mysql索引为什么采用B+树结构

          mysql索引为什么采用B+树结构一个面试高频题，它能够很好的检验出面试者对mysql原理的理解深度，本文将从一下几个方面来分析：

            1.索引是什么，核心问题是什么？

            2.hash、二叉树、AVL、红黑树、B树、B+树的对比。

第一部分 索引是什么，核心问题是什么？

       索引的定义：索引是为了帮助数据库快速获取数据的数据结构，也就是索引本质上是一种数据结构，目的是为了加快数据的访问速度。

       核心问题：明白了索引目的是提高数据获取速度，是一种数据结构，那么更深一层的定位是，那些问题影响了数据的获取速度，这个很显然数据是存储在磁盘上的，磁盘数据要先加载到内存中，这个过程IO是最大的瓶颈，那么核心是解决IO的问题，也就是尽量减少IO此时，一次IO能获取更多的数据。

        从上边的分析我们可以看出，重点是设计出一个好的数据结构形式，来提高IO的效率，我们常见的数据结构有：二叉树、AVL、红黑树、B树、B+树，接下来我们比较下各种数据结构，自然就会明白为什么选择B+树。

第一部分：hash、二叉树、AVL、红黑树、B树、B+树的对比。

       在分析各种数据结构之前，我们先来说下磁盘的分块读取的几个概念：

局部性原理：

      时间局部性：一般情况下，刚刚访问过的数据会很快会被再次查询。

      空间局部性：数据和程序都有聚集成群的倾向，具备某一个特点的数据经常会聚集存储。

磁盘预读：读取数据到内存时，一般读取的是页的整数倍，页的大小是根据操作系统相关，默认是4k或者8K，在mysql的innodb存储引擎中，默认是16Kb.

 

hash、二叉树、AVL、红黑树、B树，B+树对比

1.hash结构：memory存储引擎支持hash索引，innodb存储引擎支持自适应hash（由mysql系统来决定使用的是hash索引还是B+树）

      数据结构：是通过数组和链表来实现的，

     1.hash结构的缺点：

     1) 必须要设计一个优秀的hash算法，保证数据足够的散列，如果存在大量的hash冲突或者hash碰撞，那么会导致某些查询效率非常低。

     2) 当需要进行范围查询时，需要对比每一个元素值。效率低。

     3) hash比较浪费内存空间，而内存时非常宝贵的资源，

2.二叉树， BST，AVL树，红黑树：

       这四中数据结构都是有序的，每一个节点有且只有两个分支，AVL树和红黑树保证左右两个分支的个数尽可能的相同，AVL树要求左右子树高度差不能大于1，也就是严格的平衡，红黑树是非严格平衡树。

这四种结构的缺点：

       每一个分支都是只有两个子节点，那么当数据增加时，树的高度会变深，会导致IO次数变多。

3.B树和B+树：

     B树：主要在叶子节点和非叶子节点都存储索引和数据，

     B+树：叶子节点存储索是key和value（数据），叶子节点之间是双向指针，非叶子节点存放的是key。

我们以四阶的树来看下，数字1到10的B树和B+树的结构如下图：

 

       从结构我们可以看出，B树所有节点都存储这key和value，数据是没有重复的，而B+树非叶子节点值存储key，而1到10都会存在叶子节点上。

   总结

通过上边分析我们可以看出，与B+树相比，hash结构查询效率和存储都相对差，二叉树， BST，AVL树，红黑树当数据比较大时会导致树的深度比较深，IO次数会增加，B树所有节点都存储key和数据，当数据量很大时单个分页加载的key值就会少，这样导致跟多的IO，B+树非叶子节点只存储key，那么每个分页能够加载更多的key值，减少了IO，同时B+树叶子节点是双向链表，所以B+树使得范围查询、范围查询、分组查询等更简单。