大家好，欢迎收看猿话！

BTree意思是多路平衡查找树，它是一种数据结构。MySQL的InnoDB和MyISAM存储引擎，都是使用它来存储索引。BTree可细分为B-Tree和B+Tree，B+Tree是B-Tree的升级版。MySQL的InnoDB和MyISAM存储引擎使用的是B+Tree。

B-Tree

为了描述B-Tree，首先定义一条记录为一个二元组[key, data] ，key为记录的键值，对应表中的主键值，data为一行记录中除主键外的数据。对于不同的记录，key值互不相同。如下图中的紫色部分就是key，橙色部分就是一行数据，绿色部分就是指针。

一棵m阶的B-Tree有如下特性：

1. 每个节点最多有m个子节点。 如上图所示是一个3阶的树，那最多有3个子节点。
2. 除了根节点和叶子节点外，其它每个节点至少有ceil(m/2)个子节点。如上图所示是一个3阶的树，那每个节点至少有2个子节点。
3. 所有叶子节点都在同一层，且不包含其它关键字信息
4. 每个非终端节点包含n个关键字信息（P0,P1,…Pn, k1,…kn） ，关键字的个数n满足：ceil(m/2)-1 <= n <= m-1
5. ki(i=1,…n)为关键字，且关键字升序排序。
6. Pi(i=1,…n)为指向子树根节点的指针。P(i-1)指向的子树的所有节点关键字均小于ki，但都大于k(i-1)
7. 指针存储的是子节点所在磁盘块的地址

假设以根节点为例，关键字为17和35，P1指针指向的子树的数据范围为小于17，P2指针指向的子树的数据范围为17~35，P3指针指向的子树的数据范围为大于35。

当我们要查找关键字29时：

1. 根据根节点找到磁盘块1，读入内存。【磁盘I/O操作第1次】
2. 比较关键字29在区间（17,35），找到磁盘块1的指针P2。
3. 根据P2指针找到磁盘块3，读入内存。【磁盘I/O操作第2次】
4. 比较关键字29在区间（26,30），找到磁盘块3的指针P2。
5. 根据P2指针找到磁盘块8，读入内存。【磁盘I/O操作第3次】
6. 在磁盘块8中的关键字列表中找到关键字29。

分析上面过程，发现需要3次磁盘I/O操作，和3次内存查找操作。由于内存中的关键字是一个有序表结构，可以利用二分法查找提高效率。而3次磁盘I/O操作是影响整个B-Tree查找效率的决定因素。B-Tree相对于AVLTree缩减了节点个数，使每次磁盘I/O取到内存的数据都发挥了作用，从而提高了查询效率。

B+Tree

从上一节中的B-Tree结构图中可以看到，每个节点中不仅包含数据的key值，还有data值。而每一个页的存储空间是有限的，一般为16K（也可以调整），如果data数据较大时将会导致每个节点（即一个页）能存储的key的数量很小。当存储的数据量很大时同样会导致B-Tree的深度较大，增大查询时的磁盘I/O次数，进而影响查询效率。

为解决这个问题，在B-Tree基础上就产生了一种新的数据结构B+Tree。

一棵m阶的B+Tree的特性和m阶的B-Tree基本相同，除了以下几点：

1. 非叶子节点上只存储key值信息，而不存储data信息
2. 非叶子节点的子树指针与关键字个数相同
3. 非叶子节点的子树指针 P[i] ， 指向关键字值属于 [K[i], K[i+1]) 的子树（ B- 树是开区间）
4. 所有关键字都会出现在叶子节点的链表中（稠密索引），且链表中的关键字恰好是有序的。如上图所示的升序。

虽然，MySQL的InnoDB和MyISAM存储引擎使用的都是B+Tree结构，但是它们也有不同之处：

1. InnoDB的B+Tree索引分为聚簇索引和非聚簇索引，而MyISAM的B+Tree索引都是非聚簇索引。
2. InnoDB的主键索引为聚簇索引，辅助索引为非聚簇索引。主键索引的叶子节点保存了完整的记录，辅助索引的叶子节点并不包含行记录的全部数据，它除了包含键值外，还包含了相应行数据的聚簇索引键。
3. MyISAM的非聚簇索引结构都是一样的，它的叶子节点保存的都是磁盘地址，真正的数据存储在另外的地方。