本文介绍WiredTiger存储引擎中B-Tree叶页的内存结构：新键通过WT_INSERT skiplist插入，已有键的修改挂入WT_UPDATE链表，未提交更新仅挂链不写入磁盘。读路径按时间戳在链上查找可见版本，旧版本在reconcile时移入History Store。文章还提及truncate操作及与日志回放的边界，为后续Reconciliation章节铺垫。

本文介绍WiredTiger作为MongoDB默认存储引擎的内核机制，定位为文档库页式B-Tree加旁路History Store，与PG/InnoDB、SQLite、RocksDB等分工明确。文章规划17篇系列，涵盖Session、Cache、Eviction、Reconciliation、Timestamps、Checkpoint等核心流程，并指出脏页须先reconcile才能驱逐，HS体积受更新率与窗口影响，为后续深入解析奠定框架。

本文介绍WiredTiger存储引擎的缓存机制。缓存按需加载B-Tree页，WT_REF表示页是否在内存，WT_PAGE是已加载形态。缓存计量区分clean和dirty页，dirty页必须经reconcile转换后才能写盘。修改通过WT_UPDATE链和WT_INSERT跳表记录，session和cursor不计入缓存配额。与PostgreSQL不同，WT将内存布局与磁盘格式分离，并支持共享缓存模式。

本文探讨了FoundationDB的存储引擎，重点比较了Redwood与SQLite派生引擎的区别。Redwood通过多版本B-Tree和前缀压缩技术，提高了吞吐量并降低了写放大。文章指出，存储引擎的选择不会影响分布式事务的隔离性，且引擎切换需谨慎。整体而言，Redwood在设计上弥补了SQLite引擎的不足，适应了更复杂的工作负载需求。

SQLite的B-Tree模块分为table b-tree（64位整数key，数据仅存叶子，近似B+Tree）和index b-tree（任意key，不存数据）。页内通过cell pointer array实现逻辑有序与物理位置解耦，插入时无需搬移已有内容。overflow阈值保证索引树最小扇出为4。查找从根页二分至叶子，分裂合并由balance()统一触发，分派至balance_deeper、balance_nonroot或balance_quick。

该文章是SQLite内核系列的技术指南，涵盖17篇内容，从单文件格式、Pager缓存、B-Tree分裂到VDBE字节码、WAL日志和锁状态机。文章提供阅读路径和依赖关系，适合嵌入式工程师或从PG/InnoDB转来的读者，帮助理解SQLite的存储、并发与选型对比。

本文为SQLite内核系列首篇，介绍其嵌入式行存数据库的定位：单文件、页式B-Tree、VDBE执行引擎及文件级单写者约束。对比PG/InnoDB服务器行存、RocksDB LSM与DuckDB列存，强调零IPC带来短调用链而非无引擎。规划17篇阅读路线，涵盖Pager、B-Tree、WAL、锁等机制，并锚定学术谱系与开放问题。

本文介绍SQLite单文件格式：前100字节为数据库头，记录页大小、版本、计数器等自描述字段；B-Tree页头用1字节区分4种页类型，cell指针数组与内容区相向增长；页1固定为schema根页。通过hexdump实测验证字段，并澄清页大小不可随意更改、页1非用户表等常见误解。

本文介绍SQLite的VDBE字节码执行引擎。sqlite3_prepare_v2将SQL编译为字节码程序，sqlite3_step在虚拟机上执行该程序。通过EXPLAIN分析点查SELECT name FROM t WHERE id=1，展示Transaction→OpenRead→SeekRowid→Column→ResultRow的执行流程。VDBE通过游标调用B-Tree，不直接读文件。强调opcode细节非稳定API，升级后需重新验证。

Without an index, every query scans every row. WHERE id = 42 on a million-row table reads all million rows to find one. That’s O(n) — slow. A B+ tree index is a sorted data structure that maps key...

自1972年提出以来，B-tree成为数据库和文件系统的核心数据结构，因其与磁盘I/O模型的契合而减少随机读次数，查找效率高，适合大规模数据。B+tree是其变体，优化了范围查询和并发控制。节点分裂与合并是保持平衡的关键操作。现代存储引擎如InnoDB和PostgreSQL基于B-tree，适应硬件演进，继续发挥重要作用。

本文探讨了五种主流Linux文件系统的树形结构设计，包括ext4的Extent Tree、XFS的B+Tree、btrfs的CoW B-Tree、ZFS的间接块树和F2FS的NAT/SIT。分析了每种文件系统的优缺点、性能表现及适用场景，强调了树形结构在处理大文件和提高I/O效率方面的重要性。

本文介绍了GaussDB中的BTree和UBTree索引，分析了BlinkTree存储结构相较于传统B+树在高并发读写和写写场景中的优势，主要得益于其特殊结构和MVCC能力。BTree和UBTree通过优化加锁机制提升了并发性能，并具备独立的垃圾回收能力，但未来仍需优化索引空间占用。