=========================================================================
（1）B+树索引：所有数据存储在叶子节点，复杂度为O(logn)，适合范围查询。
（2）哈希索引: 适合等值查询，检索效率高。
哈希索引基于哈希表实现，只有精确匹配索引所有列的查询才有效。对于每一行数据，存储引擎都会对所有的索引列计算一个哈希码，哈希码是一个较小的值，并且不同键值的行计算出来的哈希码也不一样。哈希索引将所有的哈希码存储在索引中，同时在哈希表中保存指向每个数据行的指针。
但是范围查找不适合，因为存储引擎都会为每一行计算一个hash码，hash码都是比较小的，并且不同键值行的hash码通常是不一样的，hash索引中存储的就是Hash码，hash 码彼此之间是没有规律的，且 Hash 操作并不能保证顺序性，所以值相近的两个数据，Hash值相差很远，被分到不同的桶中。这就是为什么hash索引只能进行全职匹配的查询，因为只有这样，hash码才能够匹配到数据。
在MySQL中，只有Memory引擎显示支持哈希索引，这是Memory引擎的默认索引，Memory引擎同时也支持B-Tree索引，指得一提的是，Memory引擎是支持非唯一哈希索引的，如果多个列的哈希值相同，索引会以链表的方式存放多个记录指针到同一个哈希条目中。HASH时间复杂度O(1)，链表时间复杂度是O(n)
InnoDB支持Hash索引吗？
-
InnoDB用户无法手动创建哈希索引，这一层上说，InnoDB确实不支持哈希索引；
-
InnoDB会自调优(self-tuning)，如果判定建立自适应哈希索引(Adaptive Hash Index, AHI)，能够提升查询效率，InnoDB自己会建立相关哈希索引，这一层上说，InnoDB又是支持哈希索引的；
（3）全文索引：只能在文本类型CHAR,VARCHAR,TEXT类型字段上创建全文索引。字段长度比较大时，如果创建普通索引，在进行like模糊查询时效率比较低，这时可以创建全文索引。 MyISAM和InnoDB中都可以使用全文索引。
（1）聚簇索引（主键索引）：每个InnoDB表都有一个聚簇索引 ，聚簇索引使用B+树构建，叶子节点存储的数据是整行记录。一般情况下，聚簇索引等同于主键索引，当一个表没有创建主键索引时，InnoDB会自动创建一个ROWID字段来构建聚簇索引。InnoDB创建索引的具体规则如下：
-
如果表定义了PK，则PK就是聚集索引；
-
如果表没有定义PK，则第一个非空unique列是聚集索引；
-
否则，InnoDB会创建一个隐藏的row-id作为聚集索引；
（2）非聚簇索引（二级索引）：非聚簇索引就是以非主键创建的索引，叶子节点存储的是主键和索引列。
（1）主键索引：主键索引一般都是在创建表的时候指定，「一个表只有一个主键索引」，特点是「唯一、非空」。
（2）普通索引：普通索引唯一的作用就是加快查询。
（3）组合索引：组合索引是创建一个「多个字段的索引」，这个概念是相对于上上面的单列索引而言，组合索引查询遵循「最左前缀原则」。
（4）唯一索引：唯一索引具有的特点就是唯一性，可以在创建表的时候指定，也可以在创建表后创建。
（5）空间索引：MySQL在5.7之后的版本支持了空间索引，而且支持OpenGIS几何数据模型。MySQL在空间索引这方面遵循OpenGIS几何数据模型规则。
================================================================================
可以从几个维度去看这个问题，查询是否够快，效率是否稳定，存储数据多少，以及查找磁盘次数，为什么不是二叉树，为什么不是平衡二叉树，为什么不是B树，而偏偏是B+树呢？
我们知道哈希结构，类似k-v结构，也就是，key和value是一对一关系。它用于「等值查询」还可以，但是范围查询它是无能为力的哦。
-
当数据量大时，树的高度会比较高（树的高度决定着它的IO操作次数，IO操作耗时大），查询会比较慢。
-
每个磁盘块（节点/页）保存的数据太小（IO本来是耗时操作，每次IO只能读取到一个关键字，显然不合适）
-
如果二叉树特殊化为一个链表，相当于全表扫描
没有很好的利用操作磁盘IO的数据交换特性，也没有利用好磁盘IO的预读能力（空间局部性原理），从而带来频繁的IO操作。
B树的搜索：从根节点开始，对节点内的关键字（有序）序列进行二分查找，如果命中则结束，否则进入查询关键字所属范围的儿子节点；重复，直到所对应的儿子指针为空,或已经是叶子节点。 关键字集合分布在整颗树中 ，即叶子节点和非叶子节点都存放数据，搜索可能在非叶子节点结束。其搜索性能等价于在关键字全集内做一次二分查找。
假设检索26，先把磁盘块1加载到内存中，然后26与28和46比较，26比28小，然后基于P1子节点引用，P1是指向磁盘块2的一个指针地址，基于P1引用可以通过顺序IO快速加载磁盘块2，然后26与19和23比，26大于23，通过P3子节点引用，加载磁盘块7。然后命中，基于节点数据区加载数据。
B树的特点：
-
不再是二叉搜索，而是m叉搜索；
-
叶子节点，非叶子节点，都存储数据；
-
中序遍历，可以获得所有节点；
名词解释：
局部性原理：软件设计要尽量遵循 “数据读取集中”与“使用到一个数据，大概率会使用其附近的数据”，这样磁盘预读能充分提高磁盘IO；
磁盘预读能力：磁盘读写并不是按需读取，而是按页预读，一次会读一页的数据，每次加载更多的数据，如果未来要读取的数据就在这一页中，可以避免未来的磁盘IO，提高效率；
