P2 B+树索引

编程入门行业动态更新时间:2024-10-27 16:25:13

P2 B+树<a href=https://www.elefans.com/category/jswz/34/1771159.html style= 索引"/>

P2 B+树索引

文章目录

- Task1 B+树页
- - B+树页
  - B+树内部结点
  - B+树叶子结点
- Task2 B+树操作
- - Task2 B+树插入和搜索的单一值
  - - 插入单一值
    - 搜索单一值
  - Task2 B+树删除
- Task3 叶子扫描的迭代器
- Task4 并行索引

Task1 B+树页

B+树页

实际上是每个B+树页面的标题部分，包含叶子页面和内部页面共享的信息。

报头格式(大小以字节为单位，共12字节):
| PageType (4) | CurrentSize (4) | MaxSize (4) |// define page type enum
enum class IndexPageType { INVALID_INDEX_PAGE = 0, LEAF_PAGE, INTERNAL_PAGE };
// 成员变量，内部页和叶页共享的属性
IndexPageType page_type_ __attribute__((__unused__));
int size_ __attribute__((__unused__));      // 键值对的数量，内部页的第一个键为无效值
int max_size_ __attribute__((__unused__));  // 键值对的容量

B+树内部结点

在内部页面中存储n个索引键和n+1个子指针(page_id)。

指针PAGE_ID(i)指向一个子树，其中所有键K满足:K(i) <= K < K(i+1)。

注意:由于键的数量不等于子指针的数量，所以第一个键总是无效的。也就是说，任何搜索/查找都应该忽略第一个键。

内部页面格式(键按递增顺序存储):
| HEADER | KEY(1)+PAGE_ID(1) | KEY(2)+PAGE_ID(2) | ... | KEY(n)+PAGE_ID(n) |#define MappingType std::pair<KeyType, ValueType>
//key -> page_id 的映射
MappingType array_[0];

B+树叶子结点

只支持唯一键。

叶页格式(键按顺序存储):
| HEADER | KEY(1) + RID(1) | KEY(2) + RID(2) | ... | KEY(n) + RID(n)HEADER格式(大小为字节，共16字节):
| PageType (4) | CurrentSize (4) | MaxSize (4) |  NextPageId (4)page_id_t next_page_id_;  // 先定位到一个叶子，再顺序向后扫描
//key->record_id 的映射，record id = page id combined with slot id
MappingType array_[0];

Task2 B+树操作

大部分操作在b_plus_tree.cpp实现

Context类用于记录操作B+树过程中需要记忆的路径、读写保护等

class Context {public:// 当您插入/删除B+树时，将头页的写保护存储在这里。// 当您想要解锁所有内容时，请记住取消标题页保护并将其设置为空值，即header_page.reset()std::optional<WritePageGuard> header_page_{std::nullopt};//在这里保存根页面id，以便更容易地知道当前页面是否是根页面。page_id_t root_page_id_{INVALID_PAGE_ID};// 要修改的页面的写保护的队列。std::deque<WritePageGuard> write_set_;// 读保护队列std::deque<ReadPageGuard> read_set_;auto IsRootPage(page_id_t page_id) -> bool { return page_id == root_page_id_; }
};

Task2 B+树插入和搜索的单一值

插入单一值

BPLUSTREE_TYPE::Insert()实现，若BPLUSTREE_TYPE::header_page_id_属性标识的根节点的页（BPlusTreeHeaderPage）的根节点页id无效，说明没有根页面，调用缓冲区的NewPage()新建root页，然后强转为BPlusTreeLeafPage类型，此时根节点就是叶子节点，然后BPlusTreeLeafPage::InsertAtLast()根叶后插k-v，标识正在使用该页，清空header_page_（检查header_page_id_标识的根节点页时，页就存在这里）。若有根节点就获取根节点页id，调用InsertIntoLeaf()

