数据库基础总结

如何设计一个数据库结构

一个完整的数据库结构分为存储是程序实例俩部分；分别如下

• 程序实例
  • 存储管理
  • 缓存管理
  • SQL解析
  • 日志管理
  • 权限划分
  • 容灾管理
  • 索引管理
  • 锁管理
• 存储
  • 文件系统

索引管理

常见的建立索引的数据结构有如下四种

• 生成索引，建立二叉查找数进行二叉查找
• 生成索引，建立B-Tree进行查找
• 生成索引，建立B±Tree进行查找
• 生成索引，建立BitMap结构进行查找

B-Tree的定义

该定义为5部分组成，定义如下：

• 根节点至少有俩个孩子
• 树中每个节点最多含有m个孩子（m>=2）
• 除根节点与叶子节点以外，其他每个节点至少有ceil(m/2)个孩子
• 所有叶子节点均位于同一层
• 假设每个非终端节点中包含n个关键字信息
  • Ki(1…n)为关键字，Ki-1<ki
  • 关键字的个数[ceil(m/2)-1] <= n <= m-1
  • 非叶子节点的指针：p[1],p[2],…,p[m]；其中p[1]指向关键字小于K[1]的子树，P[M]指向关键字大于K[m-1]的子树，P[i]指向关键字 >= K[i-1] 的子树 与<= k[i+1]的子树
    B-Tree的数据结构如下图所示
    
    举例查找15的节点
• 1.从根节点开始找起，15小于根节点关键字17，则位于P1指针指向的子树
• 2.15大于关键字12，则应该继续在P3的子树下查找
• 3.从左到右依次查找就找到了15

B±Tree的定义

B±Tree是B树的变体，其定义基本与B树相同，除了

• 非叶子节点的指针与关键字个数一致
• 非叶子节点的子树指针P[i],指向关键字[k[i],K[i+1])的子树
• 非叶子节点仅用来保存索引，所以的数据都保存在叶子节点中
• 所有叶子节点都有一个链指针指向下一个叶子节点
  B±Tree的结构图如下：
  
  结论
• B+树更适合用来存储索引
  • B+树的磁盘读写代价更低
  • B+树的查询效率更高
  • B+树更有利于对数据库表进行扫描

Hash索引可以考虑一下

该索引的查询过程时，现将要查询的关键字进行hash运算，根据得到的hash值作为key值，在从hash索引中取出该bucket对应的链表，然后再进行遍历链表获取所有的全部数据

缺点

• 仅仅能满足"=","IN"不能使用范围查询，因为关键字hash运算的值只能做=过滤，故不能做范围查询
• 无法被用来避免数据的排序操作，因为hash运算的key值不一定是根据关键字的排列顺序是一致的，故不能避免排序
• 不能利用部分索引键查询，联合索引，可以根据最左匹配原则执行索引，但是hash索引是将关联字段的值一起进行hash运算的结果，所以不能进行利用部分索引键进行查询
• 不能避免表扫描

密集索引与稀疏索引的区别

• 密集索引的文件中的每个搜索码都对应一个索引值
• 稀疏索引文件只为索引码的某些值建立索引项

对于MySql数据引擎InnoDb

• 若有一个主键被定义，该主键则作为密集索引
• 若没有定义主键，则该表第一个唯一非空索引则作为密集索引
• 若不满足以上条件，innodb内部会生成一个隐藏主键（密集索引）
• 非主键索引存储相关键位和其对应的主键值，包含俩次查找

Myql中Innodb与MyISAM俩种存储引擎的索引结构

第一种Innodb的辅助索引为存储的是主键值，走辅助键索引则会先查询出对应的主键值，然后再根据该主键查询叶子节点上的相关数据，Innodb的引擎的数据存放由表结构文件、索引与数据文件俩部分组成
第二种MyISAM的主键索引与辅助键索引均在存储结构中存储一个数据指针，指向真实的数据位置，对于表而言，该存储引擎的主键索引与辅助键索引是没有关系的，在实际结构中MYISAM的索引文件与数据文件也是分开存放的，还包扣一个表结构文件，总共三个文件组成

关于索引的一些问题

为什么要使用索引？
使用索引可以避免在检索数据的时候进行全表扫描，加快检索效率
什么样的信息可以成为索引？
主键、唯一键，只要是可以让数据可以有区分的字段
索引的数据结构？
常见的数据结构为B+树，还有bitmap、hash、二叉查找树等，mysql不支持bitmap，mysql执行引擎为Innodb与MyISAM不支持hash
聚集索引与稀疏索引的区别？
密集索引的定义：叶子节点保存的不只是键值，还保存了位于同一行记录里的其他列的信息，由于密集索引决定了表的物理排列顺序，一个表只有一个物理排列顺序，所以一个表只能创建一个密集索引

稀疏索引：叶子节点仅保存了键位信息以及该行数据的地址