動(dòng)態(tài)查找樹主要有二叉查找樹（Binary Search Tree，BST），平衡二叉查找樹（Balanced Binary Search Tree，AVL）， 紅黑樹 (Red-Black Tree )，都是典型的二叉查找樹結(jié)構(gòu)，查找的時(shí)間復(fù)雜度都與樹的深度相關(guān)，降低樹的深度會(huì)提高查找效率，于是有了多路的B-tree/B+-tree/ B*-tree。
一、 B-tree VS B+ tree
首先注意：B樹就是B-樹，"-"是個(gè)連字符號(hào)，不是減號(hào)。
B-樹是一種平衡的多路查找(又稱排序)樹，在文件系統(tǒng)中有所應(yīng)用。主要用作文件的索引。其中的B就表示平衡(Balance)
B樹的優(yōu)勢(shì)是當(dāng)你要查找的值恰好處在一個(gè)非葉子節(jié)點(diǎn)時(shí)，查找到該節(jié)點(diǎn)就會(huì)成功并結(jié)束查詢，而B+樹由于非葉節(jié)點(diǎn)只是索引部分，這些節(jié)點(diǎn)中只含有其子樹中的最大(或最小)關(guān)鍵字，當(dāng)非終端節(jié)點(diǎn)上的關(guān)鍵字等于給點(diǎn)值時(shí)，查找并不終止，而是繼續(xù)向下直到葉子節(jié)點(diǎn)。因此在B+樹中，無論查找成功與否，都是走了一條從根到葉子節(jié)點(diǎn)的路徑。
B+樹有一個(gè)最大的好處，方便掃庫(kù)，B樹必須用中序遍歷的方法按序掃庫(kù)，而B+樹直接從葉子結(jié)點(diǎn)挨個(gè)掃一遍就完了。
B+樹支持range-query(區(qū)間查詢)非常方便，而B樹不支持。這是數(shù)據(jù)庫(kù)選用B+樹的最主要原因。
比如要查 5-10之間的，B+樹一把到5這個(gè)標(biāo)記，再一把到10，然后串起來就行了，B樹就非常麻煩。B樹的好處，就是成功查詢特別有利，因?yàn)闃涞母叨瓤傮w要比B+樹矮。不成功的情況下，B樹也比B+樹稍稍占一點(diǎn)點(diǎn)便宜。
有很多基于頻率的搜索是選用B樹，越頻繁query的結(jié)點(diǎn)越往根上走，前提是需要對(duì)query做統(tǒng)計(jì)，而且要對(duì)key做一些變化。 另外B樹也好B+樹也好，根或者上面幾層因?yàn)楸环磸?fù)query，所以這幾塊基本都在內(nèi)存中，不會(huì)出現(xiàn)讀磁盤IO，一般已啟動(dòng)的時(shí)候，就會(huì)主動(dòng)換入內(nèi)存。 mysql底層存儲(chǔ)是用B+樹實(shí)現(xiàn)的，因?yàn)閮?nèi)存中B+樹是沒有優(yōu)勢(shì)的，但是一到磁盤，B+樹的威力就出來了。
二、 B+ tree VS B* tree
B*樹 是B+樹的變體，在B+樹的非根和非葉子結(jié)點(diǎn)再增加指向兄弟的指針；B*樹定義了非葉子結(jié)點(diǎn)關(guān)鍵字個(gè)數(shù)至少為(2/3)*M，即塊的最低使用率為2/3（代替B+樹的1/2）。
B+樹的分裂：當(dāng)一個(gè)結(jié)點(diǎn)滿時(shí)，分配一個(gè)新的結(jié)點(diǎn)，并將原結(jié)點(diǎn)中1/2的數(shù)據(jù)復(fù)制到新結(jié)點(diǎn)，最后在父結(jié)點(diǎn)中增加新結(jié)點(diǎn)的指針；B+樹的分裂只影響原結(jié)點(diǎn)和父結(jié)點(diǎn)，而不會(huì)影響兄弟結(jié)點(diǎn)，所以它不需要指向兄弟的指針
B*樹的分裂：當(dāng)一個(gè)結(jié)點(diǎn)滿時(shí)，如果它的下一個(gè)兄弟結(jié)點(diǎn)未滿，那么將一部分?jǐn)?shù)據(jù)移到兄弟結(jié)點(diǎn)中，再在原結(jié)點(diǎn)插入關(guān)鍵字，最后修改父結(jié)點(diǎn)中兄弟結(jié)點(diǎn)的關(guān)鍵字（因?yàn)樾值芙Y(jié)點(diǎn)的關(guān)鍵字范圍改變了）；如果兄弟也滿了，則在原結(jié)點(diǎn)與兄弟結(jié)點(diǎn)之間增加新結(jié)點(diǎn)，并各復(fù)制1/3的數(shù)據(jù)到新結(jié)點(diǎn)，最后在父結(jié)點(diǎn)增加新結(jié)點(diǎn)的指針
