b樹（balance tree）和b+樹應用在資料庫索引，可以認為是m叉的多路平衡查詢樹，但是從理論上講，二叉樹查詢速度和比較次數都是最小的，為什麼不用二叉樹呢？
因為我們要考慮磁碟io的影響，它相對於記憶體來說是很慢的。資料庫索引是儲存在磁碟上的，當資料量大時，就不能把整個索引全部載入到記憶體了，只能逐一載入每乙個磁碟頁（對應索引樹的節點）。所以我們要減少io次數，對於樹來說，io次數就是樹的高度，而「矮胖」就是b樹的特徵之一，它的每個節點最多包含m個孩子，m稱為b樹的階，m的大小取決於磁碟頁的大小。
█乙個m階的b樹具有如下幾個特徵：
定義任意非葉子結點最多只有m個兒子，且m>2；
根結點的兒子數為[2, m]；
除根結點以外的非葉子結點的兒子數為[m/2, m]，向上取整；
非葉子結點的關鍵字個數=兒子數-1；
所有葉子結點位於同一層；
k個關鍵字把節點拆成k+1段，分別指向k+1個兒子，同時滿足查詢樹的大小關係。
█有關b樹的一些特性，注意與後面的b+樹區分：
關鍵字集合分布在整顆樹中；
任何乙個關鍵字出現且只出現在乙個結點中；
搜尋有可能在非葉子結點結束；
其搜尋效能等價於在關鍵字全集內做一次二分查詢；
█如圖是乙個3階b樹，順便講一下查詢元素5的過程：
1，第一次磁碟io，把9所在節點讀到記憶體，把目標數5和9比較，小，找小於9對應的節點；
2，第二次磁碟io，還是讀節點到記憶體，在記憶體中把5依次和2、6比較，定位到2、6中間區域對應的節點；
3，第三次磁碟io就不上圖了，跟第二步一樣，然後就找到了目標5。
可以看到，b樹在查詢時的比較次數並不比二叉樹少，尤其是節點中的數非常多時，但是記憶體的比較速度非常快，耗時可以忽略，所以只要樹的高度低，io少，就可以提高查詢效能，這是b樹的優勢之一。
█b樹的插入刪除元素操作：
比如我們要在下圖中插入元素4：
1，首先自頂向下查詢找到4應該在的位置，即3、5之間；
2，但是3階b樹的節點最多只能有2個元素，所以把3、4、5裡面的中間元素4上移（中間元素上移是插入操作的關鍵）；
3，上一層節點加入4之後也超載了，繼續中間元素上移的操作，現在根節點變成了4、9；
4，還要滿足查詢樹的性質，所以對元素進行調整以滿足大小關係，始終維持多路平衡也是b樹的優勢，最後變成這樣：
再比如我們要刪除元素11：
1，自頂向下查詢到11，刪掉它；
2，然後不滿足b樹的條件了，因為元素12所在的節點只有乙個孩子了，所以我們要「左旋」，元素12下來，元素13上去：
這時如果再刪除15呢？很簡單，當元素個數太少以至於不能再旋轉時，12直接上去就行了。
b+樹，是b樹的一種變體，查詢效能更好。m階的b+樹的特徵：
有n棵子樹的非葉子結點中含有n個關鍵字（b樹是n-1個），這些關鍵字不儲存資料，只用來索引，所有資料都儲存在葉子節點（b樹是每個關鍵字都儲存資料）。
所有的葉子結點中包含了全部關鍵字的資訊，及指向含這些關鍵字記錄的指標，且葉子結點本身依關鍵字的大小自小而大順序鏈結。
所有的非葉子結點可以看成是索引部分，結點中僅含其子樹中的最大（或最小）關鍵字。
通常在b+樹上有兩個頭指標，乙個指向根結點，乙個指向關鍵字最小的葉子結點。
同乙個數字會在不同節點中重複出現，根節點的最大元素就是b+樹的最大元素。
█b+樹相比於b樹的查詢優勢：
b+樹的中間節點不儲存資料，所以磁碟頁能容納更多節點元素，更「矮胖」；
b+樹查詢必須查詢到葉子節點，b樹只要匹配到即可不用管元素位置，因此b+樹查詢更穩定（並不慢）；
對於範圍查詢來說，b+樹只需遍歷葉子節點鍊錶即可，b樹卻需要重複地中序遍歷，如下兩圖：
B樹，B 樹和B 樹 B 樹的區別
之前一些概念混淆，現在更正一下。b樹 b tree樹即b樹，b即balanced，平衡的意思。因為b樹的原英文名稱為b tree，而國內很多人喜歡把b tree譯作b 樹，其實，這種直譯不好，容易產生誤解。如人們可能會以為b 樹是一種樹，而b樹又是一種樹。事實上，b tree就是指b樹。特此說明。先...
B樹，B 樹和B 樹的區別
b樹 即二叉搜尋樹 1.所有非葉子結點至多擁有兩個兒子 left和right 2.所有結點儲存乙個關鍵字 3.非葉子結點的左指標指向小於其關鍵字的子樹，右指標指向大於其關鍵字的子樹 如 b樹的搜尋，從根結點開始，如果查詢的關鍵字與結點的關鍵字相等，那麼就命中 否則，如果查詢關鍵字比結點關鍵字小，就進...
B樹，B 樹和B 樹的區別
即二叉搜尋樹 1.所有非葉子結點至多擁有兩個兒子 left和right 2.所有結點儲存乙個關鍵字 3.非葉子結點的左指標指向小於其關鍵字的子樹，右指標指向大於其關鍵字的子樹 如 b樹的搜尋，從根結點開始，如果查詢的關鍵字與結點的關鍵字相等，那麼就命中 否則，如果查詢關鍵字比結點關鍵字小，就進入左兒...