点加载,通过比较,80 大于 65,则会通过 P3 指针再加载对应的结点,在将结点上的 key 与 80 比较,最后定位在 P2 指针对应的区域在进行加载获取数据。
上述查找过程,一共进行了 3 次加载过程,加载次数本质上 B+ 树的树高。实际上,B+ 树的查找效率取决于树高 h。
假设当前数据表的数据量为 N,每个结点的关键字数量是 m,则树高 :

 

 

树高公式

在根据对数函数的函数特性:

 

 

对数函数

 

当数据量 N 情况一定的情况下,m 越大,h 越小。数据库系统的设计者巧妙利用了磁盘预读原理,将一个节点的大小设为等于一个页,这样每个节点只需要一次I/O就可以完全载入。而 m = 磁盘块大小/数据项大小,磁盘块的大小就是数据页的大小,是固定的,一般是 4k。
从上可以看出,要提高 B+ 树的查询效率,就需要降低树高,要降低树高,数据库系统就要求数据项的大小尽量小。Mysql 就采用 B+ 树作为索引文件,索引字段的大小与数据项的大小成正比,因此在数据库查询调优中,就有要求索引字段尽量小。短小的索引字段,能够有效的降低树高,提高查询效率。

4、B+ 树结点数据的插入

B+ 树大致的插入算法如下:

1)寻找需要插入数据的目标叶节点;
2)判断插入的数据是否比 B+ 树目前最小值还小,如果是更新全树非叶结点的最小值;
3)判断目标叶结点是否数据满,未满的情况下直接插入数据;
4)在叶结点已经满的情况下,分裂叶结点,将包括待插入数据在内的数据均分成两个新结点;
5)在分裂的情况下,将新的结点在父节点未出现的最小值插入父节点;
6)父节点重复插入数据的过程,直到没有新结点需要分裂的情况;
7)如果是根结点需要分裂,将它视为有一个空的父节点,重复上述插入数据的过程。

下面以具体的数据演示插入数据的过程

 

 

三阶 B+ 树

插入数据 7,更新所有所有非叶结点最小值,然后插入 7

 

 

更新最小值

 

插入数据 7

 

插入数据 6,更新所有非叶节点最小值,然后拆分叶结点

 

 

更新最小值

 

插入数据待拆分

 

拆分结点,将两个结点中未在父节点出现的最小值插入父结点

 

 

拆分结点

 

拆分父节点

 

将拆分的新结点中未在父节点(空结点)出现的最小值插入父节点

 

 

更新根结点

当然,为了减少结点的拆分,提高磁盘利用率,减少磁盘 I/O 次数,B+ 树的插入还提供了旋转功能。当叶结点已满但其左右兄弟节点没有满的情况下,B+ 树并不急于去做拆分操作,而是将记录移到当前所在页的兄弟节点上。通常情况下,左兄弟会被先检查用来做旋转操作。
例如如下情况,在插入 85 的情况下可以进行左旋操作

 

 

左旋示例 B+ 树

 

插入85

 

左旋操作

4、B+ 树在 Mysql 中的应用

在 Mysql 中,索引是采用 B+ 树的结构进行组织,从而形成索引文件。索引是属于存储引擎级别的概念,下面主要介绍 MyISAM 和 InnoDB 两个存储引擎的索引实现方式。

4.1、非聚集索引存储引擎 MyISAM

此处借用他人的图片进行说明,MyISAM 存储引擎在 B+ 树的叶结点,存放的是数据记录的地址。下面两种张图分别展示了主键与辅助索引的 B+ 树的结构。

 

 

主键 B+ 树

 

辅助索引 B+ 树

所谓的聚集非聚集是针对叶结点的 data 中是否存储有完整的数据记录来区分的,MyISAM 中 data 只存储数据记录的地址,因而是非聚集索引。

4.2、聚集索引存储引擎 InnoDB

此处同样借用他人的图片进行说明。

 

 

主键索引

 

辅助索引

从上图可以看出,InnoDB 的所有辅助索引都引用主键作为 data 域。聚集索引使得在利用主键进行查询时,搜索十分高效,而利用辅助索引进行查询是,需要检索两遍索引。
知道InnoDB的索引实现后,就很容易明白为什么不建议使用过长的字段作为主键,因为所有辅助索引都引用主索引,过长的主索引会令辅助索引变得过大。再例如,用非单调的字段作为主键在InnoDB中不是个好主意,因为InnoDB数据文件本身是一颗B+Tree,非单调的主键会造成在插入新记录时数据文件为了维持B+Tree的特性而频繁的分裂调整,十分低效,而使用自增字段作为主键则是一个很好的选择。



