前言
本文为系列文章
- B树的定义及数据的插入
- 数据的读取及遍历（本文）
- 数据的删除
前一篇文章为大家介绍了 B树 的基本概念及其插入算法。本文将基于前一篇的内容，为大家介绍插入到 B树 中的数据该怎么读取及遍历，
本文的代码基于前一篇文章的代码，已经实现的功能可能会被省略，只介绍新增的功能。
在本文开始前，再次复习下 B树 的顺序特性：
- 每个 节点 中的 Item 按 Key 有序排列（规则可以是自定义的）。
- 升序排序时，每个 Item 左子树 中的 Item 的 Key 均小于当前 Item 的 Key。
- 升序排序时，每个 Item 右子树 中的 Item 的 Key 均大于当前 Item 的 Key。
理解数据的顺序性对本文的理解至关重要。
查询数据
算法说明
B树 是基于二分查找算法进行设计的，某些资料中你也会看到用 多路搜索树 来归类 B树。
在 B树 中查找数据时，二分体现在两个方面：
- 在节点中查找数据时，使用二分查找算法。
- 当节点中找不到数据时，使用二分查找算法找到下一个节点。
具体的查找过程如下：
- 从根节点开始，在节点中使用二分查找算法查找数据。
- 如果没有找到数据，则根据查找的 Key 值与节点中的 Key 值的大小关系，决定下一个节点的位置。
- 重复步骤 1 和 2，直到找到数据或者找到叶子节点。如果在叶子节点中也没有找到数据，则说明数据不存在。
举例说明：
在下面的 B树 中，查找 Key 为 8 的数据。
- 从根节点开始，使用二分查找算法没有找到数据
- 根据 Key 值与节点中的 Key 值的大小关系，决定下一个节点的位置应该在 6 和 9 之间，也就是 6 的右子树。
- 在 6 的右子树中，使用二分查找算法找到了数据。
代码实现
前一篇文章我们定义了 Items 类，用于存储节点中的数据，并且在一开始就定义了一个二分查找算法，用于在 Items 查找 Item。
前一篇用它来找到合适的插入位置，现在我们用寻找已经存在的数据。
在当前节点找到 Item 时，index 对应的就是 Item 的位置。没找到时则代表下一个子树的索引。
理解代码时请参考下图：
internal class Items<TKey, TValue> { public bool TryFindKey(TKey key, out int index) { if (_count == 0) { index = 0; return false; } // 二分查找 int left = 0; int right = _count - 1; while (left <= right) { int middle = (left + right) / 2; var compareResult = _comparer.Compare(key, _items[middle]!.Key); if (compareResult == 0) { index = middle; return true; } if (compareResult < 0) { right = middle - 1; } else { left = middle + 1; } } index = left; return false; } } 在 Node 中，我们需要找到合适的子树，然后递归调用子节点的 TryFind 方法。
internal class Node<TKey, TValue> { public bool TryFind(TKey key, out Item<TKey, TValue?> item) { if (_items.TryFindKey(key, out int index)) { item = _items[index]; return true; } if (IsLeaf) { item = default!; return false; } return _children[index].TryFind(key, out item); } } BTree 类中，我们只需要调用根节点的 TryFind 方法即可。
public sealed class BTree<TKey, TValue> : IEnumerable<KeyValuePair<TKey, TValue?>> { public bool TryGetValue([NotNull] TKey key, out TValue? value) { ArgumentNullException.ThrowIfNull(key); if (_root == null) { value = default; return false; } if (!_root.TryFind(key, out var item)) { value = default; return false; } value = item.Value; return true; } } 查询最值
算法说明
B树的顺序性使得我们可以很方便的找到最值。
- 最小值：从根节点开始，一直往左子树走，直到叶子节点。
- 最大值：从根节点开始，一直往右子树走，直到叶子节点。
可以看到，B树 寻找最值的时间复杂度只和树的高度有关，而不是数据的个数，如果树的高度为 h，那么时间复杂度为 O(h)。只要树的 度(degree) 足够，每层能放的数据其实是很多的，那么树的高度就会很小，查询最值的时间复杂度也很小。
代码实现
