二叉查找树又称为二叉搜索树，或是BST
二叉查找树左节点小于根节点，右节点大于根节点;
二叉查找树比普通树查找更快，查找、插入、删除的时间复杂度为O(logN)；
二叉查找树有一种极端的情况，就是会变成一种线性链表似的结构。此时时间复杂度就变成了O(N)，为了解决这种情况，出现了平衡二叉树。
二、平衡二叉树平衡二叉树，又称为AVL树
左节点小于根节点，右节点大于根节点；
左子树和右子树的高度差不得超过1，这样保证了它不会成为线性的；链表
AVL树的查找稳定，查找、插入、删除的时间复杂度都为O(logN)，但是由于要维持自身的平衡，所以进行插入和删除结点操作的时候，需要对结点进行频繁的旋转；
并且每个节点只有两个子节点。当进行查找时，就需要多次磁盘IO,(数据是存放在磁盘中的，每次查询是将磁盘中的一页数据加入内存，树的每一层节点存放在一页中，不同层数据存放在不同页)这样如果需要多层查询就需要多次磁盘IO。为了解决AVL树的这个问题，就出现了B 树。
三、红黑树
红黑树是一种自平衡的二叉查找树，它的节点的颜色为红色和黑色。它不严格控制左、右子树高度或节点数之差小于等于1。通过左旋、右旋、变色保证平衡
1.每个节点非红即黑；
2.根节点总是黑色的；
3.每个叶子节点都是黑色；
4.红节点的子节点一定是黑色的。
5.从任一节点到叶子节点必须包含相同数量的黑色节点。
AVL树是高度平衡的而红黑树不是高度平衡的，它只要求部分地达到平衡要求，结合变色，降低了对旋转的要求从而提高了性能。在最坏的情况下也可以保证O(logN)，二叉查找树最坏情况下O(N)。
四、B树B树也叫平衡树，也叫做B-树。是一种多路平衡树。
B树根结点至少有两个子女；
所有的叶子结点都位于同一层，每个结点的元素从小到大排列；
B树每一层存放了更多的节点，由AVL树的瘦高变成了矮胖。可以相对减少磁盘IO的次数，MongoDB的索引就是用B树实现的。
B树也是一种自平衡的树，在进行插入和删除操作时也需要对节点进行旋转操作。
五、B+树B+树每个非叶子节点存放的元素只用于索引作用，所有数据保存在叶子节点
1.每个中间节点不保存数据，只用来索引，所有数据都保存在叶子节点；
2.所有叶子节点中包含了全部元素的信息，叶子节点本身依关键字的大小顺序连接
3.为叶子节点增加一个链指针。
4.所有的中间节点元素都同时存在于子节点，在子节点元素中是最大（或最小）元素。
因为非叶子结点中存放的元素不存放数据，所以每一层可以容纳更多元素，也就是磁盘中的每一页可以存放更多元素。这样在查找时，磁盘IO的次数也会减少。
另外，B+树的查找稳定，因为所有的数据都在叶子结点。每个叶子结点也通过指针指向构成了一种链表结构，所以遍历数据也会简单很多。
插入删除操作会破坏平衡树的平衡性，因此在插入删除操作后，需要对树进行一个分裂、合并、旋转等操作来维护平衡性。
六、B+树与红黑树红黑树等平衡树也可以用来实现索引，但是文件系统及数据库系统普遍采用B+ 树作为索引结构，主要有一下两个原因：
（1）更少的查找次数
平衡树查找操作的时间复杂度和树高h相关，O(h)=O(logN)，其中d为每个结点的出度。
红黑树的出度为2，而B+树的出度一般都非常大，所以，红黑树的树高h很明显比B+树大非常多，查找次数也就更多。
（2）利用磁盘预读特性
参考
