网络上看了很多关于B-TREE的总结，b树,B-树,B+树,B*树(艾玛怎么还4个呢？都快蒙圈了呢)，

有的真的很精彩令人佩服，但是都是篇幅太长啊，一大长段的文字就让人望而生畏啊。干脆做一个简化版的总结，通俗移动点介绍下，说说他们的区别。

一.B树

Binary Tree，就是一个二叉树。(什么K呀h，n啥的公式这里不说了，有兴趣的可以自己搜搜..) （1）所有非叶子结点至多拥有两个儿子（Left和Right）； （2）所有结点存储一个关键字； （3）非叶子结点的左指针指向小于其关键字的子树，右指针指向大于其关键字的子树；（简单说，左边比自己小，右边比自己大）

二.B-树

平衡二叉树（Balance Binary Tree） --AVL树【这里的B，其实是balance的意思哦~】 （1）根节点的左子树和右子树的深度最多相差1.(确保了不会出现上图右边的极端现象) （2）根节点的左子树和右子树叶都是一棵平衡二叉树。 （3）所有结点都有存储关键字； 无论插入的序列是怎么样，我们都能通过调整构建一棵平衡二叉树，保证二叉树中的每个节点的平衡因子都不会大于1，保证了树的深度达到最浅，从而比较的次数就会更少，时间复杂度就会降低

三.B+树

B+的搜索与B-树也基本相同，区别是B+树只有达到叶子结点才命中（B-树可以在非叶子结点命中） （1）所有关键字都出现在叶子结点的链表中（稠密索引），且链表中的关键字恰好是有序的；（只有根节点存储关键字最后树的末梢才有值) （2）非叶子结点相当于是叶子结点的索引（稀疏索引），叶子结点相当于是存储（关键字）数据的数据层。（非根节点，存储的其实是指向根节点的索引） （3） 因为前两点，所以不可能在非叶子结点存数据。(区别B-的第三条) （4）根节点横向也有链指针(方便快速顺藤摸瓜嘛，没这个指针，就算下一个取的值是挨着的邻居，也得跑个圈才能拿到)

注意，我们一般用到的索引结果，或者通常指的B-TREE结构，大部分就是在说B+结构啦~~

一篇还不错的文章，介绍了B+树插入的过程：http://hedengcheng.com/?p=525

四.B*树

是B+树的变体， （1）B+树的非根和非叶子结点再增加指向兄弟的指针；[对比上边B+的第4条，在非根节点也添加横向链表]

图 B * 树

 

五.总结：

 B树：二叉树，

每个结点只存储一个关键字，等于则命中，小于走左结点，大于走右结点；(但B树在经过多次插入与删除后，有可能导致不同的结构),为此，加上平衡算法后生成平衡二叉树，又称B-树

 B-树：在B 树的基础上，加上平衡算法，多路搜索树，

1.每个结点存储M/2到M个关键字， 2.非叶子结点存储指向关键字范围的子结点； 3.所有关键字在整颗树中出现，且只出现一次， 4.叶子节点，非叶子结点都可以命中（是否存了数据）；

B+树：在B-树基础上，

1.为叶子结点增加链表指针；

2.所有关键字都在叶子结点中出现，

3.非叶子结点作为叶子结点的索引；

4.B+树总是到叶子结点才命中；

B*树：在B+树基础上，为非叶子结点也增加链表指针，将结点的最低利用率从1/2提高到2/3；

  疑问：B*效率高了，但但觉为什么b*树用的比较少呢？????或者哪里有用吗？？可能还是见的太少了。。有了解的童鞋可以互相学习下，敬请赐教，在这里先谢谢啦~

解答：最近得知，有个叫Reiser4的文件系统好像使用到了这种结构。其作者Hans  Reiser，因为他老婆让他带了绿帽子，就把老婆杀了，蹲大牢了，直接影响到了项目进度。。。

 

参考：

https://blog.csdn.net/ty_hf/article/details/53526822

https://www.2cto.com/database/201411/351106.html