深入理解数据库索引的实现原理

什么是索引

索引是帮助数据库高效获取数据的数据结构。索引是在基于数据库表创建的，它包含一个表中某些列的值以及记录对应的地址，并且把这些值存储在一个数据结构中。索引是以索引文件的形式存放于磁盘中。实际上，索引也是一张表，该表保存了主键与索引字段，并指向实体表的记录。

索引的优缺点

在mysql优化中，当我们定位到了慢查询语句后，我们都会适当给它建立索引来提高查询效率。是的，索引的作用就是高效提高查询效率，这种效果是非常明显的。不过，建立索引后，也带来了一些弊端，那就是作增加、删除等更新操作时，效率会下降，因为要对这些索引文件进行维护，必然导致效率下降。

索引的数据结构

之所以加了索引后，查询效率就快了，这很大程度上取决索引背后所使用的数据结构。在查找算法中，二分查找比遍历一遍的效率高许多，而在数据结构中，二叉查找树，甚至其进化版的红黑树的查找效率也是很高的，尤其是红黑树，能保证在最坏情况下，基本的动态几何操作的时间均为O（logn）。对于红黑树还不是很理解的话，可以看博主之前总结过的这篇文章初入红黑树。

但是，多数数据库的索引却是使用了B树，而不是红黑树这种数据结构。在MySQL中则使用了B树的优化版B+树。这些都是有原因的。

首先第一个问题：为什么不使用红黑树，而是使用B树？

原因在于B树能够充分利用磁盘预读原理，而红黑树由于逻辑上很近的节点，物理上可能很远，无法利用局部性，导致效率比B树差很多。我们来了解一下什么是局部性原理和磁盘预读原理

局部性原理与磁盘预读：

由于存储介质的特性，磁盘本身存取就比主存慢很多，再加上机械运动耗费，
磁盘的存取速度往往是主存的几百分分之一，因此为了提高效率，
要尽量减少磁盘I/O。为了达到这个目的，磁盘往往不是严格按需读取，
而是每次都会预读，即使只需要一个字节，磁盘也会从这个位置开始，
顺序向后读取一定长度的数据放入内存。这样做的理论依据是计算机科学中著名的局部性原理： 
当一个数据被用到时，其附近的数据也通常会马上被使用。 
程序运行期间所需要的数据通常比较集中。 
由于磁盘顺序读取的效率很高（不需要寻道时间，只需很少的旋转时间），因此对于具有局部性的程序来说，预读可以提高I/O效率。

我们来分析一下B树的性能效率

假设B树的高度为h,B树一次检索最多需要h - 1次I/O(因为根节点常驻在内存中)。

h =   

但数据库系统巧妙利用了磁盘预读原理后，将一个节点的大小设为等于一个页。B树新建一个节点时，直接申请一个页的空间，这样就保证一个节点物理上也存储在一个页里，加之计算机存储分配都是按页对齐的，就实现了一个节点只需一次I/O。

渐进复杂度变为O（h）= 

,一般实际应用中，出度d是非常大的，通常超过100，因此h非常小（通常不超过3），三层的B树可以存放上百万数据。也就是说，最多需要2次I/O就可以查找目标数，性能可见极其强悍！

而红黑树由于逻辑上很近的节点，物理上可能很远，无法利用局部性，其渐进复杂度也为之前的O（h）。效率与B树无法比较。

第二个问题：mysql的索引为什么使用B+树而不是B树？

这里有一篇漫画，说的是B树与B+树的一些知识点，大家可以看一下

https://blog.csdn.net/qq_26222859/article/details/80631121

之所以要用B+树，原因在于B+树的特性。

1.B+树的中间节点只保存索引元素，不保存数据，导致可以有更多的空间存放更多的索引，减少I/O次数。

2.B+树中间节点可以存放的元素个数为K，而B树为K - 1(K 为该节点的子树数目)，导致B+树显得更加“矮胖”，更符合做索引。

3.B+树叶子节点才存放索引文件，并且各区间叶子节点是以指针连起来，而B树是节点都可以存放索引和数据，这个优化将在范围查询时，让B+树显得很方便，只要顺着指针链，找下去就可以了，而B树要做范围查找，则要进行中序遍历，导致进行的I/O次数比B+树多。

聚簇索引与非聚簇索引

mysql中普遍使用B+Tree做索引，但在实现上又根据聚簇索引和非聚簇索引而不同。

聚簇索引

所谓聚簇索引，就是指主索引文件和数据文件为同一份文件，聚簇索引主要用在Innodb存储引擎中。在该索引实现方式中B+Tree的叶子节点上的data就是数据本身。

非聚簇索

非聚簇索引就是指B+Tree的叶子节点上的data，并不是数据本身，而是数据存放的地址。主索引和辅助索引没啥区别，只是主索引中的key一定得是唯一的。主要用在MyISAM存储引擎中

这里顺便总结一下mysql两种存储引擎特性和优缺点

MyISAM：

1. 不支持事务，但是每次查询都是原子的；
2. 支持表级锁，即每次操作是对整个表加锁；
3. 存储表的总行数；
4. 一个MYISAM表有三个文件：索引文件、表结构文件、数据文件；
5. 采用菲聚集索引，索引文件的数据域存储指向数据文件的指针。辅索引与主索引基本一致，但是辅索引不用保证唯一性。

优点：查询数据相对较快，适合大量的select，可以全文索引，会保持表的具体行数

缺点：不支持事务，不支持外键，并发量较小，不适合大量update操作

InnoDb：

1. 支持ACID的事务，支持事务的四种隔离级别；
2. 支持行级锁及外键约束：因此可以支持写并发；
3. 不存储总行数；
4. 一个InnoDb引擎存储在一个文件空间（共享表空间，表大小不受操作系统控制，一个表可能分布在多个文件里），也有可能为多个（设置为独立表空，表大小受操作系统文件大小限制，一般为2G），受操作系统文件大小的限制；
5. 主键索引采用聚集索引（索引的数据域存储数据文件本身），辅索引的数据域存储主键的值；因此从辅索引查找数据，需要先通过辅索引找到主键值，再访问辅索引；最好使用自增主键，防止插入数据时，为维持B+树结构，文件的大调整。

优点：支持事务，支持外键，并发量较大，适合大量更新操作

缺点：不适合大量的查询操作，查询数据相对较慢、不保存表的具体行数，需要扫描一遍表。