B+树结构与索引＜二＞ _ 索引页示例

于 2022-09-05 19:59:38 发布
阅读量496 收藏
点赞数
分类专栏： mysql 文章标签： b+树 mysql 索引页
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37543627/article/details/126424316
版权

目录

一、分析表空间

二、分析聚集索引页00000003页

三、分析辅助索引页00000004页

四、参考资料

一、分析表空间

        创建表，并插入数据，如下所示。

CREATE TABLE `test_clustered_index`  (
  `a` int(11) NOT NULL,
  `b` varchar(8000) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,
  `c` int(11) NOT NULL,
  PRIMARY KEY (`a`) USING BTREE,
  INDEX `index_c`(`c`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;
insert into test_clustered_index select 1,REPEAT('a',7000),-1;
insert into test_clustered_index select 2,REPEAT('a',7000),-2;
insert into test_clustered_index select 3,REPEAT('a',7000),-3;
insert into test_clustered_index select 4,REPEAT('a',7000),-4;

        使用工具py_innodb_page_info.py（详细见：py_innodb_page_info.py工具使用_爱我所爱0505的博客-CSDN博客）来分析表空间。

        如下所示，test_clustered_index的空间共9页，其中B+树节点页有5页，空闲页有1页。而B+树当前高度是2层，最高层page level <0001>，属于非叶子节点；page level <0000>是叶子节点。

[root@488c1daa7967 py_innodb_page_info]# python py_innodb_page_info.py -v /home/MySQL5.7/mysql-5.7.35/data/test_mysql/test_clustered_index.ibd
page offset 00000000, page type <File Space Header>
page offset 00000001, page type <Insert Buffer Bitmap>
page offset 00000002, page type <File Segment inode>
page offset 00000003, page type <B-tree Node>, page level <0001>
page offset 00000004, page type <B-tree Node>, page level <0000>
page offset 00000005, page type <B-tree Node>, page level <0000>
page offset 00000006, page type <B-tree Node>, page level <0000>
page offset 00000007, page type <B-tree Node>, page level <0000>
page offset 00000000, page type <Freshly Allocated Page>
Total number of page: 9:
Freshly Allocated Page: 1
Insert Buffer Bitmap: 1
File Space Header: 1
B-tree Node: 5
File Segment inode: 1

二、分析聚集索引页00000003页

        page offset 00000003表示00000003页在表空间的偏移量（页的位置），如下计算：3 * 16KB = 49152 = 0xc000。所以通过FileViewPro软件打开t_activity_detail.ibd，找到0x0000c000，就是00000003页的起始位置。

hexdump -C -s 49152 -n 16384 test_clustered_index.ibd

其中：

-n length 只格式化输入文件的前length个字节
-C 输出规范的十六进制和ASCII码
-b 单字节八进制显示
-c 单字节字符显示
-d 双字节十进制显示
-o 双字节八进制显示
-x 双字节十六进制显示
-s 从偏移量开始输出

[root@488c1daa7967 test_mysql]# hexdump -C -s 49152 -n 16384 test_clustered_index.ibd
0000c000  99 25 a2 6a 00 00 00 03  ff ff ff ff ff ff ff ff  |.%.j............|
0000c010  00 00 00 00 a8 b1 bd 17  45 bf 00 00 00 00 00 00  |........E.......|
0000c020  00 00 00 00 01 47 00 02  00 a2 80 05 00 00 00 00  |.....G..........|
0000c030  00 9a 00 02 00 02 00 03  00 00 00 00 00 00 00 00  |................|
0000c040  00 01 00 00 00 00 00 00  01 f7 00 00 01 47 00 00  |.............G..|
0000c050  00 02 00 f2 00 00 01 47  00 00 00 02 00 32 01 00  |.......G.....2..|
0000c060  02 00 1b 69 6e 66 69 6d  75 6d 00 04 00 0b 00 00  |...infimum......|
0000c070  73 75 70 72 65 6d 75 6d  00 10 00 11 00 0e 80 00  |supremum........|
0000c080  00 01 00 00 00 05 00 00  00 19 00 0e 80 00 00 02  |................|
0000c090  00 00 00 06 00 00 00 21  ff d6 80 00 00 04 00 00  |.......!........|
0000c0a0  00 07 00 00 00 00 00 00  00 00 00 00 00 00 00 00  |................|
0000c0b0  00 00 00 00 00 00 00 00  00 00 00 00 00 00 00 00  |................|
*
0000fff0  00 00 00 00 00 70 00 63  99 25 a2 6a a8 b1 bd 17  |.....p.c.%.j....|

        如上代码所示，Page Directory有：00 70 00 63，记录的相对位置是逆序存放的。0x63是infimum行的位置，即：0xc063；0x0070是supremum行的位置，即：0xc070。

