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

👉博主介绍： 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

⛪️ 个人社区：个人社区
💞 个人主页：个人主页
🙉 专栏地址： ✅ Java 中级
🙉八股文专题：剑指大厂，手撕 Java 八股文

1. B-Tree 和 B+Tree 的基本概念

1. B-Tree（B树）的基本概念

定义：

• B-Tree 是一种自平衡的多路搜索树，其中每个节点可以有多个键和多个子节点。
• B-Tree 的设计目的是为了在磁盘等外部存储设备上高效地进行查找、插入和删除操作。

节点结构：

• 每个节点包含若干个键（key）和指向子节点的指针（pointer）。
• 节点中的键是有序排列的。
• 所有叶子节点都在同一层，且不包含任何数据记录，只包含指向实际数据的指针。

平衡性：

• B-Tree 通过保持所有叶子节点在同一层来确保平衡。这意味着从根节点到任何一个叶子节点的路径长度都是相同的。
• 插入和删除操作会自动调整树的结构以维持这种平衡性。

示例：
假设有一个 2-3 树（一种特殊的 B-Tree），其中每个节点最多有两个键和三个子节点。一个简单的 2-3 树可能如下所示：

       [10, 20]
      /     |     \
  [5, 7]  [15, 18]  [25, 30]
  /  \    /  \    /  \
[1, 3] [6, 8] [14, 16] [28, 32]

2. B+Tree 的基本概念

定义：

• B+Tree 是 B-Tree 的变种，它在内部节点中只存储键和指向子节点的指针，而所有的数据记录都存储在叶子节点中。
• B+Tree 也是自平衡的，并且所有叶子节点都在同一层。

节点结构：

• 内部节点：只包含键和指向子节点的指针。
• 叶子节点：包含键和指向实际数据记录的指针，同时叶子节点之间通过指针链接起来，形成一个链表。
• 叶子节点的链表结构使得范围查询更加高效。

平衡性：

• B+Tree 也通过保持所有叶子节点在同一层来确保平衡。
• 插入和删除操作同样会自动调整树的结构以维持平衡。

示例：
假设有一个 B+Tree，其中每个节点最多有两个键和三个子节点。一个简单的 B+Tree 可能如下所示：

       [10, 20]
      /     |     \
  [5, 7]  [15, 18]  [25, 30]
  /  \    /  \    /  \
[1, 3] [6, 8] [14, 16] [28, 32]

叶子节点之间的链接：
[1, 3] -> [6, 8] -> [14, 16] -> [28, 32]

• B-Tree：

  • 每个节点可以存储数据记录。
  • 内部节点和叶子节点都可以包含键和指向数据的指针。
  • 适用于单点查询和范围查询，但范围查询效率不如 B+Tree。

• B+Tree：

  • 只有叶子节点存储数据记录。
  • 内部节点只包含键和指向子节点的指针。
  • 叶子节点之间通过指针链接，形成一个链表，适合范围查询。
  • 适用于大量数据的索引和范围查询，是许多数据库系统（如 MySQL）中默认使用的索引结构。

这两种树结构都是为了优化磁盘访问性能而设计的，但在不同的应用场景下有不同的优劣。B+Tree 特别适合数据库索引，因为它能够有效地支持范围查询和顺序扫描。

2. B-Tree 与 B+Tree 的主要区别

B-Tree 和 B+Tree 是两种广泛用于数据库和文件系统中的索引结构。尽管它们有一些相似之处，但它们在设计上有一些关键的区别，这些区别影响了它们在不同应用场景下的性能和适用性。以下是 B-Tree 与 B+Tree 的主要区别：

1. 数据存储位置

• B-Tree：

  • 在 B-Tree 中，数据记录可以存储在内部节点或叶子节点中。
  • 每个节点都包含键和指向子节点的指针，同时也可以包含实际的数据记录。

• B+Tree：

  • 在 B+Tree 中，所有的数据记录只存储在叶子节点中。
  • 内部节点只包含键和指向子节点的指针，不包含数据记录。

2. 叶子节点的链表结构

• B-Tree：

  • B-Tree 的叶子节点之间没有链接关系，每个叶子节点是独立的。

• B+Tree：

  • B+Tree 的叶子节点通过指针链接在一起，形成一个有序的链表。
  • 这种链表结构使得范围查询和顺序扫描更加高效。

3. 查询效率

• 单点查询：

  • 对于单点查询（查找特定键的记录），B-Tree 和 B+Tree 的效率相当，因为两者都需要从根节点开始逐层向下查找。

• 范围查询：

  • 对于范围查询（查找某个区间内的所有记录），B+Tree 更具优势。由于 B+Tree 的叶子节点是通过指针链接在一起的，因此可以快速遍历整个区间。
  • B-Tree 的范围查询则需要多次回溯到父节点，然后再访问下一个子节点，这会导致更多的磁盘 I/O 操作。

4. 插入和删除操作

• 插入操作：

  • 在 B-Tree 中，插入操作可能会影响多个节点，包括内部节点和叶子节点。
  • 在 B+Tree 中，插入操作通常只影响叶子节点，因为数据记录只存储在叶子节点中。

• 删除操作：

  • 在 B-Tree 中，删除操作可能需要调整多个节点，包括内部节点和叶子节点。
  • 在 B+Tree 中，删除操作通常只影响叶子节点，但可能需要进行合并或重新平衡以保持树的性质。

5. 磁盘 I/O 效率

• B-Tree：

  • 由于 B-Tree 的内部节点也可能包含数据记录，所以在某些情况下，可能会导致更多的磁盘 I/O 操作。
  • 如果频繁进行范围查询，B-Tree 的效率较低，因为需要多次访问不同的节点。

• B+Tree：

  • B+Tree 通过将数据记录集中在叶子节点，并通过链表结构连接叶子节点，减少了范围查询时的磁盘 I/O 操作。
  • 适合大量数据的索引和范围查询，因为一次磁盘读取可以获取更多的数据记录。

结论

• B-Tree：

  • 适用于单点查询和较小规模的数据集。
  • 内部节点和叶子节点都可以存储数据记录。
  • 范围查询效率较低，因为需要多次访问不同的节点。

• B+Tree：

  • 适用于大量数据的索引和范围查询。
  • 所有数据记录都存储在叶子节点中，内部节点只包含键和指针。
  • 叶子节点通过链表连接，使得范围查询和顺序扫