现代数据库系统数据结构 B+Tree

数据库索引与B-Tree 和 B+Tree 摘要: B-Tree和B+Tree是用于数据库和文件系统的多叉平衡查找树,通过降低树高度减少磁盘I/O,提升查询效率。B-Tree每个节点存储键和数据,而B+Tree非叶子节点仅存键,数据集中在叶子节点且通过链表连接。B+Tree更适合数据库索引,因其更高的空间利用率、范围查询优势和更稳定的查询性能。InnoDB采用B+Tree结构,主键自增优化插入效率,非聚集索引需回表查询;MyISAM则直接存储数据地址,无需回表但缺乏顺序存储优势。优化建议包括避免模糊查询前导通配符、控制索引数量等,均基于B+Tree特 阅读详情

B+ 树(B+ Tree) 是 B-树(B-Tree)的增强版,也是现代数据库系统(如 MySQL InnoDB、Oracle、PostgreSQL)和文件系统中最常用的索引结构。它在 B-树的基础上做了关键优化,特别适合范围查询和磁盘 I/O 高效访问。

下面从结构、性质、操作、优势、应用五个维度详细解析 B+ 树。


一、B+ 树的核心设计思想

目标:在外存(如磁盘) 上高效支持 等值查询、范围查询、顺序遍历,同时最小化磁盘 I/O 次数。

磁盘读写以页(Page) 为单位(通常 4KB~16KB),B+ 树将一个节点设计为恰好填满一页,这样一次磁盘 I/O 就能加载一个完整节点。


二、B+ 树的结构特点

✅ 1. 多路平衡搜索树
  • 每个内部节点有 m 个子节点(m 称为阶数,通常 100~1000+)
  • 所有叶子节点位于同一层,保证查询路径长度一致
✅ 2. 内部节点只存索引(关键字 + 指针),不存数据
  • 关键字用于指引搜索方向
  • 例如:节点 [10, 20, 30] 表示:
    • <10 → 左子树
    • 10~20 → 中间子树
    • 20~30 → 右子树
    • 30 → 最右子树

✅ 3. 所有数据记录只存储在叶子节点
  • 叶子节点包含:
    • 完整的关键字(Key)
    • 对应的数据(Data)(或指向数据的指针,如主键 ID)
  • 内部节点不存数据,只做路由
✅ 4. 叶子节点用双向链表连接
  • 每个叶子节点有指针指向前一个和后一个叶子节点
  • → 支持高效的范围查询和顺序扫描

三、B+ 树的性质(以阶数 m 为例)

假设 B+ 树的阶数为 m(即一个节点最多有 m 个子指针):

节点类型关键字数量子指针数量最小填充
根节点1 ~ m-12 ~ m可少于一半(但至少 2 个子节点,除非是叶子)
内部节点⌈m/2⌉-1 ~ m-1⌈m/2⌉ ~ m至少半满
叶子节点⌈m/2⌉ ~ m无子指针(但有链表指针)至少半满

📌 举例:若 m=4(4阶 B+ 树)

  • 内部节点关键字数:1~3
  • 叶子节点关键字数:2~4
  • 根节点至少 2 个子节点(除非整棵树只有根)

四、B+ 树 vs B-树:关键区别

特性B-树B+ 树
数据存储位置内部节点和叶子节点都存数据仅叶子节点存数据
关键字冗余每个关键字只出现一次内部节点关键字会重复出现在叶子中(用于路由)
范围查询需中序遍历整棵树,效率低叶子链表直接顺序遍历,极快
I/O 效率内部节点存数据 → 单页存储的关键字更少内部节点只存索引 → 单页可存更多关键字,树更矮
查询稳定性所有查询路径长度相同所有数据查询必须走到叶子,路径长度完全一致

💡 B+ 树的优势:

  • 更高的扇出(fan-out)→ 树高更低 → 更少 I/O
  • 范围查询性能极佳(数据库常用 WHERE id BETWEEN 100 AND 200)
  • 顺序扫描高效(如 ORDER BY)

五、B+ 树操作示例(以 m=3 为例)

