B+树因高效磁盘I/O和范围查询被用于数据库索引。1. B树是多路平衡搜索树，节点含关键字与孩子指针，插入通过分裂保持平衡；2. B+树数据仅存叶子节点，内部节点仅作索引，叶子间以链表连接；3. 实现上B+树需区分内部与叶子节点结构，插入时复制关键字到父节点；4. 数据库如InnoDB选用B+树因其更矮、I/O少、范围查询快，主键索引叶子存整行数据，二级索引存主键值回表查询；5. 手动实现有助于理解索引机制与SQL优化。
在C++中实现B树和B+树，是理解数据库索引机制的关键。数据库如MySQL的InnoDB引擎使用B+树作为主键索引结构，主要原因在于其高效的磁盘I/O性能和范围查询能力。下面从原理出发，逐步讲解如何用C++实现B树与B+树，并说明它们在数据库索引中的作用。
B树的基本原理
B树是一种自平衡的多路搜索树，适用于磁盘等外部存储系统。它的核心特点是：
- 每个节点可以有多个孩子（m阶B树最多m个子节点）
- 所有叶子节点位于同一层
- 节点内关键字有序，支持二分查找
- 插入删除操作通过分裂与合并保持平衡
一个m阶B树满足以下性质：
- 根节点至少有两个子节点（除非是叶子）
- 非根非叶节点至少有⌈m/2⌉个子节点
- 关键字数量 = 子节点数 - 1
- 所有数据都存储在内部节点和叶子节点中
C++实现B树节点结构与插入逻辑
定义B树节点：
立即学习“C++免费学习笔记（深入）”；
template <typename T, int M>
struct BTreeNode {
bool isLeaf;
int n; // 当前关键字数量
T keys[M - 1]; // 最多M-1个关键字
BTreeNode\* children[M]; // 最多M个子节点
<pre class='brush:php;toolbar:false;'>BTreeNode() : isLeaf(true), n(0) {
for (int i = 0; i < M; ++i) children[i] = nullptr;
}};
插入操作的核心是递归插入并处理节点分裂：
- 从根开始找到合适的叶子节点插入位置
- 若插入后关键字超过M-1个，则进行分裂
- 分裂时中间关键字上移至父节点
分裂操作示例代码片段：
Blender Geometry Nodes Script Generator
下载
生成Blender Python (bpy)脚本，该脚本使用node_groups API和GeometryNodeTree接口程序化地创建几何节点修改器树，用于参数化3D资产生成。
void splitChild(BTreeNode<T, M>* parent, int idx) {
auto fullNode = parent->children[idx];
auto newNode = new BTreeNode<T, M>();
newNode->isLeaf = fullNode->isLeaf;
newNode->n = (M - 1) / 2;
<pre class='brush:php;toolbar:false;'>// 拷贝后半部分关键字
for (int i = 0; i < newNode->n; ++i)
newNode->keys[i] = fullNode->keys[(M + 1)/2 + i];
if (!fullNode->isLeaf) {
for (int i = 0; i <= newNode->n; ++i)
newNode->children[i] = fullNode->children[(M + 1)/2 + i];
}
// 更新原节点数量
fullNode->n = (M - 1) / 2;
// 将新节点插入父节点
for (int i = parent->n; i > idx; --i)
parent->children[i + 1] = parent->children[i];
parent->children[idx + 1] = newNode;
for (int i = parent->n - 1; i >= idx; --i)
parent->keys[i + 1] = parent->keys[i];
parent->keys[idx] = fullNode->keys[(M - 1)/2];
parent->n++;}
B+树与B树的区别及其实现要点
B+树是对B树的优化，特别适合数据库索引：
- 所有数据只存储在叶子节点，内部节点仅存索引
- 叶子节点之间用链表连接，便于范围扫描
- 树更矮，减少磁盘访问次数
- 每次查找都走到底层叶子，查询性能稳定
B+树节点设计需区分内部节点和叶子节点：
template <typename T, int M>
struct BPlusLeafNode;
<p>template <typename T, int M>
struct BPlusInternalNode {
bool isLeaf;
int n;
T keys[M - 1];
void* children[M]; // 可能指向内部或叶子节点
};</p><p>template <typename T, int M>
struct BPlusLeafNode {
bool isLeaf;
int n;
T keys[M - 1];
T values[M - 1]; // 实际数据或行指针
BPlusLeafNode* next; // 指向下一个叶子
};</p>插入过程中，当叶子节点满时，需要将一半数据迁移到新叶子，并更新链表指针。同时把第一个关键字复制到父节点（注意是复制而非移动），这保证了内部节点只起导航作用。
数据库索引为什么选择B+树
在数据库系统中，B+树成为主流索引结构的原因包括：
- 磁盘友好：每个节点大小可设为一页（如4KB），一次I/O读取一个完整节点
- 范围查询高效：叶子链表使得全表扫描或区间查询非常快
- 缓存命中率高：频繁访问的叶子节点可常驻内存
- 写放大可控：虽然分裂会带来开销，但批量插入可通过排序优化
InnoDB中，主键索引是聚簇索引，叶子节点直接存储整行数据；二级索引叶子节点存储主键值，查到后再回表。这种设计减少了重复数据存储，也保障了更新一致性。
基本上就这些。掌握B树与B+树的手动实现，有助于深入理解数据库底层行为，也能在开发高性能存储系统时做出合理决策。虽然实际工程中不会从零造轮子，但明白分裂、合并、旋转等机制，对调优SQL和索引设计至关重要。