internal class Node<TKey, TValue> { public Item<TKey, TValue?> Max() { // 沿着右子树一直走，直到叶子节点，叶子节点的最大值就是最大值 if (IsLeaf) { return _items[ItemsCount - 1]; } return _children[ChildrenCount - 1].Max(); } public Item<TKey, TValue?> Min() { // 沿着左子树一直走，直到叶子节点，叶子节点的最小值就是最小值 if (IsLeaf) { return _items[0]; } return _children[0].Min(); } } BTree 类中，我们只需要调用根节点的 Max 和 Min 方法即可。
public sealed class BTree<TKey, TValue> : IEnumerable<KeyValuePair<TKey, TValue?>> { public KeyValuePair<TKey, TValue?> Max() { if (_root == null) { throw new InvalidOperationException("BTree is empty."); } var maxItem = _root.Max(); return new KeyValuePair<TKey, TValue?>(maxItem.Key, maxItem.Value); } public KeyValuePair<TKey, TValue?> Min() { if (_root == null) { throw new InvalidOperationException("BTree is empty."); } var minItem = _root.Min(); return new KeyValuePair<TKey, TValue?>(minItem.Key, minItem.Value); } } B树的遍历
算法说明
B树的遍历和二叉树的遍历是相通的，都可以分为深度遍历和广度遍历。深度遍历又分为先序遍历、中序遍历和后序遍历。
本文将以中序遍历为例介绍 B树 的遍历，通过中序遍历可以对 B树 中的数据从小到大进行排序。
其他遍历方式的也都可以理解成 二叉树 遍历方式的拓展，有兴趣的读者朋友可以自行尝试实现一下。
不过，B树的遍历和二叉树的遍历还是有一些区别的，我们先来看一下二叉树的中序遍历。
二叉树的中序遍历分为下面几步：
- 先遍历左子树。
- 访问当前节点。
- 遍历右子树。
在每个子树中，重复上面的步骤。
以下面的二叉树为例再次说明一遍：
-
先遍历 8 的左子树 T1
-
在 T1 中先遍历 4 的左子树 T2
-
在 T2 中先遍历 2 的左子树，只有一个节点，直接访问 1，
-
在 T2 中访问 2
-
在 T2 中遍历 2 的右子树，只有一个节点，直接访问 3，T2 遍历完毕
-
在 T1 中访问 4
-
在 T1 中遍历 4 的右子树 T3
-
... 以此类推，直到遍历完整棵树。
B树的中序遍历也是类似的，只不过 B树 的节点中有多个 Item 和 多个 子树，我们需要遍历每个 Item 的 左右子树以及 Item 。
B树的中序遍历分为下面几步：
- 遍历节点中的第一个子树，也就是第一个 Item 的左子树。
- 遍历节点中的第一个 Item。
- 遍历节点中的第二个子树，也就是第一个 Item 的右子树。
- 直至遍历完所有的 Item，遍历节点中的最后一个子树。
在每个子树中，重复上面的步骤。
如下图所示，我们以中序遍历的方式遍历 B树，会先遍历 3 的左子树，然后访问 3，再遍历 3 的右子树，直至遍历完 9 的右子树。
代码实现
遍历每个节点的 Item 和 子树，我们可以使用递归的方式实现，代码如下：
internal class Node<TKey, TValue> { public IEnumerable<Item<TKey, TValue?>> InOrderTraversal() { var itemsCount = ItemsCount; var childrenCount = ChildrenCount; if (IsLeaf) { for (int i = 0; i < itemsCount; i++) { yield return _items[i]; } yield break; } // 左右子树并不是相当于当前的 node 而言，而是相对于每个 item 来说的 for (int i = 0; i < itemsCount; i++) { if (i < childrenCount) { foreach (var item in _children[i].InOrderTraversal()) { yield return item; } } yield return _items[i]; } // 最后一个 item 的右子树 if (childrenCount > itemsCount) { foreach (var item in _children[childrenCount - 1].InOrderTraversal()) { yield return item; } } } } BTree 实现了 IEnumerable 接口，以便我们可以使用 foreach 循环来遍历 BTree 中的所有 Item，其代码只要调用 Node 的 InOrderTraversal 方法即可：
