refactor: rename files to Chinese and organize by category

Organized 50 interview questions into 12 categories: - 01-分布式系统 (9 files): 分布式事务, 分布式锁, 一致性哈希, CAP理论, etc. - 02-数据库 (2 files): MySQL索引优化, MyBatis核心原理 - 03-缓存 (5 files): Redis数据结构, 缓存问题, LRU算法, etc. - 04-消息队列 (1 file): RocketMQ/Kafka - 05-并发编程 (4 files): 线程池, 设计模式, 限流策略, etc. - 06-JVM (1 file): JVM和垃圾回收 - 07-系统设计 (8 files): 秒杀系统, 短链接, IM, Feed流, etc. - 08-算法与数据结构 (4 files): B+树, 红黑树, 跳表, 时间轮 - 09-网络与安全 (3 files): TCP/IP, 加密安全, 性能优化 - 10-中间件 (4 files): Spring Boot, Nacos, Dubbo, Nginx - 11-运维 (4 files): Kubernetes, CI/CD, Docker, 可观测性 - 12-面试技巧 (1 file): 面试技巧和职业规划 All files renamed to Chinese for better accessibility and organized into categorized folders for easier navigation. Generated with [Claude Code](https://claude.com/claude-code) via [Happy](https://happy.engineering) Co-Authored-By: Claude <noreply@anthropic.com> Co-Authored-By: Happy <yesreply@happy.engineering>
2026-03-01 00:10:53 +08:00
parent fe2e6dc2f2
commit 0e46a367c4
47 changed files with 0 additions and 0 deletions
--- a/questions/08-算法与数据结构/B+树原理.md
+++ b/questions/08-算法与数据结构/B+树原理.md
@@ -0,0 +1,286 @@
+# B+ 树 (B+ Tree)
+
+## 数据结构原理
+
+### 什么是 B+ 树？
+B+ 树是一种自平衡的树数据结构，是 B 树的变体，专门为磁盘存储和索引设计。它在数据库系统和文件系统中广泛应用，特别适合磁盘等外部存储设备。
+
+### B+ 树的特点
+
+1. **多路搜索树**：每个节点可以有多个子节点
+2. **有序结构**：所有键值按顺序存储
+3. **平衡性**：从根到任何叶子的路径长度相同
+4. **叶节点链表**：所有叶子节点通过指针连接成有序链表
+
+### B+ 树与 B 树的区别
+
+| 特性 | B+ 树 | B 树 |
+|------|-------|------|
+| 叶子节点 | 包含所有键值和指针 | 只包含键值 |
+| 非叶子节点 | 只包含键值和指针，不包含数据 | 包含键值和指针，部分包含数据 |
+| 查找效率 | 查找路径相同，但范围查询更高效 | 查找路径稍长 |
+| 插入/删除 | 叶子节点统一操作，分布更均匀 | 数据分散在各级节点 |
+| 范围查询 | 直接遍历叶子链表，高效 | 需要中序遍历整个树 |
+
+## 图解说明
+
+```
+B+ 树结构示例（m=3）：
+                  [10, 20, 30]
+                /    |    |    \
+        [5, 8, 10]  [15,18,20]  [25,28,30]  []
+            |        |         |          |
+    [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30]
+```
+
+### 关键概念
+
+- **阶（m）**：每个节点的最大子节点数
+- **键（Key）**：用于索引的值
+- **指针（Pointer）**：指向子节点或数据的地址
+- **叶子节点**：存储实际数据的节点
+- **内部节点**：用于索引的中间节点
+
+## Java 代码实现
+
+```java
+import java.util.ArrayList;
+import java.util.List;
+
+class BPlusTreeNode {
+    List<Integer> keys;
+    List<BPlusTreeNode> children;
+    BPlusTreeNode next;  // 叶子节点间的指针
+    boolean isLeaf;
+
+    public BPlusTreeNode(boolean isLeaf) {
+        this.keys = new ArrayList<>();
+        this.children = new ArrayList<>();
+        this.isLeaf = isLeaf;
+        this.next = null;
+    }
+}
+
+public class BPlusTree {
+    private BPlusTreeNode root;
+    private int order; // B+树的阶
+
+    public BPlusTree(int order) {
+        this.root = new BPlusTreeNode(true);
+        this.order = order;
+    }
+
+    // 插入操作
+    public void insert(int key) {
