（1）MYSQL索引之MySQL索引数据结构为什么使用B+树

本次应该算是一个小系列，分为三节。描述一下Mysql的索引底层的原理的一些知识，，第一节主要分析总结一下对于MySQL索引数据结构为什么使用B+树这种数据结构呢？
对于这个问题，我们着重讨论这么几种数据结构，hash存储，二叉平衡树存储，B树存储，B+树存储，为什么Mysql最终在这些数据结构终选择了B+树这种数据结构呢？我们用https://www.cs.usfca.edu/~galles/visualization/这个网站来构建数据结构图。

1、hash存储

上图是一个长度未11的哈希表，每次在通过散列函数存储数据进入哈希表的时候，我们最终得到得地址是一个无序得，这种无序得地址存储得数据自然也就是无序得（至于为何无序，建议学学hash得知识，这里不做讲解）。所以虽然哈希查找就是时间复杂度为1，直接就命中查找，速度十分的快。
但是也存在一个问题，就是当你是做范围查找的时候，因为它的无序，你无法命中你得范围，你只能还是一个一个的去查，导致你的范围检索没有意义。而mysql中存在大量的范围查找语句，也不难想象为什么mysql不用这种数据结构查找了。

2、二叉平衡树AVL

二叉平衡树就是红黑树，之后在看hashmap的时候注意一下。下图是一颗有十个节点的二叉平衡树，这里扩展一句画外音，平衡树的任意左右子树的高度差的绝对值不会超过1。

二叉平衡树其实在考研的时候没少看，但是现在都还回去了，我们看到这种数据结构首先它的树高不低（和后面的B树和B+树对比），但是因为它是一棵排序树，所以支持二分查找，这样会提高效率，不然它根本没资格进入讨论的范围。
但是它有一个问题，就是比如上图中我们查找数据5的时候，先不说它走两次才能到5节点。比如我们要查找比大于5的节点数据，首先我们要定位到5这个节点，走两次，然后我们还得回溯到父节点6，然后再遍历6的子树，才能查到大于5的数据，当数据量大的时候，这无疑是很坑爹的。所以它也被pass了。

3、Btree(B树)

首先我希望大家心里永远有B数，B树作为Mysql索引的男二号，是很有意义的，我一直认为它起到了桥梁的作用。
下图是一颗有十个节点的B树。

不难看到，B树因为能一个节点存两个数据的原因（具体原理数据结构模块见），它的树高被降低了，这样就比AVL的查询效率要高一些了，但是我们还是没有解决了平衡二叉树中的范围查找的回溯问题。致使它也被抛弃了。

4、B+tree（B+树）

我们的男一号出场了，B+树是对B树的一个升级优化，具体原理见数据结构板块。

我们看到B+树是拥有B树的优点（一个节点存两个数据，可以降低树高。），我们也看到B+树它有两种数据，一种事非叶子节点，一种是叶子节点。这里说一下，B+树中有约定，非叶子节点存的就是数据的索引，可以理解为指针，它就是做一个指向，方便查询。真正的数据存在了叶子节点中，叶子节点中既有指针又有数据（数据指的是存数据的物理地址），所以最后所有的数据查询都要落实到叶子节点中，然后拿到物理地址跑到磁盘中取到真正的数据。
而且B+树还有一个机制，我们看到叶子节点中存储数据的时候是有序的，它排好了序，并且拥有指向下一个数据的指针，是一个单向有序的链表。所以当你执行查找大于5的数据，你在叶子节点找到5的时候，直接相当于就能从链表中取到所有后面大于5的数据，避免了查找的回溯问题。看到这里，我有点理解那种熟练使用数据结构的大佬们的自由了，信手拈来的神来之笔，这可能就是最高境界吧。所以B+树的这些优点让他成为的主角。