B-Tree 和 B+Tree傻傻分不清楚

B-Tree

B-Tree又叫作B树，和平衡二叉树不一样的地方在于B树是多叉树(平衡多路查找树)，Oracle和MongoDB的索引技术就是基于B树的数据结构，B树也能够看做是对2-3查找树的一种扩展。

一个m阶的B-Tree有如下性质

1. 每一个节点最多有m个子节点；
2. 每一个非叶子节点（根节点除外）至少含有m/2个子节点；
3. 若是根节点不是叶子节点，那么根节点至少有两个子节点；
4. 每一个节点上，全部的关键字都是有序的，从左到右，依次从小到大排序；
5. 每一个关键字的左子树的均值小于当前关键字，右子树的均值大于当前关键字；
6. 每一个节点都存有索引和数据；
7. 对于一个非叶子节点而言，它最多能存储m-1个关键字；
8. 全部叶子节点位于同一层。

B树查找

咱们以查找13为例子：

第一次磁盘IO:定位到比17小，选择最左子树；

第二次磁盘IO:定位到比12大，选择最右子树；

第三次磁盘IO:定位到13，查出对应的数据后，查找结束。

B树插入

对于一个m阶B树，新节点通常是插在叶子层，可是须要根据实际的状况考虑是否须要裂变。

1.若该节点中关键码个数小于m-1,则直接插入；

2.若该节点中关键字个数等于m-1,则将进行分裂，以中间关键字为界点将节点一分为2，产生一个新的节点，并把中间那个关键字插入到父节点中，继续判断父节点的关键字个数是否等于m-1，依次判断是否分裂，最坏状况下可一直分裂到根节点，整个树增长一层。

B树删除

B树的删除也很是复杂

若是关键字所在节点的原关键树>=(m/2),说明删除后仍可知足B树的结构，能够直接干掉。

若是被删除后再也不知足B树的结构，则须要必定的调整过程：

若是其左右兄弟节点中有多余的关键字，即与该节点相邻的节点中关键字的数目大于（m/2）-1,就会将兄弟节点中的最大（左兄弟）或者最小（右兄弟）移到夫节点上，而后将双亲节点中小于（右兄弟的上移）或者大于（左节点上移）关键字的关键字下移到被删关键字的节点中。

若是其左右兄弟都没有多余关键字的时候，状况将变得很是很是复杂；需把删除关键字节点与其左（或者右）兄弟节点中的关键字合并到（父节点指向该删除关键字节点的左（右）兄弟节点的指针）所指向的兄弟节点中去，若是所以父节点中的关键字个数小于规定值，则须要对父节点作一样的处理，最坏状况下会使得整个树减小一层。

总结

B树相对于平衡二叉树的不一样是，每一个节点包含的关键字增多了，特别是在B树应用到数据库的时候，数据库充分利用了磁盘块的原理（磁盘数据存储是采用块的形式存储的，每一个块的大小为4K，每次IO进行数据读取时，同一个磁盘块的数据能够一次性读取出来）把节点大小限制和充分使用在磁盘块大小范围；把树的节点关键字增多后树的层级比原来的二叉树少了不少，大大减小了数据查找和比较的次数，提升了效率。

B+树

B+Tree中若是有N个关键字则会拥有n个分支，而B树中n个关键字的节点包含n+1个分支。

B+Tree中，每一个非根节点中的关键字个数是>=（m/2）且<=m，而B树是>=（m/2）-1且<=(m-1)。

B+Tree中根节点的关键字个数是>=1且<=m,而B树是>=1且<=(m-1)。

B+树是B树的一个升级版，由于B+Tree非叶子节点不存储关键字记录的指针，因此其相对于B树来讲B+树更充分的利用了节点的空间，让查找速度更加稳定，其速度彻底接近于二分查找。

\1. B+树的非叶子节点不对关键字记录的指针进行保存，只进行数据索引，使得B+树非叶子节点能保存关键字的能力大大提高，并且树的层级会更少；

2.B+树叶子节点保存了其父节点的关键字记录的指针，因此每次查询必须到叶子节点才能真正获取到相关数据，并且平不少叉树的特色是全部子节点的层级相差不会超过一，因此查询速度相对是很是稳定的；

3.B+Tree树叶子节点的关键字从小到大有序排列，左边结尾数据都会保存右边节点开始数据的指针；

4.非叶子节点的子节点树=关键字数。

B+树查找

B+树的查找规格是B树同样，都是按照大小一层一层往下，可是不一样点在于其必定会执行到叶子节点，由于只有叶子节点才会存储数据的指针。

B+树插入

插入操做所有在叶子节点中进行

1.若为空树，建立一个叶子节点，而后将记录插入，同时这个叶子节点也是根节点；

2.若被插入的关键字所在的节点，其含有的关键字数目小于m，则直接插入；

3.若被插入关键字所在的节点的关键字数等于m的时候，则须要分裂为两个节点，并将m/2的关键字上移到父节点中，同时判断父节点的关键字个数是否大于m，若是须要分裂继续按照上面的流程进行分裂。

B+树删除

1.若是要删除关键字所在节点的关键字个数，若是大于m/2，直接删除便可；

2.当删除关键字所在节点的关键字个数等于m/2的时候，若兄弟节点中含有多余的关键字，也可从兄弟节点中借用关键字完成删除操做；

3.若兄弟节点没有多余的关键字，则须要与其余兄弟进行合并；

4.若是合并后致使父节点再也不符合B+树的结构，则须要按照上面的规律进行再次结构的调整；

5.注意B+树的结构（非叶子节点会存储索引信息，叶子节点才会存储数据指针），修改完后还需修改其父节点中的索引值。

总结

\1. B+树的层级更少；

\2. B+树查询速度更加稳定；

3.B+树自然具有排序功能，因为B+树全部的叶子节点数据构成了一个有序链表，在查询范围区间数据的时候会更加方便，数据紧密性很好高；

4.B+树全节点遍历更快：B+树遍历整棵树只须要遍历全部的叶子节点便可，而B树须要对每一层进行遍历，因此B+树更有利于全表扫描；

B*树

B*树是B+树的变种，不一样点以下

1.关键字个数限制，B+树初始化的关键字的个数是m/2，而B树的初始化个数是2m/3,因此B树的层级会更少；

2.B+树节点满时就会分裂，而B*树满时会检查兄弟节点是否满，若是兄弟节点没有满的话则会向兄弟节点转移关键字，若是兄弟节点也满了的话则从当前节点和兄弟节点各拿出1/3的数据建立一个新的节点出来。这个特性使得其相对B+树分裂的次数也更少；

3.B*树除了根节点外的非叶子节点也会存储兄弟节点的指针；

总结

B*树对比 B+Tree其初始化的容量更大，存储的关键字更多，层级更少，裂变次数也会更少。

来源：https://juejin.cn/post/6910880043980259342

欢迎关注公众号 【码农开花】一块儿学习成长 我会一直分享Java干货，也会分享免费的学习资料课程和面试宝典 回复：【计算机】【设计模式】【面试】有惊喜哦