2024年索引的数据结构（3）_索引 碰撞数据库，阿里腾讯PDD等大厂大数据开发面试真题

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

for(int i = 0;i < 100000;i++){
set.add(i + 1);
}
long start = System.currentTimeMillis();
for(int j = 1; j<=100000;j++) {
int temp = j;
boolean contains = set.contains(temp);
}
long end = System.currentTimeMillis();
System.out.println("time： " + (end - start));  //time： 5

}

### Hash结构效率高，那为什么索引结构要设计成树型呢？



> 
> 
> **于排序查询的SQL需求： 分组：group by 排序：order by 比较：**
> 
> 
> **哈希型的索引，[时间复杂度](https://bbs.csdn.net/topics/618545628)会退化为O(n)，而树型的“有序”特性，依然能够保持O(log(n)) 的高效率。 任何脱离需求的设计都是耍流氓。 多说一句，InnoDB并不支持哈希索引。**
> 
> 
> 


**Hash索引适用存储引擎如表所示：**


 ![](https://img-blog.csdnimg.cn/205bba2812ae46f682b4dd69be6f4018.png)


**Hash索引的适用性：**


![](https://img-blog.csdnimg.cn/dbd825473971480384757c4176c5656b.png)


**采用自适应 Hash 索引目的是方便根据 SQL 的查询条件加速定位到叶子节点，特别是当 B+ 树比较深的时 候，通过自适应 Hash 索引可以明显提高数据的检索效率。**


**我们可以通过 innodb\_adaptive\_hash\_index 变量来查看是否开启了自适应 Hash，比如：** 

show variables like ‘%adaptive_hash_index’;

![](https://img-blog.csdnimg.cn/70ff9258fc1649b28165a4862dd70f56.png)


###  二叉搜索树


**如果我们利用二叉树作为索引结构，那么磁盘的IO次数和索引树的高度是相关的。**


**1. 二叉搜索树的特点**


**2. 查找规则**


**![](https://img-blog.csdnimg.cn/7af9cb0569e443018154c3454f89d923.png)**


**创造出来的二分搜索树如下图所示：**


![](https://img-blog.csdnimg.cn/35771fad0b8a434295ea4ed7bff1e785.png)


**为了提高查询效率，就需要 减少磁盘IO数 。为了减少磁盘IO的次数，就需要尽量 降低树的高度 ，需要把 原来“瘦高”的树结构变的“矮胖”，树的每层的分叉越多越好。**


### AVL树


![](https://img-blog.csdnimg.cn/3f602bc3c6ad4ed6bf2e1d39cea16492.png)



**针对同样的数据，如果我们把二叉树改成 M 叉树 （M>2）呢？当 M=3 时，同样的 31 个节点可以由下面 的三叉树来进行存储：**


![](https://img-blog.csdnimg.cn/c8b268efe6544b329d9ebe6a071473fe.png)


### B-Tree


**B 树的结构如下图所示：**


![](https://img-blog.csdnimg.cn/fac70dd5751c48249d29fa5c784dbf92.png)


**一个 M 阶的 B 树（M>2）有以下的特性：**


**1. 根节点的儿子数的范围是 [2,M]。**


**2. 每个中间节点包含 k-1 个关键字和 k 个孩子，孩子的数量 = 关键字的数量 +1，k 的取值范围为**


**[ceil(M/2), M]。**


**3. 叶子节点包括 k-1 个关键字（叶子节点没有孩子），k 的取值范围为 [ceil(M/2), M]。**


**4. 假设中间节点节点的关键字为：Key[1], Key[2], …, Key[k-1]，且关键字按照升序排序，即 Key[i] 。此时 k-1 个关键字相当于划分了 k 个范围，也就是对应着 k 个指针，即为：P[1], P[2], …,P[k]，其中 P[1] 指向关键字小于 Key[1] 的子树，P[i] 指向关键字属于 (Key[i-1], Key[i]) 的子树，P[k]**


**指向关键字大于 Key[k-1] 的子树。**


**5. 所有叶子节点位于同一层。 上面那张图所表示的 B 树就是一棵 3 阶的 B 树。我们可以看下磁盘块 2，里面的关键字为（8，12），它 有 3 个孩子 (3，5)，(9，10) 和 (13，15)，你能看到 (3，5) 小于 8，(9，10) 在 8 和 12 之间，而 (13，15)大于 12，刚好符合刚才我们给出的特征。 然后我们来看下如何用 B 树进行查找。假设我们想要 查找的关键字是 9 ，那么步骤可以分为以下几步：**


* **1. 我们与根节点的关键字 (17，35）进行比较，9 小于 17 那么得到指针 P1；**
* **2. 按照指针 P1 找到磁盘块 2，关键字为（8，12），因为 9 在 8 和 12 之间，所以我们得到指针 P2；**
* **3. 按照指针 P2 找到磁盘块 6，关键字为（9，10），然后我们找到了关键字 9。**


**你能看出来在 B 树的搜索过程中，我们比较的次数并不少，但如果把数据读取出来然后在内存中进行比 较，这个时间就是可以忽略不计的。而读取磁盘块本身需要进行 I/O 操作，消耗的时间比在内存中进行 比较所需要的时间要多，是数据查找用时的重要因素。 B 树相比于平衡二叉树来说磁盘 I/O 操作要少 ， 在数据查询中比平衡二叉树效率要高。所以 只要树的高度足够低，IO次数足够少，就可以提高查询性能 。**


![](https://img-blog.csdnimg.cn/5d1a43eb2c4a4f0ea7f9dfe7b2577bf4.png)


### B+Tree


![](https://img-blog.csdnimg.cn/ed439b8fbe1842cbbb72354658405836.png)


**B+ 树和 B 树的差异：**



![img](https://img-blog.csdnimg.cn/img_convert/3487321d8d25ab7caa09418800e53271.png)
![img](https://img-blog.csdnimg.cn/img_convert/30562cec141a01d509f91e9b17b9f1b7.png)
![img](https://img-blog.csdnimg.cn/img_convert/8caf66a69706f483040822c997a27a2e.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**

涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**