BPLUSTREE_TYPE::InsertIntoLeaf()开头就调用了BPLUSTREE_TYPE::FindLeaf()，此函数的作用是为插入/删除结点操作寻找目标叶，结果存在B+树类的Context类成员的write_set_中。回到函数，取出查找到的页，强转为BPlusTreeLeafPage后直接调用BPlusTreeLeafPage::Insert()插入k-v，若插入失败说明是重复键值对，清空header_page_和write_set_后退出，并且若叶页大小没超过叶子最大容量则此插入是安全插入，清空header_page_和write_set_后退出，剩下的情况就是叶页满了，需要分裂，调用Split()进行分裂，返回的新页引用是满页分裂出的兄弟叶页，之后调用InsertIntoParent()修改父结点结构。

BPLUSTREE_TYPE::InsertIntoParent()是个直接递归，在函数开头有个判断write_set_内的锁有一个时，这些锁是在InsertIntoLeaf()中调用FindLeaf()时产生的，表示修改该叶子会导致write_set_中的这些结点页被修改，即最接近叶子的安全结点到叶子节点这一路径上的所有结点的锁。在write_set_中只剩一个页时，NewPage()新建一个页，当作新根节点，然后旧根节点和分裂出的新结点做新根的子节点，返回。通过write_set_获取父结点，然后调用BPlusTreeInternalPage::InsertAfterValue()将分裂后产生的新节点插入父节点，write_set_弹出旧结点（原来不安全的结点）。当父节点的大小超过了最大容量，则父节点不安全，调用Split()分裂并调用InsertIntoParent()递归，若是安全结点，则清理header_page_和write_set_，结束。

BPLUSTREE_TYPE::Split()分裂结点，返回新的兄弟页。NewPage()创建新页，叶子节点分裂就将新页和待分裂的页强转为叶页，初始化新叶页后旧叶页调用BPlusTreeLeafPage::SplitLeafTo()，取出旧叶页的后一半数据给新叶页，并且设置旧叶页和新叶页的next_page_id。最后设置正在使用新叶页，然后返回。若分裂内部节点，将新页和待分裂的页强转为内部结点页，新结点页初始化后旧结点页调用BPlusTreeInternalPage::SplitInternalTo()取内部节点的最大容量加一的一半（后半段）的内容给新内部节点，限定结点大小。设置新结点页正在使用后返回。

这里我不理解的是在InsertIntoParent()中仅仅用if (ctx.write_set_.size() == 1)就确定是根节点分裂

搜索单一值

BPLUSTREE_TYPE::GetValue()实现，获取头部页的写锁header_page_，通过它获得根节点id，将根节点读锁加入read_set_然后强转为BPlusTreePage，清空header_page_，强转结点为BPlusTreeInternalPage，调用BPlusTreeInternalPage::FindInternelKey()按key二分查找中间节点的子节点引用，查到的页加读锁，加入read_set_然后将原先在read_set_中的父页弹出，这样就实现了读锁的"下沉"，之后进入循环直到页是叶页。循环出来后将页强转为BPlusTreeLeafPage类，之后调用BPlusTreeLeafPage::FindKey()二分查找叶子节点的值，找到后组装传参vector。

Task2 B+树删除

BPLUSTREE_TYPE::Remove()实现，获取头部页写锁并得到根节点id，调用FindLeaf()查找key，获取查到的页强转成BPlusTreeLeafPage，调用BPlusTreeLeafPage::DeleteKey()先二分查找叶子结点key，若没有调用DeleteKeyAt()删除数组中对应的k-v，删除失败就清理header_page_和write_set_并退出，若删除的k-v所在的叶页大小大于等于最小容量（叶子结点是max_size_/2，内部节点是(max_size_+1)/2）时，即为安全删除，清空write_set_并退出，若根节点时叶子，叶子根节点有一个键值对就能退出。最后都没有退出的就是需要非安全删除情况，可能会有修改父节点key、小于最小尺寸需从兄弟节点处拿甚至兄弟节点也不足直接合并，调用DealNode()合并或删除叶页。

