MySQL基础-索引选择为啥使用B+Tree

索引的概念：索引是帮助MySQL提高查询效率的一种排好序的数据结构。

常见索引：二叉树、红黑树、哈希索引、B-Tree、B+Tree，有这么多索引，为什么我们的MySQL选择了B+Tree?下面我们一起探究下。下面的几条数据，我们分别用几种数据结构展示

一个比较方便的网站，可以帮助我们快速生成各种树结构，Data Structure Visualization，已查询Col=89为例。

1、不使用索引的情况：

按照上面的数据，则需要6次才能查找到Col=89的这条数据，如果我们的数据量非常大，则需要的次数更多，花费的时间也就自然更更多了。查询一条数据需要一次I/O操作，则结果自然可想而知。
2、用二叉树作为MySQL索引：

数据存放结果（左边的子元素小于父元素，右边的子元素大于父元素），查询Col=89则需要进过4次才能查找到。相比较全表查询，已经少了两次I/O。但是如果我们插入的数据是依次递增的，将会形成一颗单边增长的二叉树，比如我们一次插入2,3,4,5,6,7。这样就跟我们全表查询是一样的了，这个时候索引也就没用了。

3、用平衡二叉树作为MySQL索引：

相对于二叉树来说，平衡二叉树自动帮我们调整树的高度，查找Col=89只需要两次就可以了，但是数据多的时候，高度依然会非常高，而且他通过旋转维护树的高度也需要耗时。

4、用红黑树作为MySQL索引：

看起来跟平衡二叉树效果差不多，不过他的插入效率要比平衡二叉树高些。 

5、用B-Tree作为MySQL索引：

 以Max. Degree = 4，可以看出所有节点数据不重复，一个节点可以存多个元素，节点的数据从左到右依次递增，查找Col=89只需要两次就可以了，看起来效果已经很好了，那么我们用实际数据模拟下效果。

 我们已主键索引为例，数字代表主键值，data是具体的这一行的数据。mysql默认一页的大小是16KB，若data中的数据过大，则一个节点能放的数据量越小，这样就会造成树的高度比较大了，所以也不是我们理想的效果。

6、用B+Tree作为MySQL索引：

以Max. Degree = 3，从上面的结构可以看出，叶子结点和非叶子节点之间有重复数据，一个节点可以存多个元素，节点的数据从左到右依次递增，叶子结点之间用指针链接。

我们的MySQL在此基础上做了修改。非叶子节点不存数据，只存索引的值。相邻的叶子结点指针相互指向，形成一个双向链表，提高区间的访问速度。

 我们可以计算一下3层B+Tree能存放的数据量大小。我们先看非叶子节点，假设主键ID为 bigint 类型，那么长度为8B，指针大小在Innodb源码中6B，一共14B，那么一页（即一个节点）可以存储  16KB/14B=1170 个索引元素和 1170个指针；根节点有1170个索引和1170个指针，树高度为2的节点就有1170个，那么叶子节点的数量为 1170x1170；每个叶子节点可以存储16KB，若每条数据比较大为1KB，那么每个叶子节点可以存储16条数据；那么，高度为3的 B+Tree 的叶子节点可以存储的数据量为 1170x1170x16大约等于2000W；