+        if (root.keys.size() == order - 1) {
+            BPlusTreeNode newRoot = new BPlusTreeNode(false);
+            newRoot.children.add(root);
+            splitChild(newRoot, 0, root);
+            root = newRoot;
+        }
+        insertNonFull(root, key);
+    }
+
+    private void insertNonFull(BPlusTreeNode node, int key) {
+        if (node.isLeaf) {
+            int i = 0;
+            while (i < node.keys.size() && node.keys.get(i) < key) {
+                i++;
+            }
+            node.keys.add(i, key);
+        } else {
+            int i = 0;
+            while (i < node.keys.size() && node.keys.get(i) < key) {
+                i++;
+            }
+            if (node.children.get(i).keys.size() == order - 1) {
+                splitChild(node, i, node.children.get(i));
+                if (node.keys.get(i) < key) {
+                    i++;
+                }
+            }
+            insertNonFull(node.children.get(i), key);
+        }
+    }
+
+    private void splitChild(BPlusTreeNode parent, int index, BPlusTreeNode fullNode) {
+        BPlusTreeNode newNode = new BPlusTreeNode(fullNode.isLeaf);
+
+        // 移动后半部分键
+        int mid = fullNode.keys.size() / 2;
+        for (int i = mid + (fullNode.isLeaf ? 0 : 1); i < fullNode.keys.size(); i++) {
+            newNode.keys.add(fullNode.keys.get(i));
+        }
+        fullNode.keys.subList(mid + (fullNode.isLeaf ? 0 : 1), fullNode.keys.size()).clear();
+
+        // 移动子节点（如果是内部节点）
+        if (!fullNode.isLeaf) {
+            for (int i = mid + 1; i < fullNode.children.size(); i++) {
+                newNode.children.add(fullNode.children.get(i));
+            }
+            fullNode.children.subList(mid + 1, fullNode.children.size()).clear();
+        }
+
+        // 如果是叶子节点，维护链表
+        if (fullNode.isLeaf) {
+            newNode.next = fullNode.next;
+            fullNode.next = newNode;
+        }
+
+        // 插入到父节点
+        parent.children.add(index + 1, newNode);
+        parent.keys.add(index, fullNode.keys.get(mid));
+    }
+
+    // 查找操作
+    public boolean search(int key) {
+        return search(root, key);
+    }
+
+    private boolean search(BPlusTreeNode node, int key) {
+        int i = 0;
+        while (i < node.keys.size() && node.keys.get(i) < key) {
+            i++;
+        }
+
+        if (i < node.keys.size() && node.keys.get(i) == key) {
+            return true;
+        }
+
+        if (node.isLeaf) {
+            return false;
+        } else {
+            return search(node.children.get(i), key);
+        }
+    }
+
+    // 范围查询
+    public List<Integer> rangeSearch(int start, int end) {
+        List<Integer> result = new ArrayList<>();
