一篇文章详细来说一下b+树与b树的区别
作者：小假是真的
一、基本定义
| 特性 | B树 | B+树 |
|---|---|---|
| 全称 | Balance Tree | Balance+ Tree |
| 提出时间 | 1970年（Rudolf Bayer, Edward M. McCreight） | B树的变种，主要改进用于数据库和文件系统 |
| 本质 | 多路平衡查找树 | 在B树基础上，将数据全部放在叶子节点，内部节点只存索引 |
二、核心结构区别
1.数据存储位置
B树：
- 每个节点（包括内部节点和叶子节点）都存储键值和数据指针（或实际数据）
- 数据可能分布在所有节点中
B+树：
- 只有叶子节点存储数据指针（或实际数据）
- 内部节点只存储键值（索引），不存储数据，仅用于导航
2.叶子节点结构
B树：
- 叶子节点之间通常没有链表连接（虽然有些实现可能加链表，但非标准）
B+树：
- 所有叶子节点通过指针连接成链表
- 通常形成双向链表，便于范围查询
三、节点结构图示
B树节点（假设阶数m=4，最多3个键）
内部节点: [key1|data1] [key2|data2] [key3|data3]
/ | \ | \
子节点 子节点 子节点 子节点 子节点- 每个键都附带数据指针
B+树节点
内部节点（只存键）：
内部节点: [key1] [key2] [key3]
/ | \ \
子节点 子节点 子节点 子节点叶子节点（存键+数据+链表指针）：
叶子节点: [key1|data1] -> [key2|data2] -> [key3|data3] -> ...
|
(指向下一个叶子节点的指针)四、查找操作对比
查找单个键（例如查找 key = 50）
B树：
- 从根节点开始
- 在节点内二分查找或顺序查找
- 如果找到 key，立即返回该节点的数据（可能在内部节点就命中）
- 否则进入对应的子节点继续
特点：可能在非叶子节点就找到结果，查找路径可能较短。
B+树：
- 从根节点开始
- 在内部节点二分查找，只用于导航
- 必须一直找到叶子节点
- 在叶子节点中查找 key 并获取数据
特点：所有查找都必须走到叶子节点，查找路径长度固定（等于树高）。
范围查询（例如查找 20 ≤ key ≤ 60）
B树：
- 需要先找到下限键，然后进行中序遍历
- 在遍历过程中，需要在内部节点和叶子节点之间来回切换
- 效率较低，且实现复杂
B+树：
- 先找到下限键所在的叶子节点
- 利用叶子节点之间的链表顺序向后遍历
- 直到超过上限为止
- 效率极高，这是B+树最重要的优势之一
五、插入与删除操作对比
| 操作 | B树 | B+树 |
|---|---|---|
| 插入 | 可能在任何节点分裂，分裂后键值上移 | 只在叶子节点插入数据，分裂时键值上移到父节点（但父节点不存数据） |
| 删除 | 可能在任何节点合并或借用键值，删除内部节点键值时需要处理子节点 | 只从叶子节点删除数据，内部节点的键值可能保留作为索引（即使对应数据已删） |
| 节点利用率 | 相对较低（键和数据混存） | 更高（内部节点只存键，可以存储更多键，树的高度更低） |
| 分裂频率 | 节点存数据，键数量少，分裂更频繁 | 内部节点只存键，可容纳更多键，相对不易分裂 |
六、性能特点对比
| 维度 | B树 | B+树 |
|---|---|---|
| 单点查找 | 平均更快（可能中途命中） | 稳定 O(logₘN)，必须到叶子层 |
| 范围查询 | 较差（需中序遍历） | 极好（利用叶子链表） |
| 磁盘I/O | 可能更少（非叶子节点命中时） | 稳定（树高通常更低） |
| 缓存效率 | 一般 | 更高（内部节点更小，可缓存更多索引） |
| 顺序访问 | 不支持 | 支持（叶子链表） |
| 空间利用率 | 键+数据占用节点空间 | 内部节点纯索引，空间利用率更高 |
七、实际应用场景
B树的典型应用
- 较少使用在现代数据库和文件系统中
- 一些旧的或特定的嵌入式数据库（如某些NoSQL存储引擎）
- 需要频繁单点查找且范围查询极少的场景
B+树的典型应用
- 主流关系型数据库：MySQL（InnoDB引擎）、PostgreSQL、Oracle