1. 查找(Search)
  • 从根开始,逐层向下比较关键字
  • 必须走到叶子节点才能获取数据
  • 时间复杂度:O(logₘ n)
2. 插入(Insert)
  • 先查找应插入的叶子节点
  • 插入后若叶子节点关键字数 > m → 分裂(Split)
    • 将中间关键字上移到父节点
    • 原节点分裂为两个半满节点
  • 可能引发连锁分裂直至根节点(根分裂则树高+1)
3. 删除(Delete)
  • 删除叶子节点中的关键字
  • 若节点关键字数 < ⌈m/2⌉ → 合并(Merge)或借用(Redistribute)
    • 从兄弟节点借关键字,或与兄弟合并
  • 可能引发连锁合并,但不会降低树高(除非根变空)

🔁 所有操作都保持平衡性和叶子链表连续性。


六、B+ 树在数据库中的应用(以 MySQL InnoDB 为例)

✅ 聚簇索引(Clustered Index)
  • 主键索引就是 B+ 树
  • 叶子节点存储整行数据
  • 例如:PRIMARY KEY (id) → B+ 树叶子存完整记录
✅ 二级索引(Secondary Index)
  • 非主键索引也是 B+ 树
  • 叶子节点存储主键值(不是数据!)
  • 查询时需回表:先查二级索引得主键,再查聚簇索引得数据
🌰 示例:
CREATE TABLE users (
    id INT PRIMARY KEY,
    name VARCHAR(50),
    age INT,
    INDEX idx_name (name)
);
  • PRIMARY KEY → B+ 树,叶子存 (id, name, age)
  • idx_name → B+ 树,叶子存 (name, id)

七、为什么数据库偏爱 B+ 树?

需求B+ 树如何满足
减少磁盘 I/O高扇出 → 树高通常 2~4 层,10 亿数据只需 3~4 次 I/O
高效范围查询叶子链表支持 BETWEEN、>、ORDER BY
顺序访问快链表遍历无需回溯
插入/删除稳定分裂/合并局部操作,不影响全局
缓存友好节点大小 = 页大小,与 OS 缓存对齐

八、B+ 树的局限性

  • 不适合频繁更新主键(会导致 B+ 树结构调整)
  • 非主键查询需回表(可通过覆盖索引优化)
  • 内存中不如红黑树灵活(B+ 树为外存设计)

总结

B+ 树 = B-树 + 数据下沉 + 叶子链表

它是为磁盘存储系统量身定制的索引结构,通过:

  • 内部节点只存索引 → 提高扇出,降低树高
  • 数据全在叶子 → 查询路径统一
  • 叶子链表连接 → 范围查询飞快

正是这些设计,让现代数据库能在十亿级数据上实现毫秒级查询。

数据库索引背后的数据结构之B-树和B+树 索引是对数据的某种排序方式。索引能够提高数据库查询效率。本文重点讨论B-Tree和B+Tree的结构,并通俗地解释了最左前缀原则。 阅读详情

相关推荐

数据结构学习:B+Tree

B+Tree

nzbing的博客 519

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+

道岔故障监测系统设计(源码+开题)

通过实时监控道岔的工作状态,系统能够及时发现异常情况,预防潜在的安全隐患,从而减少事故发生的概率。此外,监测系统还能够为维护人员提供详细的数据支持,帮助他们更准确地判断道岔的磨损程度和故障类型,优化维修计划,延长道岔的使用寿命。随着智能化、自动化技术的发展,道岔故障监测系统的设计与应用也将推动铁路行业的技术进步,为实现智能铁路和未来交通系统的构建奠定基础。因此,开展道岔故障监测系统的设计研究,不仅具有重要的工程实践价值,也有助于推动铁路运输行业向更高水平的发展。

