红黑树

B-Tree

这三个通常都是把内存全部加载到内存里，然后再内存中进行处理的，数据量通常不会很大。

内存一般容量都在GB级别，比如说现在常见的4G、8G或者16G。

如果要处理的数据规模非常大，大到内存根本存不下的时候。这个时候只能先存到硬盘里，硬盘呢

容量又比内存大的多，因为没有办法把大规模的数据读到内存里，所以只能分批次的把需要处理的

数据从硬盘调到内存里，进行进一步处理。

操作数据是需要CPU去执行相关的指令的，cpu是不能直接和硬盘进行交互的。硬盘里的数据必需

先调到内存里头，才能进一步和CPU进行交互，进行数据处理。可以叫做一次硬盘I/O，然而这个

访问速度是非常慢的，内存单次的访问时间是纳秒级别，但是硬盘的访问的毫秒级的，1毫秒等于

100万纳秒。

降低树高就可以减少非常耗时的硬盘操作。

B+Tree

节点之间是用指针连接成了一个链表的结构

B+Tree常被用作数据库中的索引结构，那实际上每个元素都包含指向对应记录存储地址的指针。那此时呢，结点内的元素又被称为关键字(key),通过关键字中包含的指针可以索引到数据库中的某一条记录。

B+Tree相当于数据表中的一个索引，可以通过关键字，快速定位到数据表中的某一条记录，实际

上关键字的指针指向的是数据文件中这一条（id=23)这一条的地址，其他关键字也是一样的都在最

下面画的那一排下面记录呢。B+Tree本身也是作为一个索引文件存储在硬盘里的，但在实际应用

中不一定非要以ID作为关键字，也可以将姓名作为关键字等（可以给同一个数据表构建多个不同关

键字的索引来应对各种各样的查询需求）。

因为叶子节点包含了所有的关键字，所以要顺序查找所有的关键字的记录，就像遍历链表一样，

非常的方便。如果要随机查找某一关键字，也需要挨个遍历去寻找呢？那么B+Tree的叶子节点不

就是解决这个问题吗？可以帮助我们快速定位到叶子节点某一关键字，相当于给叶子节点建立的索

引，目的就是实现以log级别的复杂度，去查找叶子节点上的某一关键字记录。

所以整个B+Tree是一套多级索引结构，目的就是为了加速查询的速度。我们只需要通过指向根节

点的指针，就可以以log级别的复杂度查找到指定关键字对应的记录。