MySQL索引数据结构

前言

MySQL中表里面的数据越来越大的时候，查询数据就会变慢，为了解决查询变慢的问题常用的办法是在表上建索引，然后根据索引查询数据就会更快。

MySQL中，用的最多的是InnoDB存储引擎，InnoDB中的索引采用B+Tree这种数据结构。B+Tree 索引是 B+Tree 在数据库的一种实现。B+Tree 中的B代表平衡（balance），而不是二叉（binary），因为 B+Tree 是从 “平衡二叉树” 再经过 “B树（B-Tree）” 一步步演化而来的。

其实最终选用 B+树 是经历了漫长的演化：

二叉排序树 → 二叉平衡树 → B-Tree（B树） → B+Tree（B+树）
现在我们详细聊聊B+Tree索引的前世今生

索引结构

哈希索引

对于哈希索引来说，底层的数据结构就是哈希表，因此在绝大多数需求为单条记录查询的时候，可以选择哈希索引，查询性能最快；
有个好处，新增会很快，只需要往后追加；但也有缺点，
因为不是有序的，所以哈希索引做区间查询的速度是很慢的。

所以，哈希表这种结构适用于只有等值查询的场景，比如 Memcached 及其他一些 NoSQL 引擎。

二叉树

二叉树，分2个叉的树，左子树的键值 < 根的键值 < 右子树的键值，且节点中存储了键(key)和数据(data)，二叉树数据分布不均匀的时候会退化成链表。

二叉树的特点：

二叉树的平均时间复杂度为 O(log(N))
每个节点最多只能有两个子节点

数据库中的数据基本都是放在磁盘中的，每读取一个二叉树的结点就是一次磁盘IO。

• 数据分布很好的情况如下，查询其中的数据IO次数稳定
• 数据分布不好的情况，查找数据IO次数不稳定，要找数据就需要IO次数很多，数据结构退化成链表

平衡二叉树

为了 防止 二叉树退化成链表 的最坏的情况，在符合二叉查找树的条件下，还满足任何节点的两个子树的高度最大差为1，这样就变成平衡二叉树（AVL树），需要注意的是平衡二叉树是每个节点只存储一个键值和数据的。

为了保证任何节点的两个子树的高度最大差为1，是通过各种旋转实现
平衡二叉查找树的特点：

• 二叉查找树的平均时间复杂度为 O(log(N))
• 每个节点最多只能有两个子节点
• 每个节点的左右子树高度差不超过 1

平衡二叉查找树通过旋转可以使每个节点的左右子树高度差不超过 1，也就是避免链化问题。磁盘的 IO 由树高决定，数据量越多，遍历次数越多，IO 次数就越多，就越慢。

B-Tree

B-Tree 和平衡二叉树不一样，B-Tree 属于多叉树又名平衡多路查找树（查找路径不止两个）。

平衡二叉树 每个节点只有一个key，而多路合并之后的B-Tree每个节点含有一组key。这样整棵树的层级会变矮，可以针对外部查找大大减少I/O次数。这就解释了为什么已经有了 “平衡二叉树” 还弄个B-Tree。

B-Tree 特点：

（1）B-Tree每个节点含有一组key（而 平衡二叉树 每个节点只有一个key），这样压缩树的高度 ，减少I/O次数，提升查询速度

（2）叶子节点具有相同的深度（同B+Tree），页节点指针为空（B+Tree叶子节点有指针连接）

（3）所有索引元素不重复（B+Tree中非叶子节点有key的冗余），非叶子节点上有数据

（4）节点中的索引从左到右递增排列

B+Tree

B+Tree是在B-Tree基础上的一种优化，使其更适合实现外存储索引结构。B+Tree与B-Tree的结构很像，但是也有几个自己的特性：

（1）叶子节点具有相同的深度（同B-Tree），所有叶子节点之间都有一个链指针

（2）所有的非叶子节点只存储关键字（key）信息

（3）所有数据都存在叶子结点中

（4）节点中的索引从左到右递增排列

B+Tree 是 BTree 的一个变种，设 d 为树的度数，h 为树的高度，B+Tree 和 BTree 的不同主要在于：

B+Tree 中的非叶子结点不存储数据，只存储键值。
B+Tree 的叶子节点没有指针，所有键值都会出现在叶子节点上，且 key 存储的键值对应 data 数据的物理地址。
B+Tree 的每个非叶子节点由 n 个键值 key 和 n 个指针 point 组成

MySQL为什么最终要去选择B+Tree？

（1）B+Tree是B-Tree的变种，B-Tree能解决的问题，B+Tree也能够解决（降低树的高度，增大节点存储数据量）

（2）B+Tree扫库和扫表能力更强。如果我们要根据索引去进行数据表的扫描，对B-Tree进行扫描，需要把整棵树遍历一遍，而B+TREE只需要遍历他的所有叶子节点即可（叶子节点之间有引用）。

（3）B+Tree磁盘读写能力更强。他的根节点和支节点不保存数据区，所以根节点和支节点同样大小的情况下，保存的关键字要比B-Tree要多。所以，B+Tree读写一次磁盘加载的关键字比B-Tree更多。

（4）B+Tree排序能力更强。B+Tree天然具有排序功能。

（5）B+Tree查询性能稳定。B+Tree数据只保存在叶子节点，每次查询数据，查询IO次数一定是稳定的。当然这个每个人的理解都不同，因为在B-Tree如果根节点命中直接返回，确实效率更高。