MySQL进阶—索引1

索引

索引概述

介绍

索引（index）是帮助MySQL高效获取数据的数据结构(有序)。在数据之外，数据库系统还维护着满足 特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据， 这样就可以在这些数据结构 上实现高级查找算法，这种数据结构就是索引。

索引就是一种数据结构，这种结构类似，链表，树等等。但是比它们要复杂的多。

为什么要用索引呢？

假如我们有如下数据

如果我们要查询年龄=45的全部信息。

select * from tb_user where age = 45;

那么SQL是如何查询呢？

MySQL需要进行全表扫描，然后对比每条数据中的age值是否是45。

加入我们要100个数据，那你继续全表扫描找出age = 45；岂不是太麻烦了？

这是你是否想起来数据结构中二叉搜索树？我们将age的值映射到这个二叉搜索树上，那么我们就可以快速查找到我们要的结果。age 到二叉搜索树的过程就是索引。

注意：我们仅仅用二叉搜索树举例子，想信你肯定知道MySQL中的索引肯定比这个复杂。

此时我们对索引的理解更加深入了，索引仅仅是建立了一个数据结构，把数据存入到这个结构上，方便MySQL查找数据罢了。

 特点

 

索引结构

MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种

 上述是MySQL中所支持的所有的索引结构，接下来，我们再来看看不同的存储引擎对于索引结构的支持 情况。

我们主要看InnoDB就可以了，因为MyISAM会被MongoDB代替，Memory会被Redis代替。

我们一般指的索引是指的是B+tree。

当然B+tree肯定不是一上来就提出来的，肯定是有一个进化的过程。

索引进化的过程

我们都知道二叉搜索树是一个方便存储的结构，因为其天然的排序。左子树都小于中间节点，右子树都大于中间节点。

 但是它有什么缺点呢？在极端情况下会退化成链表。查找时间复杂度O(n)，这不就等效于全表查询了？

 如何克服呢？使用红黑树，因为它是一种平衡二叉树。可以避免出现链表这种极端情况。

 那么是不是使用红黑树就可以了？答案：还是不行，不够理想。

为什么呢？因为是二叉树，如果MySQL中数据过多，那么将会出现树的层级过深。

我们知道数据以Page为单位存入的，在Page切换查询时会出现磁盘IO操作。层级过深就会造成IO频繁。

如何解决上述问题呢？B-Tree出场。

B-Tree

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(每个key都可以存放数据)，5 个指针：

 

 

 

是不是使用b树就可以了呢？原则上是可以了，但是还有一种更优的方案B+Tree 代替了BTree。

 

MySQL中的B+Tree 和BTree有什么不同呢？

• B+Tree只在叶子节点存储数据，从而保证每个Page中存入更多的key。
• 叶子节点包含了根节点和非叶子节点--图中红框显示。
• 叶子节点采用双向循环链表连接，方便查找。

 

因此我们可以回答：为什么MySQL采用B+Tree呢？