mysql索引总结(二) mysql索引的使用和原理

1、B-Tree数据结构实现索引优缺点

B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5个指针；

知识小贴士: 树的度数指的是一个节点的子节点个数。

https://www.cs.usfca.edu/~galles/visualization/BTree.html：这是一个数据结构可视化网站，里面可以动态演示数据结构的变化情况；

1.1、B-Tree的特点：

• 5阶的B树，每一个节点最多存储4个key，对应5个指针。
• 一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂。
• 在B树中，非叶子节点和叶子节点都会存放数据。

1.2、为什么不使用B-Tree作为索引的数据结构？

在B-Tree中有一个很重要的点就是，非叶子节点和叶子节点都会存放数据。而非叶子节点和叶子节点都是存放在页里面的，页的大小是固定的16k，所以如果将数据和节点放在一起，那么数据会占用大量的空间，导致每个页的节点的数量减少。每个页里面节点的数量少了就会导致整个索引的层级更多，层级多了就会增加检索的次数，检索的次数多了就会降低查询的速度，导致性能降低。所以索引没有使用B-Tree；

2、接下来就是我们索引使用的数据结构了B+Tree

B+Tree是B-Tree的变种，我们以一颗最大度数（max-degree）为4（4阶）的b+tree为例，来看一下其结构示意图：

我们可以看到，两部分：

• 蓝色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
• 绿色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。

2.1、B+Tree 与 B-Tree相比，主要有以下三点区别：

• 所有的数据都会出现在叶子节点。
• 叶子节点形成一个单向链表。
• 非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。

2.2、上述我们所看到的结构是标准的B+Tree的数据结构，接下来，我们再来看看MySQL中优化之后的B+Tree。

MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能，利于排序。

3、使用hash数据结构作为索引

哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。

如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞），可以通过链表来解决。

3.1、特点

• Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，...）
• 无法利用索引完成排序操作
• 查询效率高，通常(不存在hash冲突的情况)只需要一次检索就可以了，效率通常要高于B+tree索引；

4、下面我们通过常见的面试题，再次回顾一下索引的数据结构

4.1、为什么InnoDB存储引擎选择使用B+tree索引结构?

A. 相对于二叉树，层级更少，搜索效率高；

B. 对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；

C. 相对Hash索引，B+tree支持范围匹配及排序操作；