深入理解B树与B+树（Python语言实现与应用场景对比）

B树 vs B+树：核心区别

Python简易实现示例

下面是一个简化版的B+树插入逻辑（完整实现较复杂，此处仅展示核心思想）：

class BPlusTreeNode:    def __init__(self, leaf=False):        self.leaf = leaf        self.keys = []        self.children = []        self.next = None  # 用于连接叶子节点class BPlusTree:    def __init__(self, degree):        self.root = BPlusTreeNode(leaf=True)        self.degree = degree  # 阶数    def insert(self, key):        root = self.root        if len(root.keys) == (2 * self.degree) - 1:            # 根节点已满，需要分裂            new_root = BPlusTreeNode()            self.root = new_root            new_root.children.append(root)            self._split_child(new_root, 0)            self._insert_non_full(new_root, key)        else:            self._insert_non_full(root, key)    def _insert_non_full(self, node, key):        i = len(node.keys) - 1        if node.leaf:            node.keys.append(None)            while i >= 0 and key < node.keys[i]:                node.keys[i + 1] = node.keys[i]                i -= 1            node.keys[i + 1] = key        else:            while i >= 0 and key < node.keys[i]:                i -= 1            i += 1            if len(node.children[i].keys) == (2 * self.degree) - 1:                self._split_child(node, i)                if key > node.keys[i]:                    i += 1            self._insert_non_full(node.children[i], key)    def _split_child(self, parent, index):        degree = self.degree        child = parent.children[index]        new_child = BPlusTreeNode(leaf=child.leaf)        parent.keys.insert(index, child.keys[degree - 1])        parent.children.insert(index + 1, new_child)        new_child.keys = child.keys[degree:]        child.keys = child.keys[:degree - 1]        if not child.leaf:            new_child.children = child.children[degree:]            child.children = child.children[:degree]        else:            # 连接叶子节点            new_child.next = child.next            child.next = new_child

注意：上述代码仅为教学目的，未处理边界情况和完整删除逻辑。实际工程中建议使用成熟的库（如 sortedcontainers 或数据库引擎）。

应用场景对比

- B树：适用于需要频繁单点查询且数据量适中的场景，如某些文件系统（NTFS）。

- B+树：更适合数据库索引（如MySQL、PostgreSQL），因其支持高效的范围查询和顺序扫描，这也是为什么数据库索引普遍采用B+树结构。

总结

虽然B树和B+树都是平衡多路搜索树，但B+树通过将数据集中到叶子节点并建立链表连接，在范围查询和磁盘I/O优化方面表现更优。对于学习Python数据结构的同学来说，理解这两种树的差异，有助于深入掌握数据库底层原理。

关键词回顾：B树、B+树、Python数据结构、数据库索引