B树系列文章1. B树-介绍2. B树-查找3. B树-插入4. B树-删除 查找假设有一棵3阶B树，如下图所示。下面说明在该B树中查找52的过程首先，从根结点出发，根结点有两个键40和70，52在40和70之间，因此查找根结点的第二个儿子结点 接着，查找根结点的第二个儿子结点，该结点的第一个键值为55，52小于55，因此查找52可能在该结点的第一个儿子结点上 此时到达叶子结点，遍历该结点的键值列表，发现52在该键值列表上，说明该B树上有目标键值，搜索结束到达叶子结点时，如果叶子结点上没有目标键值，说明B树上没有目标键值，搜索结束。 可以看出来，上述都给经历过的每个结点的 第一个不小于52的键
B树系列文章1. B树-介绍2. B树-查找3. B树-插入4. B树-删除 查找假设有一棵3阶B树，如下图所示。下面说明在该B树中查找52的过程首先，从根结点出发，根结点有两个键40和70，52在40和70之间，因此查找根结点的第二个儿子结点 接着，查找根结点的第二个儿子结点，该结点的第一个键值为55，52小于55，因此查找52可能在该结点的第一个儿子结点上 此时到达叶子结点，遍历该结点的键值列表，发现52在该键值列表上，说明该B树上有目标键值，搜索结束到达叶子结点时，如果叶子结点上没有目标键值，说明B树上没有目标键值，搜索结束。 可以看出来，上述都给经历过的每个结点的 第一个不小于52的键
迎面走来了你的面试官，身穿格子衫，挺着啤酒肚，发际线严重后移的中年男子。手拿泡着枸杞的保温杯，胳膊夹着MacBook，MacBook上还贴着公司标语：“我爱加班”。面试开始，直入正题。面试官：你知道MySQL索引底层数据结构为啥用B+树？而不用B树、红黑树或者普通二叉树？我：这事谁知道作者咋想的？他可能是用B+树习惯了，个人爱好吧。面试官：你倒是挺看得开。今天的面试就先到这吧，后面有消息会主动联系你。后面还可能有消息吗？你们啥时候主动联系过我？实话实说的被拒，八股文背得溜反而被录取。好吧，等我看看一灯怎么总结的MySQL的八股文。我：要知道MySQL索引底层数据结构为啥用B+树，先要了解一下什
迎面走来了你的面试官，身穿格子衫，挺着啤酒肚，发际线严重后移的中年男子。手拿泡着枸杞的保温杯，胳膊夹着MacBook，MacBook上还贴着公司标语：“我爱加班”。面试开始，直入正题。面试官：你知道MySQL索引底层数据结构为啥用B+树？而不用B树、红黑树或者普通二叉树？我：这事谁知道作者咋想的？他可能是用B+树习惯了，个人爱好吧。面试官：你倒是挺看得开。今天的面试就先到这吧，后面有消息会主动联系你。后面还可能有消息吗？你们啥时候主动联系过我？实话实说的被拒，八股文背得溜反而被录取。好吧，等我看看一灯怎么总结的MySQL的八股文。我：要知道MySQL索引底层数据结构为啥用B+树，先要了解一下什
作为目前数据库引擎的两种主要数据结构，LSM-tree和B+-tree在业界已经有非常广泛的研究。相比B+-tree，LSM-tree牺牲一定的读性能以换取更小的写放大以及更低的存储成本，但这必须建立在已有的HDD和SSD的基础上。探索前沿研究，聚焦技术创新，本期DB·洞见由腾讯云数据库高级工程师王宏博进行分享，主要介绍一篇2022年FAST的论文，主题为“基于硬件透明压缩的B+树优化”。本次分享的论文针对可计算存储SSD（支持硬件透明压缩）提出了三种有趣的设计方法，从而极大地减少了B+-tree的写放大（10X）以使其接近甚至超越LSM-tree。以下为分享实录：完整视频：https://v
作为目前数据库引擎的两种主要数据结构，LSM-tree和B+-tree在业界已经有非常广泛的研究。相比B+-tree，LSM-tree牺牲一定的读性能以换取更小的写放大以及更低的存储成本，但这必须建立在已有的HDD和SSD的基础上。探索前沿研究，聚焦技术创新，本期DB·洞见由腾讯云数据库高级工程师王宏博进行分享，主要介绍一篇2022年FAST的论文，主题为“基于硬件透明压缩的B+树优化”。本次分享的论文针对可计算存储SSD（支持硬件透明压缩）提出了三种有趣的设计方法，从而极大地减少了B+-tree的写放大（10X）以使其接近甚至超越LSM-tree。以下为分享实录：完整视频：https://v
实际上它就是B树的变种，以一颗最大度数（max-degree）为4（4阶）的b+tree为例：所有的元素都会出现在叶子节点，叶子节点形成一个单向链表，每一个节点都会通过一个指针指向下一个元素。Mysql索引数据结构对经典的B+Tree树结构进行了优化。在原B+Tree树的基础上，增加了一个指向相邻叶子节点的链表指针，就形成了一个带有顺序指针的B+Tree，提高区间的访问性能。有利于数据库的排序操作。每个数据节点都是存储在一个页当中的。可以通过一个数据结构可视化的网站来简单演示一下。https://www.cs.usfca.edu/~galles/visualization/BPlusTree.
实际上它就是B树的变种，以一颗最大度数（max-degree）为4（4阶）的b+tree为例：所有的元素都会出现在叶子节点，叶子节点形成一个单向链表，每一个节点都会通过一个指针指向下一个元素。Mysql索引数据结构对经典的B+Tree树结构进行了优化。在原B+Tree树的基础上，增加了一个指向相邻叶子节点的链表指针，就形成了一个带有顺序指针的B+Tree，提高区间的访问性能。有利于数据库的排序操作。每个数据节点都是存储在一个页当中的。可以通过一个数据结构可视化的网站来简单演示一下。https://www.cs.usfca.edu/~galles/visualization/BPlusTree.
简介为什么Mysql考虑使用B+树，而不是B树，其实我们可以先了解下B树和B+树的特点来看下。B树特点※树的每个结点都会存储数据※单次查询不一定要遍历到树的根部，平均查询时间会比较快image.pngB+树特点※非叶子节点不存储数据，只存储（冗余）索引，索引包含主键和指针※叶子节点才真正存储数据※每个叶子节点互相链表相连，保证了范围查询的时效性(页之间用双向链表连接，数据间用单项链表链接)image.png※B+树只有叶子节点才存储数据，叶子节点包含双向指针指向，所以对于范围查询B+树明显优于B树。※IO对性能的影响，B树的每个节点都存储数据，而B+树只有叶子节点才存储数据，每个叶子所以查找相
简介为什么Mysql考虑使用B+树，而不是B树，其实我们可以先了解下B树和B+树的特点来看下。B树特点※树的每个结点都会存储数据※单次查询不一定要遍历到树的根部，平均查询时间会比较快image.pngB+树特点※非叶子节点不存储数据，只存储（冗余）索引，索引包含主键和指针※叶子节点才真正存储数据※每个叶子节点互相链表相连，保证了范围查询的时效性(页之间用双向链表连接，数据间用单项链表链接)image.png※B+树只有叶子节点才存储数据，叶子节点包含双向指针指向，所以对于范围查询B+树明显优于B树。※IO对性能的影响，B树的每个节点都存储数据，而B+树只有叶子节点才存储数据，每个叶子所以查找相