所以，B*樹分配新結(jié)點(diǎn)的概率比B+樹要低，空間使用率更高。
三、 B+ tree VS LSM tree
LSM樹是HBase里非常有創(chuàng)意的一種數(shù)據(jù)結(jié)構(gòu)，它和傳統(tǒng)的B+樹不太一樣，下面先說說B+樹。
B+ tree
B+樹大家已經(jīng)非常的熟悉，如下圖所示：
根節(jié)點(diǎn)和枝節(jié)點(diǎn)很簡(jiǎn)單，分別記錄每個(gè)葉子節(jié)點(diǎn)的最小值，并用一個(gè)指針指向葉子節(jié)點(diǎn)。
葉子節(jié)點(diǎn)里每個(gè)鍵值都指向真正的數(shù)據(jù)塊（如Oracle里的RowID），每個(gè)葉子節(jié)點(diǎn)都有前指針和后指針，這是為了做范圍查詢時(shí)，葉子節(jié)點(diǎn)間可以直接跳轉(zhuǎn)，從而避免再去回溯至枝和跟節(jié)點(diǎn)。
B+樹最大的性能問題是會(huì)產(chǎn)生大量的隨機(jī)IO，隨著新數(shù)據(jù)的插入，葉子節(jié)點(diǎn)會(huì)慢慢分裂，邏輯上連續(xù)的葉子節(jié)點(diǎn)在物理上往往不連續(xù)，甚至分離的很遠(yuǎn)，但做范圍查詢時(shí)，會(huì)產(chǎn)生大量讀隨機(jī)IO。
對(duì)于大量的隨機(jī)寫也一樣，舉一個(gè)插入key跨度很大的例子，如7->1000->3->2000 ... 新插入的數(shù)據(jù)存儲(chǔ)在磁盤上相隔很遠(yuǎn)，會(huì)產(chǎn)生大量的隨機(jī)寫IO。
從上面可以看出，低下的磁盤尋道速度嚴(yán)重影響性能（近些年來，磁盤尋道速度的發(fā)展幾乎處于停滯的狀態(tài)）。
LSM tree
為了克服B+樹的弱點(diǎn)，HBase引入了LSM樹的概念，即Log-Structured Merge-Trees。
為了更好的說明LSM樹的原理，下面舉個(gè)比較極端的例子：
現(xiàn)在假設(shè)有1000個(gè)節(jié)點(diǎn)的隨機(jī)key，對(duì)于磁盤來說，肯定是把這1000個(gè)節(jié)點(diǎn)順序?qū)懭氪疟P最快，但是這樣一來，讀就悲劇了，因?yàn)閗ey在磁盤中完全無序，每次讀取都要全掃描；
那么，為了讓讀性能盡量高，數(shù)據(jù)在磁盤中必須得有序，這就是B+樹的原理，但是寫就悲劇了，因?yàn)闀?huì)產(chǎn)生大量的隨機(jī)IO，磁盤尋道速度跟不上。
LSM樹本質(zhì)上就是在讀寫之間取得平衡，和B+樹相比，它犧牲了部分讀性能，用來大幅提高寫性能。
它的原理是把一顆大樹拆分成N棵小樹， 它首先寫入到內(nèi)存中（內(nèi)存沒有尋道速度的問題，隨機(jī)寫的性能得到大幅提升），在內(nèi)存中構(gòu)建一顆有序小樹，隨著小樹越來越大，內(nèi)存的小樹會(huì)flush到磁盤上。當(dāng)讀時(shí)，由于不知道數(shù)據(jù)在哪棵小樹上，因此必須遍歷所有的小樹，但在每顆小樹內(nèi)部數(shù)據(jù)是有序的。
以上就是LSM樹最本質(zhì)的原理，有了原理，再看具體的技術(shù)就很簡(jiǎn)單了:
1）首先說說為什么要有WAL（Write Ahead Log），很簡(jiǎn)單，因?yàn)閿?shù)據(jù)是先寫到內(nèi)存中，如果斷電，內(nèi)存中的數(shù)據(jù)會(huì)丟失，因此為了保護(hù)內(nèi)存中的數(shù)據(jù)，需要在磁盤上先記錄logfile，當(dāng)內(nèi)存中的數(shù)據(jù)flush到磁盤上時(shí)，就可以拋棄相應(yīng)的Logfile。
2）什么是memstore, storefile？很簡(jiǎn)單，上面說過，LSM樹就是一堆小樹，在內(nèi)存中的小樹即memstore，每次flush，內(nèi)存中的memstore變成磁盤上一個(gè)新的storefile。
3）為什么會(huì)有compact？很簡(jiǎn)單，隨著小樹越來越多，讀的性能會(huì)越來越差，因此需要在適當(dāng)?shù)臅r(shí)候，對(duì)磁盤中的小樹進(jìn)行merge，多棵小樹變成一顆大樹。
參考：