数据交换特性：操作系统去硬盘读取一次，做一次I/O交换，一次交换数据是4k（Linux默认页大小），交换单位以页为单位，1页就是4k（索引按数据页为单位读写的，在InnoDB中，每个数据页的大小默认是16KB）
它是B-Tree数的变体，也是一种多路搜索树B+Tree和B-Tree基本相同，区别在于B-Tree树非叶子节点和叶子节点都可以存放数据，而B+Tree树关键字存储在叶子节点上，非叶子节点不存真正的数据。（B+树中根到每一个节点的路径长度一样，因此查询速度更稳定；而B树不是这样）
叶子之间，增加了链表，获取所有节点，不再需要中序遍历，直接遍历叶子节点就行；
比如查找28，其实图顶端的28是索引，并不是真实数据，他会继续往下找。
B+Tree与B-Tree比较
①B+Tree范围查找，定位min与max之后，中间叶子节点，就是结果集，不用中序回溯；
②B+Tree磁盘读写能力更强（叶子节点不保存真实数据，因此一个磁盘块能保存的关键字更多，因此每次加载的关键字越多）
③B+Tree扫表和扫库能力更强（B-Tree树需要扫描整颗树，B+Tree树只需要扫描叶子节点）
==========================================================================
准备数据：
CREATE TABLE employee (
id int(11) NOT NULL,
name varchar(255) DEFAULT NULL,
age int(11) DEFAULT NULL,
date datetime DEFAULT NULL,
sex int(1) DEFAULT NULL,
PRIMARY KEY (id),
KEY idx_age (age) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
insert into employee values(1,‘小红’,43,‘2021-01-20’,‘0’);
insert into employee values(2,‘铁蛋’,48,‘2021-01-21’,‘0’);
insert into employee values(3,‘张三’,36,‘2020-01-21’,‘1’);
insert into employee values(4,‘李四’,32,‘2020-01-21’,‘0’);
insert into employee values(5,‘王老五’,37,‘2020-01-21’,‘1’);
insert into employee values(6,‘赵六’,49,‘2021-01-21’,‘0’);
insert into employee values(7,‘小丑’,28,‘2021-01-21’,‘1’);
索引结构图：
（1）非聚簇索引（二级索引）
select * from employee where age=32;
这条 SQL 查询语句执行流程：
-
搜索idx_age索引树，将磁盘块1加载到内存，由于32<37,搜索左路分支，到磁盘寻址磁盘块2。
-
将磁盘块2加载到内存中，在内存继续遍历，找到age=32的记录，取得id = 4.
-
拿到id=4后，回到id主键索引树。
-
搜索id主键索引树，将磁盘块1加载内存，在内存遍历，找到了4，但是B+树索引非叶子节点是不保存数据的。索引会继续搜索4的右分支，到磁盘寻址磁盘块3.
-
将磁盘块3加载内存，在内存遍历，找到id=4的记录，拿到R4这一行的数据，好的，大功告成。
什么是回表查询呢？回表查询简单来说「通过二级索引查询数据，得不到完整的数据行，只能拿到主键ID，需要再次查询主键索引来获得数据行」。
（2）聚簇索引（主键索引）
select * from employee where id = 4;
这条 SQL 查询语句执行流程：
-
搜索id主键索引树，将磁盘块1加载内存，在内存遍历，找到了4，但是B+树索引非叶子节点是不保存数据的。索引会继续搜索4的右分支，到磁盘寻址磁盘块3.
-
将磁盘块3加载内存，在内存遍历，找到id=4的记录，拿到R4这一行的数据，好的，大功告成。
=====================================================================
大家想一个问题，如果不用select *, 而是使用select id,age，执行几次树搜索操作呢？
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数Java工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
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，基本涵盖了95%以上Java开发知识点，真正体系化！
由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！
如果你觉得这些内容对你有帮助，可以扫码获取！！（备注Java获取）
最后
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！
如果你觉得这些内容对你有帮助，可以扫码获取！！（备注Java获取）
最后
[外链图片转存中…(img-RW0gd6XJ-1713687708532)]
[外链图片转存中…(img-LUuLvL5z-1713687708532)]
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！
扫一扫
483
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
