「SQL」拜托，别再问我什么是 B+ 树了( 四 ) |数据结构|

本文插图
如果把 3604 这个身份证号插入到 3504 后面的话，这个节点的元素个数就有 3 个了，显然不符合二叉树的条件，此时就会造成页分裂，就需要调整这个节点以让它符合二叉树的条件。

本文插图
如图示：调整过后符合二叉树条件
这种由于页分裂造成的调整必然导致性能的下降，尤其是以身份证作为主键的话，由于身份证的随机性，必然造成大量的随机结点中的插入，进而造成大量的页分裂，进而造成性能的急剧下降，那如果是以自增 id 作为主键呢，由于新插入的表中生成的 id 比索引中所有的值都大，所以它要么合到已存在的节点（元素个数未满）中，要么放入新建的节点中（如下图示）所以如果是以自增 id 作为主键，就不存在页分裂的问题了，推荐！

本文插图
有页分裂就必然有页合并，什么时候会发生页合并呢，当删除表记录的时候，索引也要删除，此时就有可能发生页合并，如图示：

本文插图
当我们删除 id 为 7 ， 9 对应行的时候，上图中的索引就要更新，把 7 ， 9 删掉，此时 8 ， 10 就应该合到一个节点，不然 8 ， 10 分散在两个节点上，可能造成两次 IO 读，势必会影响查找效率! 那什么时候会发生页合并呢，我们可以定个阈值，比如对于 N 叉树来说，当节点的个数小于 N/2 的时候就应该和附近的节点合并，不过需要注意的是合并后节点里的元素大小可能会超过 N ，造成页分裂，需要再对父节点等进行调整以让它满足 N 叉树的条件。

本文插图
怎么根据索引查找行记录相信大家看完以上的 B+ 树索引的介绍应该还有个疑惑，怎么根据对应的索引值查找行记录呢，其实相应的行记录就放在最后的叶子节点中，找到了索引值，也就找到了行记录。如图示：

本文插图
可以看到，非叶子节点只存了索引值，只在最后一行才存放了行记录，这样极大地减小了索引了大小，而且只要找到索引值就找到了行记录，也提升了效率，
这种在叶节点存放一整行记录的索引被称为聚簇索引，其他的就称为非聚簇索引。

本文插图
关于 B+ 树的总结综上所述， B+树有以下特点：

每个节点中子节点的个数不能超过 N ，也不能小于 N/2（不然会造成页分裂或页合并）
根节点的子节点个数可以不超过 m/2 ，这是一个例外
m 叉树只存储索引，并不真正存储数据，只有最后一行的叶子节点存储行数据。
通过链表将叶子节点串联在一起，这样可以方便按区间查找

本文由日常中常用的 SQL 由浅入深地总结了 B+ 树的特点，相信大家应该对 B+ 树索引有了比较清晰地认识，所以说为啥我们要掌握底层原来，学完了 B+ 树，再看开头提的几个问题，其实也不过如此，深挖底层，有时候确实能让你以不变应万变。