在資料之外，資料庫系統還維護著滿足特定查詢演算法的資料結構，這些資料結構以某種方式引用（指向）資料，這樣就可以在這些資料結構上實現高階查詢演算法。這種資料結構，就是索引。
b-tree是一種平衡的多路查詢(又稱排序)樹，在檔案系統中和資料庫系統中有所應用。主要用作檔案的索引。其中的b就表示平衡(balance)。
為了描述b-tree，首先定義一條資料記錄為乙個二元組[key, data]，key為記錄的鍵值，對於不同資料記錄，key是互不相同的；data為資料記錄除key外的資料。那麼b-tree是滿足下列條件的資料結構：
d為大於1的乙個正整數，稱為b-tree的度
h為乙個正整數，稱為b-tree的高度
key和指標互相間隔，節點兩端是指標
乙個節點中的key從左到右非遞減排列
所有節點組成樹結構
每個指標要麼為null，要麼指向另外乙個節點
每個非葉子節點由n-1個key和n個指標組成，其中d<=n<=2d
每個葉子節點最少包含乙個key和兩個指標，最多包含2d-1個key和2d個指標，葉節點的指標均為null
所有葉節點具有相同的深度，等於樹高h
如果某個指標在節點node最左邊且不為null，則其指向節點的所有key小於key1，其中key1為node的第乙個key的值
如果某個指標在節點node最右邊且不為null，則其指向節點的所有key大於keym，其中keym為node的最後乙個key的值
如果某個指標在節點node的左右相鄰key分別是keyi和keyi+1且不為null，則其指向節點的所有key小於keyi+1且大於keyi
b-tree是乙個非常有效率的索引資料結構。這主要得益於b-tree的度可以非常大，高度會變的非常小，只需要二分幾次就可以找到資料。例如乙個度為d的b-tree，設其索引n個key，則其樹高h的上限為logd((n+1)/2))，檢索乙個key，其查詢節點個數的漸進複雜度為o(logdn)。
在b-tree中按key檢索資料的演算法非常直觀：
首先從根節點進行二分查詢，如果找到則返回對應節點的data
否則對相應區間的指標指向的節點遞迴進行查詢，如果找到則返回對應節點的data
如果找不到，則重複過程2，直到找到節點或找到null指標，前者查詢成功，後者查詢失敗。
b+tree是b-tree的一種變種。一般來說，b+tree比b-tree更適合實現外儲存索引結構，具體原因與外儲存器原理及計算機訪問原理有關，將在下篇文章中討論。
區別於b-tree:
每個節點的指標上限為2d而不是2d+1
內節點不儲存data，只儲存key；葉子節點不儲存指標
一般在資料庫系統或者檔案系統中，並不是直接使用b+tree作為索引資料結構的，而是在b+tree的基礎上做了優化，增加了順序訪問指標。提公升了區間查詢的效能。
如上圖所示，在b+tree的每個葉子節點增加乙個指向相鄰葉子節點的指標，就形成了帶有順序訪問指標的b+tree。例如要查詢18到30之間的資料記錄，只要先找到18，然後順著順序訪問指標就可以訪問到所有的資料節點。這樣就提公升了區間查詢的效能。資料庫的索引全掃瞄 index和索引範圍掃瞄 range就是基於此實現的。
mysql索引背後的資料結構及演算法原理
推薦閱讀
mysql——通過explain分析sql的執行計畫
mysql——索引基礎
mysql——索引優化實戰
資料庫索引 資料結構
我們就來說一說其中的原因。改進後的b 樹基於b 樹，b 樹又基於b樹，所以我們先從b樹談起 我們還是以person id,name,age 這個例項來講訴b樹。b樹是這樣的乙個資料結構 d為大於1的乙個正整數，稱為b tree的度。h為乙個正整數，稱為b tree的高度。每個非葉子節點由n 1個ke...
資料庫索引使用的資料結構
說白了，索引問題就是乙個查詢問題。資料庫索引，是資料庫管理系統中乙個排序的資料結構，以協助快速查詢 更新資料庫表中資料。索引的實現通常使用b樹及其變種b 樹。在資料之外，資料庫系統還維護著滿足特定查詢演算法的資料結構，這些資料結構以某種方式引用 指向 資料，這樣就可以在這些資料結構上實現高階查詢演算...
資料庫之索引的資料結構
索引的資料結構主要有以下幾種 1 生成索引，建立二叉查詢樹 二叉排序樹 二叉搜尋樹進行二分查詢 2 平衡二叉樹，紅黑樹 3 生成索引，建立b tree b樹 b 樹 結構進行查詢 4 生成索引，建立b tree b 樹 結構進行查詢 5 生成索引，建立hash結構進行查詢 6 生成索引，建立位圖結構...