MySQL为什么用B+树作为索引？

目录

前言

一、二叉搜索树

二、平衡二叉树

三、B树 

四、B+树

---

前言

首先我们应该思考一下，选取合适的索引应该有什么标准。

MySQL是将数据保存到磁盘上的，也就是说我们想要通过索引查找某行数据的时候，要先从磁盘读索引到内存，再通过索引从磁盘找到数据读到内存，整个过程会涉及到多次的磁盘I/O，又因为磁盘I/O次数越多，消耗的时间就越多，所以我们希望所选的数据结构能够尽量减少磁盘I/O的次数。

另外，MySQL也是支持范围查询的，这又要求数据结构还能高效地进行范围查找。

综上，我们选取的数据结构应该满足：

• 能尽量用少的磁盘I/O完成数据查询。
• 不仅能查询某一个记录，还能高效地进行范围查找。

下面，我们就对比几个树型结构，体会一下为什么B+树是MySQL的最佳选择。

一、二叉搜索树

为什么第一个考虑的就是一棵树而不是其他的数据结构呢，因为它能解决连续插入新元素开销大的问题，所以我们对比的都是树型结构。

而二叉搜索树呢，因为它的特性（一个节点的左子树的所有节点都小于这个节点，右子树的所有节点都大于这个节点），所以它查找数据时是相当于二分查找，能节省查找时间。

 但是，二叉树最终的检索效率，其实是取决于数据的分布情况。如果数据分布均匀，还是能提高一定的查询效率的；数据如果分布不均匀，用二叉树来做索引的话，还是存在着一定的不足性。

比如，当我们每次新插入的元素都是二叉树中最大的元素，那么它就会退化成一条链表，就不具备二分的效果了。而且，每访问一个节点，就涉及一次磁盘I/O，也就是说树的层数越高，代表磁盘I/O次数（最大值）越多，这种情况下，二叉搜索树不满足我们的两个条件，不适合作为数据库的索引结构。

                                                       

二、平衡二叉树

平衡二叉树（Balanced Binary Tree），它具有以下性质：它的左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。

平衡二叉树的常用算法有红黑树、AVL、Treap、伸展树、SBT等。

它解决了二叉搜索树会退化成链表的问题，那么它为什么没能作为索引结构呢？

是因为它还存在一些问题：

1.太深了：二叉树每个节点只能保存两个子节点，数据量增多，二叉树的高度也随之变多，这就会导致磁盘I/O的次数也变多，会影响整体的查询效率，举个例子，如果是多叉树，每一层放的节点数量多变多了，那同样的数据量，树的高度变小了，效率就高了。

2.太小了：通过N多次 I/O 操作后，拿到的数据太少了

一个节点的结构可参考下图，其中，data指向真正数据存储的磁盘位置(内存地址)，通过数据区去加载数据。一般情况下，为了节省空间，数据区是不会保存数据的，而是指向磁盘的一个位置，然后去磁盘把内容加载过来，达到快速检索的目的。

I/O操作是以页为单位，交换一次，大约是4K的数据，而一个节点中除了数据还要保存关键字，子节点引用，再去掉用不到的数据，一次I/O操作获得的有效信息太少了。

（手画的有点丑，不要介意）

这种结构也没有很好的利用预读能力， 操作系统在IO操作时，比如说要读 2M txt 文件。先把头部 4k 读回来后，它会认为你马上就会使用接下来的 4k 数据，会提前加载好，所以真正交换数据时，交换的不是4k，是更多的数据。

三、B树 

B树本质是多叉树，不再限制一个节点就只能有 2 个子节点，而是允许 M 个子节点 (M>2)，从而降低树的高度。

假设我们把B树定成1000路，高度为3时，能存放的数据量特别多，远远高于平衡二叉树（才7个节点），也可以理解成平衡二叉树时高瘦的，B树时矮胖的，所以B树这种多路平衡树远好于平衡二叉树。

但是B树也存在不足：

• B 树的每个节点都包含数据，这意味着在读取节点时可能会读取到不必要的数据，增加了磁盘 I/O 开销。
• 如果使用 B 树来做范围查询的话，需要使用中序遍历，这会涉及多个节点的磁盘 I/O 问题，从而导致整体速度下降。

那有没有更完美的结构了呢？

主角登场！

四、B+树

B+Tree 是 B-Tree 的变种，多路绝对平衡查找树，它拥有 B-Tree 的优势；

也有优于B树的地方：

1.扫库、扫表能力更强：B-Tree 扫库扫表，会扫每一个枝节点，最后再扫子节点，基本都得扫一遍。B+Tree，只扫子节点即可。

2.磁盘读写能力更强：B+树非叶子节点不存放数据，相比于B树的非叶子节点来说，所占内存小。磁盘IO的大小是固定的，节点越小，一次IO所能读取到的节点数量就越多。因此B+树单次磁盘IO效率高于B树。

3.查询效率更加稳定：

B树相当于对关键字二分查找，范围是1~logmN,距离根节点越近效率越高，涉及到跨层查找，所以在查询时可能需要多次磁盘访问，导致查询性能较低。

B+树：都是logmN，因为数据都在叶子节点上，而且通过叶子节点形成的链表可以快速定位到范围查询的起始位置，提高了查询性能。

4.B+树更适用于MySQL索引这种范围查询和顺序访问的场景