        0xc063的记录头后的最后两位字节00 1b是下条记录的相对位置，即：0xc063 + 0xc01b = 0xc07e。0xc07e读取主键键值是80 00 00 01，就是主键为1的键值。注意，表定义主键是无符号的INT型，因此二进制是0x80 00 00 01，而不是0x00 00 00 01。而后四个字节00 00 00 05是数据页的物理偏移量，即：page offset 00000005，如下表所示。

位置

记录长度

(1或2字节)

记录头信息

(5字节)

Key值

(主键值)

数据页偏移量

(page offset)

0000c0780010 00 11 00 0e80 00 00 0100 00 00 05
0000c0860000 00 19 00 0e80 00 00 0200 00 00 06
0000c0940000 00 21  ff d680 00 00 0400 00 00 07

        如下所以，是数据页00 00 00 06的二进制内容。看出0x80 00 00 02、0x80 00 00 03分别对应主键2、3的行记录。聚集索引页保存的是行的完整数据。

[root@488c1daa7967 test_mysql]# hexdump -C -s 98304 -n 16384 test_clustered_index.ibd
00018000  84 a8 90 8c 00 00 00 06  00 00 00 05 00 00 00 07  |................|
00018010  00 00 00 00 a8 b1 bd 17  45 bf 00 00 00 00 00 00  |........E.......|
00018020  00 00 00 00 01 47 00 02  37 62 80 04 00 00 00 00  |.....G..7b......|
00018030  1b f5 00 05 00 00 00 02  00 00 00 00 00 00 00 00  |................|
00018040  00 00 00 00 00 00 00 00  01 f7 00 00 00 00 00 00  |................|
00018050  00 00 00 00 00 00 00 00  00 00 00 00 00 00 01 00  |................|
00018060  02 00 1d 69 6e 66 69 6d  75 6d 00 03 00 0b 00 00  |...infimum......|
00018070  73 75 70 72 65 6d 75 6d  58 9b 00 00 00 10 1b 75  |supremumX......u|
00018080  80 00 00 02 00 00 00 00  61 e0 b3 00 00 01 27 01  |........a.....'.|
00018090  10 61 61 61 61 61 61 61  61 61 61 61 61 61 61 61  |.aaaaaaaaaaaaaaa|
000180a0  61 61 61 61 61 61 61 61  61 61 61 61 61 61 61 61  |aaaaaaaaaaaaaaaa|
*
00019be0  61 61 61 61 61 61 61 61  61 7f ff ff fe 58 9b 00  |aaaaaaaaa....X..|
00019bf0  00 00 18 e4 7b 80 00 00  03 00 00 00 00 61 e5 b6  |....{........a..|
00019c00  00 00 01 2a 01 10 61 61  61 61 61 61 61 61 61 61  |...*..aaaaaaaaaa|
00019c10  61 61 61 61 61 61 61 61  61 61 61 61 61 61 61 61  |aaaaaaaaaaaaaaaa|
*
0001b750  61 61 61 61 61 61 61 61  61 61 61 61 61 61 7f ff  |aaaaaaaaaaaaaa..|
0001b760  ff fd 00 00 00 00 00 00  00 00 00 00 00 00 00 00  |................|
0001b770  00 00 00 00 00 00 00 00  00 00 00 00 00 00 00 00  |................|
*
0001bff0  00 00 00 00 00 70 00 63  84 a8 90 8c a8 b1 bd 17  |.....p.c........|
0001c000

        根据以上对聚集索引页的分析，可以整理如下图所示的聚集索引结构。看出叶子节点存放行记录的完整数据，聚集索引下的数据即索引，索引即数据。

B+树聚集索引结构

三、分析辅助索引页00000004页

        根据第二章节，聚集索引的根页是page offset 00000003，存放键值指向数据页page offset 00000005、page offset 00000006、page offset 00000007。

