数据库索引及树形结构简介

数据库索引及树（1）

关系型数据库

OLTP：

	是传统的关系型数据库，主要操作增删改查，强调事务一致性，比如银行系统、电商系统。常见的		
	数据库：mysql，Oracle等。

OLAP：

	是仓库型数据库，主要是读取数据，做复杂数据分析，侧重技术决策支持，
    提供直观简单的结果。常见的列式数据库有： Vertica、 Paraccel (Actian Matrix，Amazon Redshift)、
	Sybase IQ、 Exasol、 Infobright、 InfiniDB、 MonetDB (VectorWise， Actian Vector)、
  LucidDB、 SAP HANA、 Google Dremel、 Google PowerDrill、 Druid、 kdb+。目前主要了解   clickhouse

mysql 使用B+树索引；

mysql-数据都是存储在磁盘里，索引也是，当程序加载时，

会将索引缓存到内存里面，mysql默认的就是innodb引擎，（5.1之前好像不是)
在内存和磁盘数据交互时，一般情况下有一个最小逻辑单元，页，是4k或8k，每一个磁盘块大概是16kB
读写IO。如何优化？减少次数和每次的量

哈希表，通过hash算法找到对应key的hash值即可；存在hash冲突。数据散列，产生大量线性查询

树 --------二叉树- 红黑树 - B树 - B+树 - BST - AVL

二叉树

• 节点有序-算法二分查找-每一个节点有，且只有两个分支 如果其是一直递增或递减，

• 

  将会退化成链表，要避免的话，让树节点左旋或者右旋让树平衡 即 AVL树
  

AVL（平衡二叉树）

• 节点有序-最短子树跟最长子树高度只差不能超过1
  相当于通过损失插入性能来弥补查询性能，但是如果读写请求一样多的时候怎么办？即红黑树
  

红黑树（平衡二叉树）

• 让树节点左旋或者右旋让树平衡 或变色的方式

• 最短子树跟最长子树高度不超过两倍即可-查询性能和插入性能取得一个近似平衡
  

  随着数据的插入，树的深度会变深，意味则IO的次数会越来越多，影响读取效率
  

  把原来有序的二叉树变成有序多叉树？但是原来的二插查找将不会是左小右大，将会是范围即B树

B树

• 递归分支查过4时， 即达到时向下分
  
  
  

B+树

• 加指针在B树的基础上扩容，在节点数据在同级中有序
• 和B树的区别如下，左图B树，右图B+树
  

以上图片来自百度百科和视频链接内容，如有问题可联系删除，谢谢
https://www.bilibili.com/video/BV1ov41137Vo?p=4