灵军程序设计 771

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

DSPACE仿真平台的使用

DSPACE仿真平台的使用 文章目录DSPACE仿真平台的使用1.ModelDesk新建项目2.MotionDesk引入项目3.ControlDesk引入项目4.项目整合运行 我们使用DSPACE仿真平台软件来模拟小汽车的自动驾驶。 总共需要用到DSPACE大类下的三个软件:ModelDesk、ControlDesk、MotionDesk。 1.ModelDesk新建项目 在桌面上点击ModelDesk图标,打开DSPACE—ModelDesk 选择 File 标签,侧边栏选择 New,点击 New A

qq_42582489的博客 7530

2.ROS实用工具:坐标变换

本文围绕ROS坐标变换展开,介绍其在机器人系统中的关键作用,即统一不同传感器和执行器坐标系,服务数据融合等操作。基于ROS的tf库,从广播和监听TF变换两方面阐述实现过程,涵盖新建工作包、编写广播和监听代码、配置构建文件及编译等步骤。此外,介绍启动节点管理器后运行广播和监听节点的方法,并通过rqt_graph、rqt_tf_tree、tf_echo等工具可视化和获取坐标系变换信息。借助这些内容,读者不仅能掌握ROS坐标变换的实现,还能对机器人坐标变换系统的调试和理解有更深入认识 。

qq_74168740的博客 1175

什么是B+Tree

B+Tree的定义 B+Tree是B树的变种,有着比B树更高的查询性能,来看下m阶B+Tree特征: 1、有m个子树的节点包含有m个元素(B-Tree中是m-1) 2、根节点和分支节点中不保存数据,只用于索引,所有数据都保存在叶子节点中。 3、所有分支节点和根节点都同时存在于子节点中,在子节点元素中是最大或者最小的元素。 4、叶子节点会包含所有的关键字,以及指向数据记录的指针,并且叶子节...

weixin_30732487的博客 755

滑模控制算法(SMC)讲解-案例(附C代码)

该文章介绍了滑模控制算法的原理实现步骤,特点及关键问题,最后以车辆控制案例来讲解滑模控制的整个步骤实现

heda3的博客 4112

MYSQL索引B+tree详解

前言 二叉树、平衡树、B树做铺垫,来讲解B+tree。这里对于数据结构不做详细解释,只讲与本文有关的知识。 一、二叉树 首先,明确几个概念,每个树结构,只有一个根节点。最下一层,没有子节点的节点叫叶子节点,初根节点和叶子节点外的节点,叫非叶子节点。 二叉树,顾名思义,就是子节点最多有两个分支的树,如下图: 由二叉树定义以及图示分析得出二叉树有以下特点: 1)每个结点最多有两颗子树,所以二叉树中不存在度大于2的结点。 2)左子树和右子树是有顺序的,次序不能任意颠倒。 3)即使树中某结点只有一棵子树,也要区分

敲代码的小小酥的博客 5831

【unity实战】Unity2D TileMap的探究(最简单,最全面的TileMap使用介绍)

之前有人在微信上找我,问了TileMap相关的知识【unity实战】随机地下城生成2——绘制地图Tilemap的使用及一些技巧的使用(含源码)不过写的不是特别不是特别细致,只是简单的用了一下,所有这次特地打算单独写一篇文章,来介绍一下,下次还有人问我,我直接就把这篇文章丢给他,完美!Unity的Tilemap 一般称之为瓦片地图或者平铺地图,是 Unity2017 中新增的功能,主要用于快速编辑 2D 游戏中的场景,通过复用资源的形式提升地图多样性。Tilemap是一个用于创建2D地图的工具。

向宇的博客,专注php/web全栈 unity游戏开发,欢迎大家评论纠错 1万+

华为OD机试 新系统 双机位C卷 往年真题 机考题库(持续收录中)以及算法考点详解

每一题都有详细的答题思路、详细的代码注释、样例测试,发现新题目,随时更新,全天优快云在线答疑。

学Java,找哪吒 7万+

MySQL索引原理及B-Tree / B+Tree结构详解

MySQL索引原理及B-Tree / B+Tree结构详解 目录 摘要 数据结构及算法基础 索引的本质 B-Tree和B+Tree B-Tree B+Tree 带有顺序访问指针的B+Tree 为什么使用B-Tree(B+Tree) 主存存取原理 磁盘存取原理 局部性原理与磁盘预读 B-/+Tree索引的性能分析 MySQL索引实现 MyISAM索引实现 Inno...