BPLUSTREE_TYPE::DealNode()是个间接递归，它调用Merge()而Merge()调用它。处理借取键值对或合并节点，write_set_的最后一个值是这个函数体需要处理的不安全的节点（已进行删除工作）。

若是根节点
- 根叶：清理write_set_和header_page_
- 不是叶：强转为内部节点，取第0个的引用做根节点id（header_page_强转为BPlusTreeHeaderPage可取root_page_id_）
返回
不是根

从write_set_取出该页的父页，强转为内部节点
- 是叶
  强转为叶页，父页调用FindInternelKey()二分查找叶子key获得index
  
  左边有值，有左兄弟（index > 0）：取左兄弟（父页的index-1）的写锁存入write_set_，强转为叶页后保存变量
  
  右边有值，有右兄弟（index < 父页容量-1）：取右兄弟（父页的index+1）的写锁存入write_set_，强转为叶页后保存变量
  - 左右兄弟都在（左叶页变量 && 右叶页变量）：
    - 两个兄弟都不足（兄弟大小 <= 最小容量）：调用Merge()与右节点合并，返回
    - 右边有剩余（右兄弟大小 > 最小容量）：清空header_page_，向兄弟节点借键值对表示父页是安全节点，释放write_set_中父页的祖先节点及根的锁，叶页调用LendFromBrother()向右兄弟借，之后父页调用SetKeyAt()更新父页中的右兄弟结点在父页的索引，然后清理write_set_
    - 左边有剩余（else）：清空header_page_，释放write_set_中父页的祖先节点及根的锁，叶页调用LendFromBrother()向左兄弟借，父页调用SetKeyAt()更新父页中的右兄弟结点在父页的索引，然后清理write_set_
  - 只有左兄弟（左叶页变量）：
    - 左兄弟不足（左兄弟大小 <= 最小容量）：调用Merge()与左兄弟合并，返回
    - 左边有剩余：清空header_set_，释放write_set_中父页祖先节点及根的锁，叶页调用LendFromBrother()向左兄弟借，父页调用SetKeyAt()更新父页中的左兄弟结点在父页的索引，然后清理write_set_
  - 只有右兄弟（右叶页变量）：
    - 右兄弟不足（右兄弟大小 <= 最小容量）：调用Merge()与右兄弟合并，返回
    - 右边有剩余：清空header_set_，释放write_set_中父页祖先节点及根的锁，叶页调用LendFromBrother()向右兄弟借，父页调用SetKeyAt()更新父页中的右兄弟结点在父页的索引，然后清理write_set_
- 是内部结点
  
  强转为内部结点页，父页调用FindInternelKey()二分查找内部结点获得index
  
  左边有值，有左兄弟（index > 0）：取左兄弟（父页的index-1）的写锁存入write_set_，强转为内部结点页后保存变量
  
  右边有值，有右兄弟（index < 父页容量-1）：取右兄弟（父页的index+1）的写锁存入write_set_，强转为内部结点后保存变量
  - 左右兄弟都在（左结点页变量 && 右结点页变量）：
    - 两个兄弟都不足（兄弟大小 <= 最小容量）：调用Merge()与右节点合并，返回
    - 右边有剩余（右兄弟大小 > 最小容量）：清空header_page_，释放write_set_中父页的祖先节点及根的锁，内部结点页调用LendFromBrother()向右兄弟借，之后父页调用SetKeyAt()更新父页中的右兄弟结点在父页的索引，然后清理write_set_
    - 左边有剩余（else）：清空header_page_，释放write_set_中父页的祖先节点及根的锁，叶页调用LendFromBrother()向左兄弟借，父页调用SetKeyAt()更新父页中的右兄弟结点在父页的索引，然后清理write_set_
  - 只有左兄弟（左结点页变量）：
    - 左兄弟不足（左兄弟大小 <= 最小容量）：调用Merge()与左兄弟合并，返回
    - 左边有剩余：清空header_set_，释放write_set_中父页祖先节点及根的锁，叶页调用LendFromBrother()向左兄弟借，父页调用SetKeyAt()更新父页中的左兄弟结点在父页的索引，然后清理write_set_
  - 只有右兄弟（右结点页变量）：
    - 右兄弟不足（右兄弟大小 <= 最小容量）：调用Merge()与右兄弟合并，返回
    - 右边有剩余：清空header_set_，释放write_set_中父页祖先节点及根的锁，叶页调用LendFromBrother()向右兄弟借，父页调用SetKeyAt()更新父页中的右兄弟结点在父页的索引，然后清理write_set_