作者:xuxiangwork
链接:https://www.jianshu.com/p/000da6f11629
来源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

第37讲:MySQL索引结构之B-Tree和B+Tree数据结构的概念 现在的节点中有四个数据,再插入一个22之后,按照从小到大的顺序,22会放在50的前面,这样一来节点中就有5个key了,违背了5阶的概念,此时就会取中间元素,向上分裂,中间元素也就是中间数,60就是中间元素,60就向上分裂,形成一个新的节点,剩下的4个key也会分裂成两个子节点。插入22这个数据,观察效果,就如刚刚说的,第五个key进入节点后,不满足5阶的概念,中间元素向上分裂,60是中间元素,直接向上分裂,形成一个新的节点,其余的4个key成为新节点中的子节点。 阅读详情

相关推荐

[Multisim][模电实验]简易函数信号发生器的设计与实现_北京邮电大学2019级信通院电子电路实验下

本文记述了笔者设计并实现以±12V供电电压输出1KHZ~10KHZ频率连续可调的方波、三角波和正弦波的过程。其中,方波输出电压峰峰值为12V(误差<20%),占空比可调、三角波输出电压峰峰值为8V(±20%),正弦波输出电压峰峰值≥1V。

lgc0208的博客 4万+

B+Tree详解

不爱写博客。但是为了流水线,为了乐爷,为了zzq,为...(可变参数)能咋办。写呗

我的博客 1万+

Dify整合FireCrawl与百度搜索实战:手把手教你打造全能研究助手

本文手把手教你基于Dify平台,整合FireCrawl网页爬虫与百度搜索能力,构建一个能同时处理本地文档与实时网络信息的全能研究助手。通过部署核心环境、配置模型、接入两大工具并设计自动化工作流,实现从问题提出到深度分析报告生成的一站式解决方案,极大提升信息调研与整合效率。

weixin_29062963的博客 501

BTree和B+Tree详解

B+树索引是B+树在数据库中的一种实现,是最常见也是数据库中使用最为频繁的一种索引。B+树中的B代表平衡(balance),而不是二叉(binary),因为B+树是从最早的平衡二叉树演化而来的。在讲B+树之前必须先了解二叉查找树、平衡二叉树(AVLTree)和平衡多路查找树(B-Tree),B+树即由这些树逐步优化而来。

我有故人折剑去,斩尽春风不曾归 9382

从报错到优化:一次Gauss JDBC参数限制排查实录(32767参数上限避坑指南)

本文详细记录了排查GaussDB JDBC驱动因绑定参数数量超过32767上限而抛出`PSQLException`(报错信息为`Tried to send an out-of-range integer as a 2-byte value`)的全过程。文章深入分析了该限制的底层协议原理,并提供了应用层分批查询、使用临时表以及优化业务逻辑等多种解决方案,旨在帮助开发者规避此参数上限陷阱,构建更稳健的数据访问层。

rgv23456789的博客 220

向量数据库:PGVector

PGVector 是一个基于 PostgreSQL 的扩展插件,为用户提供了一套强大的向量存储和查询的功能

m0_37559973的博客 1万+

九种查找算法-B树/B+树

其中P[1]指向关键字小于K[1]的 子树,P[M]指向关键字大于K[M-1]的子树,其它P[i]指向关键字属于(K[i-1], K[i])的子树;B+的搜索与B树也基本相同,区别是B+树只有达到叶子结点才命中(B树可以在 非叶子结点命中),其性能也等价于在关键字全集做一次二分查找;非叶子结点的子树指针P[i],指向关键字值属于[K[i], K[i+1])的子树, B树是开区间。非叶子结点相当于是叶子结点的索引(稀疏索引),叶子结点相当于是存储(关键字)数据的数据层;根结点的儿子数为[2, M];