+        rangeSearch(root, start, end, result);
+        return result;
+    }
+
+    private void rangeSearch(BPlusTreeNode node, int start, int end, List<Integer> result) {
+        if (node.isLeaf) {
+            for (int key : node.keys) {
+                if (key >= start && key <= end) {
+                    result.add(key);
+                }
+            }
+        } else {
+            int i = 0;
+            while (i < node.keys.size() && node.keys.get(i) < start) {
+                i++;
+            }
+            rangeSearch(node.children.get(i), start, end, result);
+        }
+    }
+
+    // 删除操作
+    public void delete(int key) {
+        delete(root, key);
+    }
+
+    private void delete(BPlusTreeNode node, int key) {
+        // 实现删除逻辑（简化版）
+        // 实际实现需要处理合并、重新平衡等复杂逻辑
+    }
+}
+```
+
+## 时间复杂度分析
+
+### 操作时间复杂度
+
+| 操作 | 时间复杂度 | 说明 |
+|------|------------|------|
+| 查找 | O(log n) | 树高为 O(log n)，每层需要比较 O(m) 次 |
+| 插入 | O(log n) | 查找插入位置 + 可能的分裂操作 |
+| 删除 | O(log n) | 查找删除位置 + 可能的合并操作 |
+| 范围查询 | O(log n + k) | k 是结果集大小 |
+
+### 空间复杂度
+
+- O(n) - 需要存储 n 个元素
+- 每个节点存储约 m/2 到 m 个元素
+
+## 实际应用场景
+
+### 1. 数据库索引
+- **MySQL InnoDB**：聚簇索引使用 B+ 树
+- **PostgreSQL**：标准索引使用 B+ 树
+- **优点**：范围查询高效，磁盘 I/O 次数少
+
+### 2. 文件系统
+- **NTFS**：主文件表使用 B+ 树结构
+- **ext4**：目录索引使用 B+ 树
+- **优点**：文件查找效率高，支持大文件系统
+
+### 3. 内存数据库
+- **Redis**：有序集合（Sorted Set）使用类似 B+ 树的结构
+- **LevelDB**：底层存储引擎使用 B+ 树变种
+- **优点**：内存访问速度更快，但结构保持高效
+
+### 4. 文件搜索
+- **全文搜索引擎**：倒排索引使用 B+ 树
+- **文件系统搜索**：快速定位文件位置
+- **优点**：前缀查询和范围查询高效
+
+## 与其他数据结构的对比
+
+| 数据结构 | 查找时间 | 插入时间 | 删除时间 | 适用场景 |
+|----------|----------|----------|----------|----------|
+| B+ 树 | O(log n) | O(log n) | O(log n) | 磁盘存储、数据库索引 |
+| AVL 树 | O(log n) | O(log n) | O(log n) | 内存存储、需要平衡 |
+| 红黑树 | O(log n) | O(log n) | O(log n) | 内存存储、平衡性较好 |
+| 哈希表 | O(1) | O(1) | O(1) | 精确查找、内存存储 |
+| 二叉搜索树 | O(log n) ~ O(n) | O(log n) ~ O(n) | O(log n) ~ O(n) | 排序数据、简单应用 |
+
+### 选择 B+ 树的原因
+
+1. **磁盘友好**：减少磁盘 I/O 次数
+2. **范围查询高效**：叶子节点链表支持快速范围扫描
+3. **局部性原理**：每次读取整个页面，充分利用磁盘预读
+4. **稳定性能**：即使树不平衡，性能下降缓慢
+5. **批量操作**：适合批量插入和删除
+
+### 不同场景的最佳选择
+
+- **内存数据**：AVL 树或红黑树
+- **磁盘数据**：B+ 树
+- **精确查找**：哈希表
+- **范围查询**：B+ 树
+- **频繁插入删除**：B+ 树或红黑树
+
+## 常见面试问题
+
+### Q1: 为什么数据库索引使用 B+ 树而不是 B 树？
+**答**：
+1. 范围查询更高效：B+ 树的叶子节点形成链表，范围查询只需遍历叶子节点
+2. 磁盘利用率高：非叶子节点不存储数据，可以存储更多索引键
+3. 查找稳定：无论查找什么数据，都到达叶子节点，树高相同
+4. 预读效率高：每次读取一个完整的页面
+
+### Q2: B+ 树的阶数如何选择？
+**答**：
+阶数取决于：
+- 磁盘块大小：通常等于操作系统页面大小（4KB）
+- 键值大小：整数 vs 字符串
+- 指针大小：64位系统 8 字节指针
+- 缓存大小：内存缓存页面数量
+
+### Q3: B+ 树在什么情况下性能下降？
+**答**：
+1. 树太高：查找路径变长
+2. 叶子节点过多：范围查询变慢
+3. 内存不足：频繁磁盘 I/O
+4. 数据分布不均：导致树不平衡
+
+### Q4: 如何优化 B+ 树的性能？
+**答**：
+1. 选择合适的阶数：平衡磁盘 I/O 和内存使用
+2. 使用缓存：缓存热点数据
+3. 预加载：提前加载可能访问的节点
+4. 批量操作：合并多次插入/删除操作
+5. 数据分片：大表分片减少树的大小