- 文件系统：NTFS、ReiserFS、XFS等
- 大多数现代数据库索引（聚簇索引、辅助索引）
- 需要高效范围查询、分页查询、排序操作的场景
补充说明：MySQL的InnoDB引擎默认使用B+树作为索引结构，主要原因就是B+树对范围查询、排序、分页支持更好，且磁盘I/O更稳定可控。
八、为什么 B+ 树在数据库领域更流行？
- 范围查询效率高：数据库常见的
BETWEEN、>、<、ORDER BY、分页查询等，B+树通过叶子链表可高效完成。 - 磁盘I/O更友好：
- 内部节点只存键，同样大小的磁盘块可以存储更多的键，使得树的高度更低
- 查找过程中，非叶子节点可以全部缓存在内存中，减少磁盘I/O
- 数据存储稳定：所有数据都在叶子节点，查询复杂度稳定，便于性能分析和预测。
- 全表扫描友好：直接遍历叶子节点链表即可，无需复杂的树遍历。
- 缓存命中率高：内部节点紧凑，更容易被缓存。
九、总结对比表
| 对比项 | B树 | B+树 |
|---|---|---|
| 数据存储位置 | 所有节点 | 仅叶子节点 |
| 内部节点内容 | 键 + 数据指针 | 仅键 |
| 叶子节点是否连接 | 通常不连接 | 有链表连接 |
| 单点查找 | 可能非叶子命中 | 必须到叶子 |
| 范围查询 | 慢（需中序递归） | 快（链表遍历） |
| 树高 | 较高（节点存数据） | 较低（内部节点存更多键） |
| 典型应用 | 较少，特定场景 | 主流数据库、文件系统 |
如果需要，我可以进一步为你讲解 B+树在MySQL InnoDB中的具体实现（聚簇索引 vs 辅助索引），或者深入说明 B树/B+树的插入分裂与删除合并的具体过程。
面试回答
B+ 树和 B 树都是平衡的多路搜索树，但 B+ 树可以看作是 B 树的一种‘进化版’。它们在磁盘 I/O 优化这个目标上是一致的，但 B+ 树在结构设计上做了几个关键改进，让它在数据库和文件系统里应用更广。
1. 数据存储位置不同（最核心的区别）
- B 树：所有节点（包括根节点、内部节点、叶子节点）都存数据。也就是说，你搜一个值，可能在根节点就找到了，不一定要到叶子节点。
- B+ 树：只有叶子节点存数据，内部节点只存索引（也就是键值和指向下一层的指针）。
这个差异带来的好处是：B+ 树的内部节点能存更多的索引项，同样大小的磁盘块，B+ 树的分叉数（阶数）更高，树的高度就更低。树越低，查询时磁盘 I/O 次数就越少，这对数据库来说非常关键。
2. 叶子节点结构不同（影响范围查询）
- B 树：叶子节点之间是没有指针连接的，相互独立。
- B+ 树：所有叶子节点用指针串成一个有序链表。
这个设计让 B+ 树做范围查询特别快。比如你查‘id between 10 and 20’，B+ 树只需要找到 10 所在的叶子节点，然后顺着链表往后遍历就行了。而 B 树要做中序遍历，需要不断回溯到父节点再下来，随机I/O更多，性能差不少。这也是为什么 MySQL 的 InnoDB 引擎用 B+ 树而不是 B 树的原因 (业务里范围查询太常见了)
3. 查询效率的稳定性不同
- B 树：数据分散在各层，查询时间不稳定，好的情况 O(1) 就找到了，坏情况要到叶子层。
- B+ 树：所有数据都在叶子节点，每次查询都必须从根走到叶子，路径长度固定，所以查询时间是稳定的 O(log n)。
结合上面三点，B+ 树在磁盘 I/O 更少、范围查询更快、查询时间稳定这三个维度上都优于 B 树。而且B+ 树内部节点只存键值，不存数据，数据都在叶子节点，这样缓存命中率更高——内部节点可以常驻内存，大部分查询只需要一次叶子节点的磁盘 I/O。B 树虽然在某些点查询上可能更快（比如数据在上层就命中了），但综合来看，B+ 树更适合大规模数据、磁盘存储、高并发的场景，所以主流数据库都选它。
追加：那 B 树还有用吗？
B 树也不是完全没用了。在一些非磁盘存储、或者点查询特别多且不需要范围查询的场景，B 树还是有优势的，比如某些内存数据库。但整体来说，在磁盘数据库这块，B+ 树是绝对的主流。
到此这篇关于b+树与b树区别的文章就介绍到这了,更多相关b+树与b树的区别内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！