>[danger] 一切数据皆文件。
[TOC]
## 一、B树和B+树的区别
### 1、树的深度不同
B树的每个节点存储了key和data,key是一条数据记录的键值 ,是唯一的,data存储的是数据记录除key以外的数据。而B+树只在叶子节点存储data数据,这样非叶子节点就能存储更多的key。所以B+树相较于B树来说更加的矮胖,因为索引树很大不能一次IO读取进内存,树的深度越浅,查找数据时IO的次数就越少,效率就更快。
![](https://img.kancloud.cn/99/8b/998bdefa620436107c57843fc45a13ca_932x303.png)
### 2、叶子节点有序
B+树的每个叶子节点的指针指向相邻的叶子节点,构成一个**有序链表**,可以按照关键码排序的次序遍历全部记录。由于数据顺序排列并且相连,所以便于区间查找和搜索。而B树叶子节点指针为null,则需要进行每一层的递归遍历。相邻的元素可能在内存中不相邻,所以缓存命中性没有B+树好。
![](https://img.kancloud.cn/36/6a/366abb1687eb210bb44a3fb00c481291_920x340.png)
## 二、B+树在不同存储引擎中的区别
### Innodb
- 在**Innodb**存储引擎下,数据存放在两个文件中,frm文件是存放表结构数据,.ibd存放的数据和索引。Innodb中用到的索引是**聚集索引**,即索引(B+树)和数据存放在一起。
![](https://img.kancloud.cn/81/9f/819ff94655a6d11f5ec91435dfab98aa_805x347.png)
### MyISAM
- **MyISAM**中则.frm是存放表结构数据,MYD是表数据,MYI是存放索引。其索引类型为**非聚集索引**,数据查找时先从索引文件中找到数据的物理地址;再根据物理地址直接取数。
![](https://img.kancloud.cn/46/67/466777d1836a3711637ddb3bc54b922a_559x463.png)
聚集索引的优点:
1、非叶子节点不存储data,只存储索引(指针和键值)
2、叶子节点不存储指针
3、顺序访问指针,提高区间访问的性能。
参考资料:https://blog.csdn.net/weixin_43256529/article/details/111730659
- 前言
- 第一部分 计算机网络与操作系统
- 大量的 TIME_WAIT 状态 TCP 连接,对业务有什么影响?怎么处理?
- 性能占用
- 第二部分 Java基础
- 2-1 JVM
- JVM整体结构
- 方法区
- JVM的生命周期
- 堆对象结构
- 垃圾回收
- 调优案例
- 类加载机制
- 执行引擎
- 类文件结构
- 2-2 多线程
- 线程状态
- 锁与阻塞
- 悲观锁与乐观锁
- 阻塞队列
- ConcurrentHashMap
- 线程池
- 线程框架
- 彻底搞懂AQS
- 2-3 Spring框架基础
- Spring注解
- Spring IoC 和 AOP 的理解
- Spring工作原理
- 2-4 集合框架
- 死磕HashMap
- 第三部分 高级编程
- Socket与NIO
- 缓冲区
- Bybuffer
- BIO、NIO、AIO
- Netty的工作原理
- Netty高性能原因
- Rabbitmq
- mq消息可靠性是怎么保障的?
- 认证授权
- 第四部分 数据存储
- 第1章 mysql篇
- MySQL主从一致性
- Mysql的数据组织方式
- Mysql性能优化
- 数据库中的乐观锁与悲观锁
- 深度分页
- 从一条SQL语句看Mysql的工作流程
- 第2章 Redis
- Redis缓存
- redis key过期策略
- 数据持久化
- 基于Redis分布式锁的实现
- Redis高可用
- 第3章 Elasticsearch
- 全文查询为什么快
- battle with mysql
- 第五部分 数据结构与算法
- 常见算法题
- 基于数组实现的一个队列
- 第六部分 真实面试案例
- 初级开发面试材料
- 答案部分
- 现场编码
- 第七部分 面试官角度
- 第八部分 计算机基础
- 第九部分 微服务
- OpenFeign工作原理