GBase8s 索引入门之原理分析（一）

1.数据页的存储结构

一般在研究索引之前，需要先知道数据在磁盘上的存储结构，存储方式简单的总结为：
在磁盘文件中，数据页（存储数据的数据结构）之间是组成双向链表的，数据页内部的数据行（每一行数据）是组成单向链表的，而且数据行是根据主键从大到小排序的。如下图：

在引出索引之前，如果表中没有创建索引，是如何根据SQL查询语句查出数据的？

查询方式有两种：根据主键字段查询和根据非主键字段查询。

• 先看第一种根据主键字段查询，这种查询方式比较简单，直接到数据页的页目录中根据主键进行二分法（ps：比较基础的算法）查找。快速找到主键对应的数据在哪个数据页中，然后到对应的数据页中，遍历数据页中的每一行数据，找到主键对应的数据，然后读取数据行。

• 第二种根据非主键字段查询，这种方式就不能根据主键的页目录进行二分查找了，只能进入每一个数据页中，一行一行的对比，依次遍历查找，也就是全表扫描。（这种方式在遍历所有的数据页时还需要把数据页加载到内存中，再依次对比查找）

众所周知，全表扫描在数据较多的情况下，效率极低，所以就需要通过创建索引来查询。

2.页分裂

在引入索引概念之前，还需要知道一个前提知识，页分裂。

一个数据页写满了，就要换下一页去写，下一个数据页要求主键值是比上一页大的。

主键值是自增id是很容易做到这一点的。但是有些情况下，主键值不是自增id，比如uuid，那么在往下一个数据页写数据的时候，就很可能产生页分裂，把值小的数据行移动到前面的页去，把前面页较大的数据行，移动到后面页去。这就是页分裂的现象。

页分裂核心是要保证下一页的数据主键值要比上一页的要大。

3.主键索引

针对主键的索引实际上就是主键目录。主键目录就是把每个数据页的页号，还有数据页中最小的主键值放在一起，组成一个索引目录。如下图：

如果要查询id = 3 的数据，就会跟每个数据页的最小主键比较，首先id=3大于数据页1的最小主键值1，小于数据页2的最小主键值4，这样可以定位到id=3的数据一定在数据页1中，然后根据页号找到数据页。当数据页很多时，是通过二分法查找的方式来查找主键所在的数据页的。然后在数据页中二分查找定位数据，进行读取。

这样的效率是非常高的，主键目录就可以认为是主键索引。

4.B+ 树实现索引的页存储物理结构

如果表中的数据过多，就会有大量的数据页存在，对应主键目录中就要存储大量的数据页的页号和最小主键值，这种方式自然不行。

所以采用一种把索引数据存储在数据页中的方法来实现。
即表的数据存放在数据页中，表的索引也存放在页中，这个时候叫索引页。如下图：

现在有很多索引页，但是需要知道应该往哪一个索引页中去找主键数据，是索引页1还是索引页10。于是又把索引页加一个层级出来，在更高的索引层级中，保存了每个索引页和索引页中的最小主键值。如下图：

现在假设要查询id=9的数据，步骤如下：
1.会先从最顶层的索引页20开始查询，通过二分法定位到下一步应该到索引页1中去查询；
2.然后进入索引页1，通过二分法查找定位到数据应该在数据页3中；
3.进入数据页3中，就可以二分法查到id=9的数据了。

如果最顶层的索引页里存放的下层索引页的页号过多，会再一次分裂，增加高一层的索引页。如下图：

上图中多层级的索引页就是一颗B+树，属于一种树形数据结构。这就是常说的MySQL的索引是B+树组成的。

这就是索引的物理存储结构，采用跟数据页一样的页结构来存储，一个索引就是很多页组成的一个B+树。

5.聚簇索引

索引页与数据页之间是有指针连接的。索引页内部，对于同一层级内的索引页，互相之间都是基于指针组成双向链表的，如下图：

在这颗B+树中，最底层的一层就是数据页，数据页就是B+树里的叶子节点。
如果一颗B+树索引数据结构中，叶子节点就是数据页自己本身，就可以称这个B+树索引为聚簇索引。
即上图中的所有索引页+数据页组成的B+树就是聚簇索引。

聚簇索引默认是按照主键组成的，在增删改数据的时候，一方面会更新数据页，一方面会自动维护B+ 树结构的聚簇索引，更新或新增索引页。聚簇索引是默认就建立的。