public sealed class BTree<TKey, TValue> : IEnumerable<KeyValuePair<TKey, TValue?>> { public IEnumerator<KeyValuePair<TKey, TValue?>> GetEnumerator() { foreach (var item in _root!.InOrderTraversal()) { yield return new KeyValuePair<TKey, TValue?>(item.Key, item.Value); } } IEnumerator IEnumerable.GetEnumerator() { return GetEnumerator(); } } Benchmarks
最后，我们来看一下 Degree 对 BTree 的性能的影响。
注意，我们这里只考虑 B树的数据量远大于 Degree 的情况。
我们使用 BenchmarkDotNet 来测试，测试代码如下：
public class BTreeWriteBenchmarks { [Params(2, 3, 4, 5, 6)] public int Degree { get; set; } private HashSet<int> _randomKeys; [GlobalSetup] public void Setup() { _randomKeys = new HashSet<int>(); var random = new Random(); while (_randomKeys.Count < 1000) { _randomKeys.Add(random.Next(0, 100000)); } } [Benchmark] public void WriteSequential() { var bTree = new BTree<int, int>(Degree); for (var i = 0; i < 1000; i++) { bTree.Add(i, i); } } [Benchmark] public void WriteRandom() { var bTree = new BTree<int, int>(Degree); foreach (var key in _randomKeys) { bTree.Add(key, key); } } } public class BenchmarkConfig : ManualConfig { public BenchmarkConfig() { Add(DefaultConfig.Instance); Add(MemoryDiagnoser.Default); ArtifactsPath = Path.Combine(AppContext.BaseDirectory, "artifacts", DateTime.Now.ToString("yyyy-mm-dd_hh-MM-ss")); } } new BenchmarkSwitcher(new[] { typeof(BTreeReadBenchmarks), }).Run(args, new BenchmarkConfig()); 我们测试了 4 项性能指标，分别是顺序读、随机读、最小值、最大值、遍历，测试结果如下：
可以看到，在相同的数据量下，Degree 越大，性能越好，这是因为 Degree 越大，BTree 的高度越小，所以每次查找的时候，需要遍历的节点越少，性能越好。
但是不是真的 Degree 越大就越好呢，我们再来看下写入性能的测试结果：
public class BTreeWriteBenchmarks { [Params(2, 3, 4, 5, 6)] public int Degree { get; set; } private HashSet<int> _randomKeys; [GlobalSetup] public void Setup() { _randomKeys = new HashSet<int>(); var random = new Random(); while (_randomKeys.Count < 1000) { _randomKeys.Add(random.Next(0, 100000)); } } [Benchmark] public void WriteSequential() { var bTree = new BTree<int, int>(Degree); for (var i = 0; i < 1000; i++) { bTree.Add(i, i); } } [Benchmark] public void WriteRandom() { var bTree = new BTree<int, int>(Degree); foreach (var key in _randomKeys) { bTree.Add(key, key); } } } 测试结果如下：
可以看到，Degree 越大，写入性能也越好，每个节点的容量够大，需要分裂的次数就变少了。
总结
- B树是一种多路平衡查找树，可以基于二分查找的思路来查询数据。
- B树的数据量远大于 Degree 的情况下，B树的 Degree 越大，读写性能越好。如果是磁盘中的实现，每个节点要考虑到磁盘页的大小，Degree 会有上限。
参考资料
Google 用 Go 实现的内存版 B树 https://github.com/google/btree
