B树与B+树的区别,为什么MySQL使用B+树不使用B树

B树与B+树的区别

---

1. 基本结构上的区别

• B树：

  • 每个节点既存储键值（key）也存储数据（data）。
  • 数据和键值分布在所有节点（叶子节点和非叶子节点）中。
  • 每个节点的子节点个数为 [ceil(m/2), m]，其中 m 是阶数。

• B+树：

  • 非叶子节点只存储键值（key），不存储数据（data）。
  • 数据只存储在叶子节点中，并且所有叶子节点通过链表相连。
  • 子节点个数同样为 [ceil(m/2), m]。

---

2. 查询方式上的区别

• B树：

  • 数据可能存在于非叶子节点，因此搜索路径可能会停在任意节点。
  • 每次查找的数据结果可能提前结束。

• B+树：

  • 数据只存在于叶子节点，查找时需要访问到叶子节点。
  • 叶子节点间有链表相连，可以方便范围查询和顺序遍历。

---

3. 性能和场景上的区别

• B树：适合频繁插入、删除的场景，但范围查询性能较差，因为数据分散在树的各层级中。

• B+树：适合数据库这种需要频繁范围查询和排序的场景，因为所有数据都在叶子节点，并且叶子节点有序连接。

---

MySQL 为什么使用 B+树而不是 B 树

1. 范围查询效率高

• B+树的优势：
  所有数据都在叶子节点，且叶子节点之间通过链表相连。

  • 例如：查询 id 在 [10, 50] 之间的数据，只需要找到 10 对应的叶子节点，然后顺序访问叶子节点直到 50，效率极高。

• B树的问题：
  数据分散在所有节点（非叶子和叶子），范围查询时必须遍历整棵树，增加了磁盘IO开销。

2. 磁盘IO更少

• B+树的优势：
  非叶子节点不存储数据，单个节点可以存储更多索引，提高了每次磁盘读取的数据量，从而减少磁盘IO次数。

3. 更适合顺序存储

• B+树的设计：
  数据存储在叶子节点，顺序排列。范围查找和排序操作效率极高。
  • 例如：执行 ORDER BY 或 LIMIT 时，B+树通过叶子节点链表实现快速顺序读取。

---

通俗案例

场景：图书馆的书架管理

• B树：

  • 图书可能被放在每一层架子上（非叶子和叶子节点都有书），查询时需要翻遍多个层架才能找到范围内的书。

• B+树：

  • 图书都放在最底层的叶子架上，书架之间有顺序排列，书架之间还有连接链条，查询范围内的书时可以顺序扫描找到所有符合条件的书。

---

B+树的简单实现（Java 示例）

以下是一个简单的 B+ 树实现，重点关注插入和范围查询功能。

java

import java.util.ArrayList; import java.util.List; // B+树节点 class Node { boolean isLeaf; // 是否是叶子节点 List<Integer> keys; // 键值 List<Node> children; // 子节点指针（非叶子节点） Node next; // 指向下一个叶子节点（用于范围查询） Node(boolean isLeaf) { this.isLeaf = isLeaf; keys = new ArrayList<>(); children = new ArrayList<>(); next = null; } } // B+树 class BPlusTree { private final int degree; // 阶数 private Node root; public BPlusTree(int degree) { this.degree = degree; this.root = new Node(true); // 初始化为叶子节点 } // 插入方法 public void insert(int key) { Node current = root; if (current.keys.size() == degree - 1) { Node newRoot = new Node(false); newRoot.children.add(current); split(newRoot, 0); root = newRoot; } insertNonFull(root, key); } // 非满插入 private void insertNonFull(Node node, int key) { int i = node.keys.size() - 1; if (node.isLeaf) { while (i >= 0 && key < node.keys.get(i)) { i--; } node.keys.add(i + 1, key); } else { while (i >= 0 && key < node.keys.get(i)) { i--; } i++; Node child = node.children.get(i); if (child.keys.size() == degree - 1) { split(node, i); if (key > node.keys.get(i)) { i++; } } insertNonFull(node.children.get(i), key); } } // 节点分裂 private void split(Node parent, int index) { Node node = parent.children.get(index); Node sibling = new Node(node.isLeaf); int mid = degree / 2; parent.keys.add(index, node.keys.get(mid)); parent.children.add(index + 1, sibling); sibling.keys.addAll(node.keys.subList(mid + 1, node.keys.size())); node.keys = new ArrayList<>(node.keys.subList(0, mid)); if (!node.isLeaf) { sibling.children.addAll(node.children.subList(mid + 1, node.children.size())); node.children = new ArrayList<>(node.children.subList(0, mid + 1)); } else { sibling.next = node.next; node.next = sibling; } } // 范围查询 public List<Integer> rangeQuery(int start, int end) { List<Integer> result = new ArrayList<>(); Node current = root; while (!current.isLeaf) { int i = 0; while (i < current.keys.size() && start >= current.keys.get(i)) { i++; } current = current.children.get(i); } while (current != null) { for (int key : current.keys) { if (key >= start && key <= end) { result.add(key); } else if (key > end) { return result; } } current = current.next; } return result; } } public class Main { public static void main(String[] args) { BPlusTree bPlusTree = new BPlusTree(3); // 创建阶数为3的B+树 bPlusTree.insert(10); bPlusTree.insert(20); bPlusTree.insert(5); bPlusTree.insert(15); bPlusTree.insert(30); // 范围查询 System.out.println("范围查询结果：" + bPlusTree.rangeQuery(10, 20)); } }

---

代码解读

1. 节点的定义：

   • 非叶子节点存储键值和子节点。
   • 叶子节点存储键值和链表指针（next）。

2. 插入逻辑：

   • 如果节点满了（达到阶数上限），则进行分裂。
   • 非满节点直接插入。

3. 范围查询：

   • 从根节点开始定位到叶子节点。
   • 从链表中顺序扫描符合范围的数据。

---

总结

• B+树在范围查询和顺序遍历时效率更高，适合 MySQL 的索引需求。
• Java 的 B+树实现可以用来模拟数据库中索引的插入和范围查询逻辑。