        page offset 00000004是辅助索引所在的页，如下计算：4 * 16KB = 65536 = 0x10000。

hexdump -C -s 65536 -n 16384 test_clustered_index.ibd

[root@488c1daa7967 test_mysql]# hexdump -C -s 65536 -n 16384 test_clustered_index.ibd
00010000  54 95 92 c8 00 00 00 04  ff ff ff ff ff ff ff ff  |T...............|
00010010  00 00 00 00 a8 b1 bd 3d  45 bf 00 00 00 00 00 00  |.......=E.......|
00010020  00 00 00 00 01 47 00 02  00 ac 80 06 00 00 00 00  |.....G..........|
00010030  00 a4 00 01 00 03 00 04  00 00 00 00 00 00 61 e6  |..............a.|
00010040  00 00 00 00 00 00 00 00  01 f8 00 00 01 47 00 00  |.............G..|
00010050  00 02 02 72 00 00 01 47  00 00 00 02 01 b2 01 00  |...r...G........|
00010060  02 00 41 69 6e 66 69 6d  75 6d 00 05 00 0b 00 00  |..Ainfimum......|
00010070  73 75 70 72 65 6d 75 6d  00 00 10 ff f3 7f ff ff  |supremum........|
00010080  ff 80 00 00 01 00 00 18  ff f3 7f ff ff fe 80 00  |................|
00010090  00 02 00 00 20 ff f3 7f  ff ff fd 80 00 00 03 00  |.... ...........|
000100a0  00 28 ff f3 7f ff ff fc  80 00 00 04 00 00 00 00  |.(..............|
000100b0  00 00 00 00 00 00 00 00  00 00 00 00 00 00 00 00  |................|
*
00013ff0  00 00 00 00 00 70 00 63  54 95 92 c8 a8 b1 bd 3d  |.....p.cT......=|
00014000

        如下表所示。-1以7f ff ff ff形式存放，7（0111）最高位0，代表负值，实际值应该取反后加1，即得：-1。辅助索引叶子节点存放辅助索引对应的列值，及该列值对应的主键值。

Key值(c列值)

主键值

7f ff ff ff80 00 00 01
7f ff ff fe80 00 00 02
7f ff ff fd80 00 00 03
7f ff ff fc80 00 00 04

