一次真实的美团面试经历
那么，我们来看一次笔者的一次真实美团面试，面试官关于Mysql的数据结构的提问。
面试官：
Mysql的底层数据结构有了解过么？
帅航：
有，是B+树。
面试官：
为什么是B+树呢，刚才说到HashMap用的哈希表，红黑树查询效率都挺高的，为什么Mysql不用呢？
帅航：
哈希表的一次查询是很快，但是范围查询就很搓了；至于红黑树的话，由于二叉树的特性，数据量太大的情况下，树会很高，由于数据是存储在磁盘上的，这样与磁盘的IO会很频繁，是不可以接受的。所以选择B+树。
面试官：
那树高的问题B树也可以解决，为什么非要是B+树。
帅航：
因为B+树非叶子节点是不存储数据的，B树是存储数据的，而且B+树的叶子结点上有所有的数据，而B树的数据是散落在树的各个层级里面，且，B+树的子节点还有指针相连，是一个双向链表、这样，虽然B树的节点数比B+树少，但是应付一些全表扫描的场景上，B+树更有优势；并且，在范围查询的场景中，我们找到了一个值，B+树会更方便顺序取出剩下的所有值。
面试官：
Mysql中的B+树大概会有几层，查询的时间是怎么样的？
帅航：
B+树的高度在数据库中大概只有2到4层，磁盘的IO1秒至少完成100次，所以查询时间应该在0.02s到0.04s。
为什么是B+树
要理解这个问题，我们先要理解折半查找算法。对于查找算法来讲，效率最高的就大概是折半查找算法，有序数组的元素查找，包括跳表的原理都是这种类似的二分查找算法。
这种时间复杂度为O(log2n)的查找算法是很恐怖的，比如我们经常完的查数字的游戏，1到5000000的数字，我们第一次猜2500000，就可以排除一半的数据。要知道 2^23 = 8388608，也就是说，我们最多猜23次就可以找到你心里想的1到500万中的一个数字，这种效率真的是很恐怖。
那么再说一下二叉查找树，二叉查找树首先是一个二叉树。每个节点可以有左右两个子节点。那么二叉查找树就是树上面的任意一个节点，只要存在于左子树的上面的节点，就一定是小于这个节点的；只要是存在于右子树上面的节点，就一定是大于这个节点的。
这种性质的二叉树，就可以使用类似于折半算法，从根节点找起，如果寻找的节点大于根节点的值就去找右子树，如果寻找的节点小于根节点的值就去找左子树。
那么这样有没有什么问题呢？
问题就是，如果我这棵树是瘸腿的，就会近似的退化成一个链表。
而这种的查找又只能从头开始遍历。所以为了不让树“瘸腿”，有了二叉平衡树和红黑树，这两种树都会让整棵树维持一种“平衡”，不会出现这种大“瘸腿”的现象，从而保证了查找的效率。
那么这种数据结构在内存中是没有什么问题的，但是在磁盘中就会有问题了，我们都知道磁盘没有内存那么快，这种频繁的查找IO肯定是不行的，那么就引出了B树（B树就是B-树）。
B树有如下特性：
是一种多路搜索树（并不是二叉的）：
1.定义任意非叶子结点最多只有M个儿子，且M>2；
2.根结点的儿子数为[2, M]；
3.除根结点以外的非叶子结点的儿子数为[M/2, M]；
4.每个结点存放至少M/2-1（取上整）和至多M-1个关键字；（至少2个关键字）
5.非叶子结点的关键字个数=指向儿子的指针个数-1；
6.非叶子结点的关键字：K[1], K[2], …, K[M-1]，且K[i] < K[i+1]；
7.非叶子结点的指针：P[1], P[2], …, P[M]，其中P[1]指向关键字小于K[1]的子树，P[M]指向关键字大于K[M-1]的子树，其它P[i]指向关键字属于(K[i-1], K[i])的子树；
8.所有叶子结点位于同一层；
如：（M=3）
这样就降低了树的高度，也就降低了磁盘的IO次数。但是很遗憾，数据库采用的还不是B树，而是B+树。
B+树的特性：
B+树是B-树的变体，也是一种多路搜索树：
1.其定义基本与B-树同，除了：
2.非叶子结点的子树指针与关键字个数相同；
3.非叶子结点的子树指针P[i]，指向关键字值属于[K[i], K[i+1])的子树
4.B-树是开区间；
5.为所有叶子结点增加一个链指针；
6.所有关键字都在叶子结点出现；
如：（M=3）
mysql就是使用这种B+树来存储数据的，就像面试中笔者的回答，所有的数据都在叶子节点，方便做全文检索，且，每次IO的次数都是一样的，比较稳定。