螺旋翻转大大雄 693

10.2 构网型变流器引发的次同步振荡与宽频振荡问题:机理分析与抑制技术

随着构网型变流器在新型电力系统中的规模化部署,其作为电压源主动支撑电网的能力得到验证的同时,也引发了一系列前所未有的稳定性问题。传统的同步发电机主导的电力系统中,振荡模式主要集中于**低频区间**。然而,构网型变流器通过快速数字控制实现的虚拟同步、惯性响应等先进功能,其控制环路动态与电网阻抗、其他电力电子设备之间产生了复杂的交互作用。这种交互不仅可能诱发经典的**次同步振荡**,更可能催生频率范围从数赫兹到数百赫兹甚至上千赫兹的**宽频振荡**。

技术工作者 1318

二叉树算法之B+ 树(B+ Tree)详细解读

B+树(B+ Tree)是B树的一种变体,广泛应用于数据库系统和文件系统的索引结构。与B树相比,B+树在结构上有一些改进,特别是在提高查询效率、范围查找性能和磁盘I/O效率等方面更具优势。

欢迎来到我的博客!这里是一个专注于计算机技术的分享平台,涵盖编程开发、算法研究、系统架构、软件工程等多个领域。无论你是初学者还是资深开发者,都能在这里找到有价值的内容。 4023

KNX实战—ETS5_智能开关从零到一的配置全流程

本文详细介绍了使用ETS5软件配置KNX智能开关的完整流程。从创建项目、构建建筑结构,到导入产品数据库、添加并配置开关模块与智能面板,再到设置延时开关、闪烁报警等进阶功能,并深入解析了群组地址的配置与链接方法。最后指导完成项目校验与程序下载,帮助用户实现从零到一的智能灯光基础控制功能配置。

joy55的博客 543

陀螺仪及四元数解算

陀螺仪 四元数

zb313982521的博客 2008

B+ Tree

B+ Tree什么是B+Insert简单的insert复杂的InsertDelete简单的delete复杂的delete时间复杂度 什么是B+ B+ tree是平衡二叉树 每个节点包含k个元素, k的范围在 d <= k <= 2d 之间(也就是Minimun 50% occupancy, except for root) d 被叫做 the order of the tree 比如d = 2,则 2 <= k <= 4, k最小是2, 保证 Minimun 50% occ

HelloWorld 2015

NX二次开发新建组件

NXOpen新建组件

qq_39541524的博客 330

tree mysql_B+Tree 介绍与在 Mysql 中的应用

1、B树简绍B 树又称平衡多路查找树。1.1、用阶来描述 B 树一个 m 阶的 B 树具有一下特点:1 每个结点最多包含 m 个子节点;2 除根节点外,每个分支结点至少有 ceil(m/2) 个子节点;3 根结点若非叶子结点,则至少 2 个子节点;4 所有叶子结点都出现在同一层;5 有 n 个子结点的非叶子结点恰好有 n - 1 个关键字,关键字按递增顺序排序。1.2、用图片描述 B 树下图是一个...

weixin_39548193的博客 137

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

【Mysql 底层原理】MySQL 索引原理:B-Tree 和 B+Tree 的区别与应用

博主从事应用安全和大数据领域,有8年研发经验,5年面试官经验,Java技术专家,WEB架构师,阿里云专家博主,华为云云享专家,51CTO 专家博主。

激流丶的博客 2839

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

详解B+tree以及mysql的索引原理 一

最近在学mysq的索引,网上查了很多资料但都没有很好理解的,现在先讲讲b+tree 动态查找树主要有:二叉查找树(Binary Search Tree),平衡二叉查找树(Balanced Binary Search Tree),红黑树 (Red-Black Tree ),B-tree/B+-tree/ B*-tree(B~Tree)。前三者是典型的二叉查找树结构,其查找的时间复杂度O

csdnxingyuntian的博客 4880

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

数据库-索引结构(B-Tree,B+Tree,Hash,二叉树)

所以,在MySQL的索引结构中,并没有选择二叉树或者红黑树,而选择的是B+Tree,在原B+Tree的基础上,增加一个指向相邻叶子节点的链表指针,就形成了带有顺序指针的B+Tree,提高区间访问的性能,利于排序。上述是MySQL中所支持的所有的索引结构,接下来,我们再来看看不同的存储引擎对于索引结构的支持情况。上述是标准的B+Tree的数据结构,接下来,我们再来看看MySQL中优化之后的B+Tree。MySQL的索引是在存储引擎层实现的,不同的存储引擎有不同的索引结构,主要包含以下几种。