最怕一生碌碌无为,还安慰自己平凡可贵 2万+

Autosar配置——导入DBC后配置SecOC同步报文和同步请求报文

在Autosar中,安全性是一个重要的考虑因素,而SecOC(Secure On-Board Communication)是一种用于保护通信数据完整性和安全性的安全机制。在上述示例中,我们配置了同步报文和同步请求报文的属性。接下来,我们需要在Autosar中配置同步报文和同步请求报文。同步报文用于在通信双方之间同步SecOC状态,而同步请求报文用于请求SecOC的状态信息。通过以上配置,我们成功地导入了DBC文件,并在Autosar系统中配置了SecOC同步报文和同步请求报文。希望以上信息对您有所帮助!

CyberSphinx的博客 651

B-Tree和B+Tree

B-Tree 为了描述B-Tree,首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为数据记录除key外的数据。那么B-Tree是满足下列条件的数据结构: d为大于1的一个正整数,称为B-Tree的度。 h为一个正整数,称为B-Tree的高度。 每个非叶子节点由n-1个key和n个指针组成,其中d 每个叶子节点最少

roki的专栏 1万+

K8s(二十二):k8s集群如何部署一个Spring Boot项目(依赖于MySQL和Redis外部服务)

🔴 K8s(二十二):k8s集群如何部署一个Spring Boot项目(依赖于MySQL和Redis外部服务)

✨ 欢迎来到【Seal ^_^ 的优快云博客】!✨ 2万+

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

005.精读《B-Tree vs LSM-Tree》

通过比较B+树和基于级别的LSM树在各种性能方面的表现,我们可以得出结论:基于级别的LSM树在写入性能上优于B+树,而在读取性能上则不如B+树。但是大多数组件选择使用LSM树而不是B树作为其底层存储引擎的主要原因是,利用缓存技术来提升读取性能要比提升写入性能容易得多。如果你想参与讨论,请 点击这里,每周都有新的主题,周末或周一发布。大数据精读,探索知识的深度。关注大数据精读周刊版权声明:自由转载-非商用-非衍生-保持署名(创意共享 3.0 许可证。

数据飓风 1694

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

MySQL的数据结构 b+tree、B-Tree

MySQL的数据结构 b+tree、B-Tree

wgchen 670

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

MySQL索引的底层数据结构原理剖析(二叉树、 红黑树、Hash、B-Tree、B+Tree)

我们平时所说的:聚集索引(主键索引),次要索引,覆盖索引,复合索引,前缀索引,唯一索引在MySQL5.7和 8.0版本默认都是使用索引,除此之外还有。至于MySQL5.7之前版本,这里就不过多探究了。

a410974689的博客 3046

B-Tree

B-Tree B-Tree是一种平衡的多路查找(又称排序)树,在文件系统中和数据库系统中有所应用。主要用作文件的索引。其中的B就表示平衡(Balance) 。 为了描述B-Tree,首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为数据记录除key外的数据。那么B-Tree是满足下列条件的数据结构: d为大于1的一个正整数,...

JustinNeil的博客 606

【MySQL】索引、B-Tree、B+Tree

【MySQL】索引、B-Tree、B+Tree;MyISAM、InnoDB

抓娃攻城师 517

为什么 MySQL InnoDB 选择 B+tree 作为索引的数据结构?

InnoDB 选择 B+Tree 而非其他数据结构(如 Hash、B-Tree、红黑树等)作为其默认索引结构,是经过多方面权衡后的结果,主要基于数据库系统的特殊需求和硬件特性。

m0_69378371的博客 908

Mysql 索引结构-Hash、B-Tree、B+Tree介绍

🌺🎉⭐📢🔍👍。

架构师之路。。 1564

b+tree数据结构可视化_B-Tree和B+Tree

目前大部分数据库系统及文件系统都采用B-Tree或其变种B+Tree作为索引结构,在本文的下一节会结合存储器原理及计算机存取原理讨论为什么B-Tree和B+Tree在被如此广泛用于索引,这一节先单纯从数据结构角度描述它们。## B-Tree为了描述B-Tree,首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为数据记录除ke...

weixin_39553776的博客 91

mysql基础-索引-数据结构(二叉树,红黑树,B-Tree,B+Tree)

数据结构演示网站:https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

d495435207的博客 1782
上一篇: 模块化的Agent(智能体)架构知识点有哪些
下一篇: 大模型微调完全指南:Full、LoRA、QLoRA、P-Tuning 等主流方法详解
旷野说
博客等级 码龄9年 361粉丝 86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