B+樹

B+樹
類型	樹
用大O符號表示的時間複雜度
演算法 平均 最差 空間 $O(n)$ $O(n)$ 搜尋 $O(\log n)$ $O(\log n)$ 插入 $O(\log n)$ $O(\log n)$ 刪除 $O(\log n)$ $O(\log n)$

把鍵1-7連接到值 d₁-d₇ 的B+樹。鏈結串列（紅色）用於快速順序遍歷葉子節點。樹的分叉因子 $b$=4。

B+樹（英語：B+ tree）是一種樹資料結構，通常用於資料庫和作業系統的檔案系統中。B+樹的特點是能夠保持資料穩定有序，其插入與修改擁有較穩定的對數時間複雜度。B+樹元素由下而上插入，這與二元樹恰好相反。

B+樹在節點訪問時間遠遠超過節點內部訪問時間的時候，比可作為替代的實現有著實在的優勢。這通常在多數節點在次級儲存比如硬碟中的時候出現。通過最大化在每個內部節點內的子節點的數目減少樹的高度，平衡操作不經常發生，而且效率增加了。這種價值得以確立通常需要每個節點在次級儲存中占據完整的磁碟塊或近似的大小。

B+樹背後的想法是內部節點可以有在預定範圍內的可變數目的子節點。因此，B+樹不需要像其他自平衡二元搜尋樹那樣經常的重新平衡。對於特定的實現在子節點數目上的低和高邊界是固定的。例如，在 2-3 B 樹（常簡稱為2-3 樹）中，每個內部節點只可能有 2 或 3 個子節點。如果節點有無效數目的子節點則被當作處於違規狀態。

B+樹的創造者Rudolf Bayer沒有解釋「B」的意義，最常見的觀點是代表「平衡」（balanced）或其名字「Bayer」。

節點結構

在B+樹中的節點通常被表示為一組有序的元素和子指標。如果此B+樹的階數是m，則除了根之外的每個節點都包含最少 $\lfloor m/2\rfloor$ 個元素最多 $m-1$ 個元素，對於任意的結點有最多 m 個子指標。對於所有內部節點，子指標的數目總是比元素的數目多一個。所有葉子都在相同的高度上，葉結點本身按關鍵字大小從小到大連結。

演算法

尋找

尋找以典型的方式進行，類似於二元搜尋樹。起始於根節點，自頂向下遍歷樹，選擇其分離值在要尋找值的任意一邊的子指標。在節點內部典型的使用是二分尋找來確定這個位置。

插入

節點要處於違規狀態，它必須包含在可接受範圍之外數目的元素。

1. 首先，尋找要插入其中的節點的位置。接著把值插入這個節點中。
2. 如果沒有節點處於違規狀態則處理結束。
3. 如果某個節點有過多元素，則把它分裂為兩個節點，每個都有最小數目的元素。在樹上遞迴向上繼續這個處理直到到達根節點，如果根節點被分裂，則建立一個新根節點。為了使它工作，元素的最小和最大數目典型的必須選擇為使最小數不小於最大數的一半。

刪除

1. 首先，尋找要刪除的值。接著從包含它的節點中刪除這個值。
2. 如果沒有節點處於違規狀態則處理結束。
3. 如果節點處於違規狀態則有兩種可能情況：
   1. 它的兄弟節點，就是同一個父節點的子節點，可以把一個或多個它的子節點轉移到當前節點，而把它返回為合法狀態。如果是這樣，在更改父節點和兩個兄弟節點的分離值之後處理結束。
   2. 它的兄弟節點由於處在低邊界上而沒有額外的子節點。在這種情況下把兩個兄弟節點合併到一個單一的節點中，而且我們遞迴到父節點上，因為它被刪除了一個子節點。持續這個處理直到當前節點是合法狀態或者到達根節點，在其上根節點的子節點被合併而且合併後的節點成為新的根節點。

註解

假定 L 是節點允許擁有子節點的最小數目，而 U 是最大數目。則每個節點總是有在 L 和 U 之間（包含它們在內）個子節點，除了一個例外：根節點有從2到U（包含它們在內）個子節點。換句話說，根節點豁免於低邊界限制，而擁有它自己的低邊界2。這允許樹持有小數目的元素。根有一個子節點沒有意義，因為附著在這個子節點上的子樹可以簡單的附著在根節點上。允許根節點沒有子節點也是不需要的，因為沒有元素的樹典型的表示為沒有根節點。

Robert Tarjan 證明了均攤的分裂／合併數目是 2。

參見

• NTFS
• 資料庫
• 二元樹
• B# Tree
• B樹
• Bitmap index

外部連結

• B+ tree in C language（頁面存檔備份，存於網際網路檔案館）
• Open Source C++ B+ Tree Implementation
• B+ tree implementation as C++ template library（頁面存檔備份，存於網際網路檔案館）
• Perl implementation of B+ trees（頁面存檔備份，存於網際網路檔案館）
• java/C#/python implementations of B+ trees（頁面存檔備份，存於網際網路檔案館）
• Your Grandmother's guide to Algorithms Java implementation of in-memory B+-Trees and other algorithms.
• Study notes for B+ Trees - Insertion and Deletion
• Dr. Monge's B+ Tree index notes
• Link to how BTrees work（頁面存檔備份，存於網際網路檔案館）
• Evaluating the performance of CSB+-trees on Mutithreaded Architectures
• Effect of node size on the performance of cache conscious B+-trees
• Fractal Prefetching B+-trees
• Towards pB+-trees in the field: implementations Choices and performance
• Cache-Conscious Index Structures for Main-Memory Databases
• B+Tree Java SortedMap Implementation