B 树和 B+ 树区别

B树和B+树是两种常见的平衡多路搜索树，广泛应用于数据库和文件系统中。它们的核心区别主要体现在数据存储方式、节点结构、查询效率以及适用场景上。以下是详细对比：

---

1. 数据存储位置

特性	B树	B+树
数据存储	所有节点（内部节点和叶子节点）均存储数据。	只有叶子节点存储数据，内部节点仅存储键值。
存储效率	内部节点存储数据，导致每个节点能存储的键值较少。	内部节点仅存储键值，能容纳更多键值，减少树的高度。

关键影响：

• B+树的内部节点不存储数据，可以存储更多键值，降低树的高度，减少磁盘I/O次数。
• B树的内部节点存储数据，可能增加树的高度，但单条记录的查找可能更快（无需访问到叶子层）。

---

2. 节点结构

特性	B树	B+树
叶子节点	叶子节点之间无链接。	叶子节点通过双向指针形成有序链表。
非叶子节点	包含键值和指向子节点的指针。	仅包含键值和指向子节点的指针。

关键影响：

• B+树的叶子节点链表支持高效的范围查询（如 WHERE id BETWEEN 10 AND 20），而B树需要通过递归遍历非叶子节点。
• B+树的非叶子节点仅存储键值，提高了扇出（Fan-out），进一步减少树的高度。

---

3. 查询效率

操作	B树	B+树
单条查询	可能在非叶子节点直接命中数据，减少I/O次数。	必须访问到叶子节点才能获取数据，可能增加I/O次数。
范围查询	效率较低，需多次回溯到父节点。	效率高，通过叶子节点链表顺序遍历。
磁盘I/O	树的高度可能略高，I/O次数较多。	树的高度更低，I/O次数更少。

关键影响：

• B树适合单条记录的快速查找（如 WHERE id = 10）。
• B+树更适合范围查询（如 WHERE id > 10）和排序操作（如 ORDER BY）。

---

4. 插入与删除

操作	B树	B+树
插入删除	可能导致节点分裂或合并，影响性能。	操作更稳定，叶子节点的链表结构简化了范围调整。
平衡性	通过分裂和合并保持平衡。	通过分裂和合并保持平衡。

关键影响：

• B+树的叶子节点链表使得批量插入/删除时的调整更高效，适合数据库的高并发场景。

---

5. 典型应用场景

场景	B树	B+树
数据库索引	较少使用（如MongoDB的部分场景）。	广泛使用（如MySQL InnoDB、Oracle）。
文件系统	适用于小规模数据的快速查找。	适用于大规模数据的高效范围查询。

关键原因：

• B+树更适合数据库的范围查询和排序需求，且磁盘I/O效率更高。
• B树可能在内存数据库或对单条查询速度要求极高的场景中使用。

---

6. 总结对比表

特性	B树	B+树
数据存储	所有节点存储数据	仅叶子节点存储数据
叶子节点链接	无	有双向指针
范围查询	低效	高效
树的高度	较高	较低
典型应用	内存数据库、特定文件系统	关系型数据库索引（如InnoDB）

---

为什么数据库更倾向于使用B+树？

1. 磁盘I/O优化：B+树的更高扇出减少了磁盘访问次数。
2. 范围查询友好：叶子节点链表支持高效遍历。
3. 查询稳定性：所有查询均需访问叶子节点，性能更可预测。

示例：
在MySQL的InnoDB引擎中，主键索引的B+树结构允许快速定位单条记录，同时支持高效的全表扫描和范围查询。

---