前引:考虑有一本书。如何快速找到一个章节所在的位置,就需要一个目录。
在数据库中,进行条件查询的时候,我们经常需要遍历表,数据库是把数据存储在硬盘上,此处的时间复杂度O(N)比数据结构中的O(N)要慢很多,因此就可以给数据库引入索引,来提高查询的速度。
之前我们学习的MySQL中的parimary key 和 foreign key 和 unique 都会自动生成索引,这几个操作都会频繁涉及到查询
一:索引的特点
1:加快查询的速度
2:索引自身是一定的数据结构,也要占据存储空间
3:当我们需要进行(增删改)的时候,先根据条件查找(有索引的话就会比较快),之后的(增删改操作)也需要针对索引进行更新
4:一个表的索引可以有多个
例如字典的目录:可以根据汉字拼音首字母快速查询,也可以按照偏旁,笔画等进行查询
二:索引适用的场景
1:对于存储空间要求不高的(存储空间比较充裕)
2:应用场景中,查询较多,增删改操作不多的。(读多写少的场景在web中是很常见的)
三:MySQL中索引操作
1:查看索引
show index from 表名;
查看某个表是否有索引,以及有几个索引
2:创建索引
注:危险操作,如果表是空的或者数据比较少,创建索引没关系,如果表中数据量非常大,创建索引就会触发大量的硬盘IO,很容易把数据库搞挂了
create index 索引名 on 表名(列名)
代码:create index index_student_name on student (name);
3:删除索引
drop index 索引名 on 表名
注:危险操作,在创建索引之初,我们就要设计规划好表的索引,但是在实际开发中,总会遇到需要添加索引的情况
解决方案:重新搞一台机器,搭建数据库,把生产环境数据库的数据表创建好,并且加上索引,把生产环境数据库的数据,导入到新的数据库中(导入过程非常耗时,但是并不影响生产环境正常工作),用新的数据库的这个机器,替代旧机器
四:数据库的索引底层结构
1:B树
B树又叫B-树(非念B减树,只是符号),B树是一个有序的N叉搜索树,每一个节点上可能有N个值,N个值划分出来N+1个区间
特点:
①:同样高度的B树和二叉搜索树,前者能表示的元素个数更多
②:在搜索的时候B树的比较次数更多
③:虽然B树总的比较次数更多,但是B树的硬盘IO读取次数更少,成本更低(一次硬盘读取相当于内存1w次比较)
解释:同样多的元素个数下,B树存储元素所需要的节点数更少,而硬盘1次读取,是把节点中所有元素一次性读取出来,
2:B+树
在B树的基础上,做出了改进,B+树也是N叉搜索树,划分出来N个区间,根节点上的最后一个值为最大/小值
特点:
(1):B+树一个节点中有N 个key,每个key划分出来N个区间,
(2):根节点中出现的值,在子树中会重复出现
重复出现的优点:
①无需回溯——例子:进行范围查询 id > 4 , id <=10 , 根据4找到对应的位置,沿着链表在往后面进行查询就可以了,无需在对树进行回溯
②查询时间稳定——查询任何一个元素,都是要从根节点查询到叶子节点的,过程中IO硬盘读取的次数是一样的(稳定比快速更重要)
③存储数据便捷——根节点存储关键字key,叶子结点只需要存储数据即可(例子:如图)。
补充:非叶子节点中存储的关键字key所占空间非常小,占空间大的数据都在叶子节点中,,这些数据都可以缓存到内存当中,正在查询的时候只需要比较内存当中的数据即可,大大减少了硬盘IO的比较次数,节约了成本。
3:每个节点中的最后一个key,是最大值或者最小值,
4:叶子节点之间用链式结构进行连接