BPLUSTREE_TYPE::Merge()总是把右边节点的键值对转移给左边，再删除右边节点，这样方便更新NextPageId，若传入的经删除操作的页是叶子节点，将该页和兄弟页强转为叶页后，判断是右兄弟，兄弟结点就调用BPlusTreeLeafPage::MoveAllTo()将自己的k-v顺序插入该页的末尾，将该页的NextPageId设置为右兄弟的，设置删除结点索引为右兄弟索引（该页索引+1）。若判断是左兄弟，该页调用BPlusTreeLeafPage::MoveAllTo()将自己的k-v顺序插入左兄弟的尾部，左兄弟的NextPageId设置为该页的，设置删除节点索引为该页索引。若进行删除操作的页是内部结点，强转该页和兄弟页为内部节点页，判断是右兄弟就把兄弟k-v插入该页末尾，设置删除索引为兄弟，反之同理。之后将write_set_中该页父页的孩子出栈解锁，只剩父页和其祖先节点，把父页强转为内部节点页，调用DeleteKeyAt()将删除结点索引指定的结点页删除。若父页大小大于等于最小容量（安全删除），清理write_set_后就可返回，若是根结点，内部根节点右两个键值对（容量大于1）就行，返回，其他情况就是不安全删除，调用DealNode()进行间接递归。

BPlusTreeLeafPage::LendFromBrother()从brother移动一个键值对过来，兄弟调用KeyAt()和ValueAt()，针对传入是否是左兄弟，将k-v插入结点的头或尾并设置兄弟的大小或删除k-v，最后返回新key。

Task3 叶子扫描的迭代器

必须添加一个c++迭代器，以有效地支持对叶页中的数据进行有序扫描。基本思想是存储兄弟指针，这样就可以有效地遍历叶页，然后实现一个迭代器，按顺序遍历每个叶页中的每个键值对。

Begin()和End()函数在b_plus_true.cpp中，而迭代器类在index_iterator.cpp中实现

//索引迭代器类的私有属性
BPlusTreeLeafPage<KeyType, ValueType, KeyComparator> *leaf_page_{nullptr};  // 此迭代器指向的叶子
int index_{-1};  // 表示此迭代器现在指向leaf_page_中某叶页的第几个键值对
page_id_t my_page_id_;//表示迭代器指向的leaf_page_中某叶页的页id
BufferPoolManager *bpm_{nullptr};

重载了* ++ == !=四个符号来对索引迭代器进行操作

BPLUSTREE_TYPE::Begin()有重载，分别对应处理没给key和给了key的情况。没给就直接调用FindLeafPage()传入空key并指定找最左边的k-v，这样就返回了叶页链表首页，然后强转为叶页，构造索引迭代器后返回。传入key的Begin()多加了一层检测传回的页是否真的有key，没有说明FindLeafPage()没有找到，返回空索引迭代器。

BPLUSTREE_TYPE::End()同无参Begin()只不过指定找的是最右边的k-v（即index=internal_page->GetSize()-1）

BPLUSTREE_TYPE::FindLeafPage()无锁获取根节点，根据传入的indextype判断需要的是最左/右的页还是进行k-v查找。