        根据以上对辅助索引页的分析，可以整理如下图所示的辅助索引结构。看出叶子节点存放行记录的辅助索引的列值与主键的映射关系。

B+树辅助索引结构

四、参考资料

py_innodb_page_info.py工具使用_爱我所爱0505的博客-CSDN博客_py_innodb_page_info

InnoDB数据页结构示例_爱我所爱0505的博客-CSDN博客

MySQL InnoDB Engine--主键索引非叶子节点数据存储 - 走看看

爱我所爱0505
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python实现堆和索引堆的代码示例
12-25
由于是完全二叉树，所以可以使用数组来表示堆，索引从0开始[0:length-1]。结点i的左右子节点分别为2i+1,2i+2。长度为length的树的最后一个非叶子节点为length//2-1。当前节点i的父节点为(i-1)//2。其中//表示向下...
MySQL索引的实现和使用 -- B+树的实例
目标架构师，进击！
09-07 929
  前言：索引是数据库中常用的一种数据结构，对于大量数据的表结构中，实现快速查询离不开索引的帮助，本文简单介绍MySQL中索引的实现以及使用 在你想要了解索引之前，掌握树的数据结构是必要的，请先阅读 数据结构之树 索引 分类 索引按种类分为主键索引，唯一索引，普通索引  按数据结构分为B+树索引和哈希索引  按创建类型分聚簇索引和非聚簇索引 -  聚簇索引就是以主键创建的索引  ...
MYSQL-B+TREE索引原理
hao_yunfeng的博客
09-06 315
1.什么是索引？ 索引：加速查询的数据结构。 2.索引常见数据结构： #1.顺序查找: 最基本的查询算法-复杂度O（n）,大数据量此算法效率糟糕。 #2.二叉树查找（binary tree search）: O(log2n)   图1 左边是数据表，一共有两列七条记录，最左边的是数据记录的物理地址（注意逻辑上相邻的记录在磁盘上也并不是一定物理相邻的）。为了加快Col2的查找，可以...
B+树索引及其使用
Wu_3390的博客
07-22 1206
mysqlB+树索引及其使用
Mysql - 聚簇索引和辅助索引
程序员大航子
06-07 2469
聚簇索引和辅助索引 聚簇索引：数据是存放在叶子节点上。 辅助索引：叶子节点上是不存放真实数据的，而是存放聚簇索引的索引值。 首先说明一下，聚簇索引和辅助索引都是B+树的结构，区别就是叶子节点上是否存放真实的数据。那么为什么有这个区分呢。其实也很好理解，我们都知道，Mysql中的每一个索引都是一颗B+树来存储的，如果我每一颗B+树的叶子节点上面都存储数据的话，这个空间的要求是不是很大呢？当然，也可以所有的索引都不存储真实的数据，都存储指向真实数据的索引，这是MyISAM存储引擎的做法。 在Innodb存储引擎
mysql 辅助索引的例子_[MySQL] B+树索引
weixin_42545004的博客
02-03 350
B+树是一种经典的数据结构，由平衡树和二叉查找树结合产生，它是为磁盘或其它直接存取辅助设备而设计的一种平衡查找树，在B+树中，所有的记录节点都是按键值大小顺序存放在同一层的叶节点中，叶节点间用指针相连，构成双向循环链表，非叶节点(根节点、枝节点)只存放键值，不存放实际数据。下面看一个2层B+树的例子：保持树平衡主要是为了提高查询性能，但为了维护树的平衡，成本也是巨大的，当有数据插入或删除时，需采用...
Quadtree Demo:演示用于三角形空间索引的四叉树-开源
04-26
为此，该演示使用基于轴对齐的边界框的四叉树数据结构来加快对网格中三角形的搜索。 根据搜索点，检索四叉树区域的所有三角形，并显示有关搜索的相关信息。 可以通过三个参数对四叉树的创建进行参数设置：-最大树...
多种基于JavaScript 的算法与数据结构，源代码
最新发布
03-27
链表 双链表 队列 叠 哈希表 堆 - 最大和最小堆版本 ...Fenwick Tree（二叉索引树） 图形（有向和无向） Disjoint Set - 并集 - 查找数据结构或合并 - 查找集 绽放过滤器 LRU 缓存 - 最近最少使用 （LRU） 缓存
btree:锈病中的持久性B + Tree实现
03-15
受启发的持久性B + Tree实现，被设计为键值存储的索引。设计每个BTree结构都与包含其节点的文件关联。 每个节点都有一个预定义的结构。 单元测试可作为API使用的有用示例。磁盘上的节点结构有两个NodeType变种- ...
树形展开的C#树形菜单控件（Treeview示例）
03-16
内容索引:C#源码,菜单窗体,树形菜单　树形展开的C#树形菜单控件，可三级展开收起菜单目录项，一个经典的TreeView使用示例，TreeView也是大家在平时编程中经常使用的一个菜单控件，既美观，又习惯操作，很多朋友...
B树、B+树详解
To the beyond and infinity!
07-14 6279
文章目录1. 前言，概念，定义2. B树实例讲解2.1 B树的插入操作2.2 B树的删除操作3. 磁盘IO与预读4. B树的高度5. B+树 1. 前言，概念，定义 前言   首先，为什么要总结B树、B+树的知识呢？最近在学习数据库索引调优相关知识，数据库系统普遍采用B-/+Tree作为索引结构（例如mysql的InnoDB引擎使用的B+树），理解不透彻B树，则无法理解数据库的索引机制；接下来将用最简洁直白的内容来了解B树、B+树的数据结构   另外，B-树，即为B树。因为B树的原英文名称为B-tre
B+树索引的使用
ichglauben的博客
09-19 1819
1.B+树索引 1.1不同应用中B+树索引的使用 OLTP:查询操作只从数据库中取得一小部分的数据，一般可能都在10条记录以下，或者1条记录 是建立B+树索引最有意义的，否则即使建立了，优化器可能选择不使用索引。 OLAP:需要访问表中大量的数据 根据这些数据来产生查询结果，这些查询多是面向分析查询，并提供给决策者。对于OLAP复杂查询，要涉及多张表之间的连接，索引添加依然有意义。 但是Hash ...
B+树索引
weixin_30682415的博客
05-30 528
B+树索引 起因 通过InnoDB数据页结构可知所有数据页组成双链表结构，每个数据页中的记录按照主键大小组成单向链表，根据主键查询某条记录是从页目录通过二分法比较主键大小找到对应的槽，再遍历槽中的记录找到目标记录。但是主键查找有方法，那其他的列查找又怎么实现。如果通过从最小记录开始依次遍历，很明显很傻，所以引出了索引的概念。 过程 以InnoDB为例，假设某表采用compact为行格式存储...
一步步分析为什么B+树适合作为索引的结构
热门推荐
LLLLEE 的博客
02-11 2万+
本文是在讲述什么样的数据结构适合作为索引，以及其适合作为索引的原因。而阅读本文需要对B树和B+树结构有稍微的理解。以及需要对磁盘操作知识有稍微的了解。对于磁盘操作的相关知识，在文章尾部的链接文章中，有详细的介绍。
数据库索引及B树、B+树详解
杨氏计算机知识整理
08-30 3536
数据库索引部分：http://blog.csdn.net/weiliangliang111/article/details/51333169 B树、B+树、B*树以及R树参考：http://blog.csdn.net/v_JULY_v/article/details/6530142/   现在进入第一块内容：什么是数据库索引？     我们通过一个简单的例子来开始教程，解释为什么我们需...
MySQL索引底层：B+树详解
weiwenhou的博客
02-16 1533
前言当我们发现SQL执行很慢的时候，自然而然想到的就是加索引。对于范围查询，索引的底层结构就是B+树。今天我们一起来学习一下B+树哈~公众号：「捡田螺的小男孩」树简介、树种类B-树、B+树...
Python实现B树索引
07-08
B树（B-tree）是一种自平衡的搜索树，常用于数据库和文件系统中的索引结构。下面是一个简单的Python实现B树索引的示例代码： ```python class BTreeNode: def __init__(self, leaf=False): self.leaf = leaf ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值