B + 树与 B 树的深度剖析-CSDN博客

在数据库领域，B + 树和 B 树是两种极为关键的数据结构，它们对于数据的存储、查询以及索引的构建等方面都有着深远的影响。深刻理解这两种树的原理、特性以及它们之间的差异，对于数据库的性能优化、数据组织和管理等工作具有不可替代的重要作用。以下将从多个维度对 B + 树与 B 树进行全面且深入的对比分析。

一、基本概念与结构原理

（一）B 树

B 树是一种自平衡的多路查找树。它具有以下关键特点：假设一棵 m 阶的 B 树，那么每个内部节点最多有 m 个子女，根节点至少有 2 个子女，其他内部节点至少有 [m/2] 个子女。每个节点中的键值按升序排列，且每个键值对应一个指向其子树的指针。例如，假设我们有一棵 3 阶的 B 树，它用于存储员工的年龄信息。当向这棵树中插入一个年龄值为 25 的数据时，在到达叶子节点之前，会根据各个节点中的年龄键值范围来确定数据应该插入的位置。

从查找原理来看，B 树的查找过程是从根节点开始，通过比较给定的键值与节点中的各个键值的大小关系，从而选择相应的子树进行继续查找，直到找到匹配的键值或者到达叶子节点为止。例如，查找年龄为 30 的员工信息，在根节点根据 30 所处的键值范围区间，进入对应的子树，继续向下逐层查找，直至找到包含该年龄键值的节点或者确定该键值不存在。

（二）B + 树

B + 树是 B 树的一种变体，在结构上与 B 树有诸多相似之处，但也存在显著差异。在 B + 树中，所有记录只在叶子节点存储，而内部节点仅存储键值用于索引引导搜索。同时，叶子节点之间通过指针相连，形成一个有序链表。以一个 3 阶的 B + 树为例，当向树中插入数据时，数据最终都会被放置到叶子节点，内部节点只起到索引的引导作用。假设我们存储的是一系列学生的成绩数据，在插入一个成绩为 85 分的数据后，这个数据的详细信息只会存储在叶子节点，而内部节点记录的只是用于确定范围的键值。

查找过程与 B 树类似，从根节点开始逐层进行键值比较，直至到达叶子节点。由于所有数据都在叶子节点，所以在查找时必须遍历到叶子节点才能获取到完整的记录信息。例如，在查找成绩为 90 分的学生信息时，沿着树的结构找到相应的叶子节点后，才能得到该学生的具体内容。

二、数据存储位置与索引引导的差异

（一）数据存储位置

B 树 ：B 树允许数据存储在内部节点和叶子节点。这意味着在 B 树中，数据分布在整棵树的不同层级。例如，在一个存储城市地理信息的 B 树中，根节点可能包含不同大洲的地理范围键值，以及指向对应子树的指针，同时可能存储了部分大洲的概况等基础信息；中间的内部节点可能包含国家范围的键值及相关简要信息；而叶子节点则存储具体城市的详细地理数据。这种数据分布方式使得在查找过程中，有可能在内部节点就找到所需的部分信息。
B + 树 ：B + 树将所有的记录数据都集中在叶子节点，内部节点完全不存储记录数据，只存储键值用于索引。这就好比在一个图书馆的索引体系中，书架（内部节点）只标注了书籍类别的标签（键值），而所有的书籍（记录数据）都放置在借阅区的特定位置（叶子节点）。例如，在一个存储商品库存信息的 B + 树中，内部节点只存储商品编号的键值，这些键值起到引导我们快速找到存放具体商品库存详细信息的叶子节点的作用，而商品的库存数量、存储位置等详细信息只在叶子节点中存在。

（二）索引引导

B 树 ：由于数据分布在内部节点和叶子节点，B 树的索引引导过程具有一定的灵活性。在查找过程中，当遇到内部节点时，既可以利用内部节点中的键值和指针来缩小查找范围，又可能在内部节点中找到部分所需的数据。例如，在一个存储历史文献的 B 树中，我们查找某个特定历史时期的重要事件文献，可能在某个内部节点就获取到该事件的一个简要概述，然后再继续深入查找更详细的文献记录。
B + 树 ：B + 树的索引引导只到叶子节点去找数据。它的内部节点仅仅起到了一个导向牌的作用，引导查询过程快速定位到可能包含目标数据的叶子节点。一旦到达叶子节点，就需要在叶子节点中进行顺序查找或者范围查找来获取数据。例如，在一个存储航班信息的 B + 树中，我们查找某个航班的具体信息，内部节点指引我们到达相应的叶子节点后，无论是在该叶子节点还是通过叶子节点之间的指针进行后续查找，我们只能在叶子节点中找到完整的航班信息。