这篇文章给大家介绍树结构中MongoDb使用的到底是 B 树还是B+树，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。
关于 B 树与 B+ 树，网上有一个比较经典的问题：为什么 MongoDb 使用 B 树，而 MySQL 索引使用 B+ 树?
但实际上 MongoDb 真的用的是 B 树吗?
通过查阅资料，我从 MongoDb 的官网和 WiredTiger 官网找到了答案。MongoDb 官网关于存储引擎(Storage Engine)的描述写道：从 MongoDb 3.2 版本开始，其使用了 WiredTiger 作为其默认的存储引擎。
文档地址：WiredTiger Storage Engine — MongoDB Manual
而从 WiredTiger 官网文档，我们可以知道：WiredTiger 使用的是 B+ 树作为其存储结构。
文档地址：WiredTiger: Tuning page size and compression
那为什么会出现很多资料说 MongoDb 使用 B 树作为存储的数据结构呢?我想可能有两个原因：一个原因可能是 B+ Tree 本身是 B 树的一种优化，所以很多人就直接把 B+ 树说成 B 树了。另一个原因可能是 MongoDb 3.2 之前，确实使用 B 树作为存储的数据结构。
对于这两个原因，我没有深入去探寻，有答案的朋友可以留言讨论一下。但我知道，无论是什么原因，都不影响我们对这个问题的讨论。表面上，我们是在讨论 MongoDb 与 MySQL 存储的数据结构，但实际上我们是在讨论 B 树和 B+ 树这两种数据结构的特点。
因此，无论 MongoDb 使用的是 B 树，还是 B+ 树。只要我们弄清楚 B 树与 B+ 树之间的区别，我们就可以在合适的时候，选择合适的数据结构。
B 树与 B+ 树，其比较大的特点是：B 树对于特定记录的查询，其时间复杂度更低。而 B+ 树对于范围查询则更加方便，另外 B+ 树相对于 B 树来说更加扁平。
对于 MongoDb 来说，其是非关系型数据库，较少做联表的范围查询。如果这确实是 MongoDb 非常典型的使用场景，使用 B 树其实可以加快其查询速度。
但实际上 MongoDb 3.2 之后，其使用了 B+ 树作为其数据结构。B+ 树其在范围查询方面更有优势，那有可能是 B+ 树更加扁平，可以让其更加快速地找到数据，加快其查找速度。也有可能是 MongoDb 的范围查询特性使用更加广泛了。
说到这里，你可能有点迷糊，那实际情况到底是什么呢?
其实我自己并没有找到答案。我的思考也是到此为止，我也并没有找到更好的答案。与其腹死胎中，还不如写下来与大家讨论。或许不久之后我就忽然大悟，明白这其中的道理，到时候再来给大家分享。
写到这里，脑袋里蹦出另外一个问题：那为啥 MongoDb 要使用 B+ 树 ?而不使用平衡二叉树?嗯，答案其实很简单——是因为需要使用 B 树能加载大数据量的特性，否则其实现不了这么大量数据的查询和排序。
关于树结构中MongoDb使用的到底是 B 树还是B+树就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