A的博客 1982

mysql 怎么创建B Tree索引_B-Tree,B+Tree以及mysql索引的实现

一、B-TreeB-Tree结构的1数据可以让系统高效的找到数据所在的磁盘块为了描述B-Tree,我们先定义一条数据记录为一个二元组[key,data],key为记录的键值,对于不同数据记录,key是互不相同的,data为key对应的值,m阶的B-Tree是满足下列条件的数据结构1.每个节点最多拥有m个子树2.根节点至少有两个子树3.分支节点至少拥有m/2颗子树(除根节点和叶子节点外的都是分支节点...

weixin_33795788的博客 1669

Mysql 索引结构-Hash、B-Tree、B+Tree介绍

🌺🎉⭐📢🔍👍。

架构师之路。。 1564

mysql b tree索引原理_B+/-Tree原理(mysql索引数据结构)

B+/-Tree原理B-Tree介绍B-Tree是一种多路搜索树(并不是二叉的):1.定义任意非叶子结点最多只有M个儿子;且M>2;2.根结点的儿子数为[2, M];3.除根结点以外的非叶子结点的儿子数为[M/2, M];4.每个结点存放至少M/2-1(取上整)和至多M-1个关键字;(至少2个关键字)5.非叶子结点的关键字个数=指向儿子的指针个数-1;6.非叶子结点的关键字:K[1], K[...

weixin_34550555的博客 245

【MySQL】二、浅谈B+Tree的演化以及在MySQL索引中的应用

对索引的简单理解 之前在学习索引的时候,就在思考为什么通过索引查询会减少查询的时间,解决查询时可能一直存在的效率问题(偶尔效率慢可能是因为锁表或者脏页等问题)。后来主要去研究了MySQL底层索引的实现原理,即对B+Tree结构的使用。 一般来说从数据库查询数据是内存对磁盘进行I/O操作的过程,而对磁盘读取的次数往往决定了查询速度的快慢。因此索引的目的就是更好优化存储结构,从而使用空间换取时间的...

qwertyuiopasdfghjklzxcvbnm 391

数据库-MySQL-索引介绍

索引概述 介绍 优缺点 索引的结构 二叉树 B-Tree(多路平衡查介绍索引(index)是帮助htysQL高效获取数据的数据结构(有序)。在数据之外,数据库系统还维护着满足特定查找算法的数据结构,这些数据结构以某种方式引用(指向)数据,这样就可以在这些数据结构上实现高级查找算法,这种数据结构就是索引。演示如果去查找age = 45 的人常规操作:首先按表一个一个对比,就算找到了age= 45,仍然会继续搜索,因为不确定是否还有没有age等于45的了,这种遍历显而易见十分的耗费时间有索引的操作。

莫浅子的博客 1111

数据结构(二叉树、红黑树、B-Tree、B+Tree)

数据结构简单的可以理解为是为了提高效率的一种结构,其中对应不同的代码可以使用不同的数据结构来去提高它的效率。其中Mysql因为运用的innodb引擎,而innodb引擎所使用的索引是B+Tree索引所以Mysql使用的是B+Tree索引。

weixin_68576312的博客 1134

MySQL数据插入过程索引 B-Tree 数据结构变化过程示例(多图)

通常我们所说的索引是指B-Tree索引,它是目前关系型数据库中查找数据最为常用和有效的索引,大多数存储引擎都支持这种索引。使用B-Tree这个术语,是因为MySQL在CREATE TABLE或其它语句中使用了这个关键字,但实际上不同的存储引擎可能使用不同的数据结构,比如InnoDB就是使用的B+Tree。

Echo的博客 1707

Mysql索引之数据结构B-tree

一:索引是什么 索引是一种数据结构,用以帮mysql高效获取数据。就像一本书的目录,根据目录找到对应的正文。索引的作用也是如此,可以根据索引快速找到我们需要的数据。 举例: 如果没有索引,当从mysql查询数据的时候,就需要进行遍历,挨个查询。数据量小的时候,不明显。但是当数据量比较大的时候,查询耗时就会比较多,效率低。 比如有七个数据 通过建立一个二叉树的数据结构,发现查找任何一个数据,最多需要三次就能查询到。而没有该数据结构,一个一个比对查询,明显效率低。 二:BTREE结构 之前我们看到了二叉树数

weixin_44638539的博客 355
上一篇: MySQL索引面试问题
下一篇: 分布式锁的几种实现方式
csdcit
博客等级 码龄16年 3粉丝 13原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值