MySQL数据库 — 索引在MySQL中的数据结构是什么

1. 哈希表

数据结构最重要的部分

哈希表的时间复杂度是 O(1)

哈希表不适合做数据库的索引。

因为哈希表只能比较相等，无法查找 >、< 这样的范围查询。
但是数据库又要经常使用范围查询，所以需要有合适的解决方案。

所以数据库没有使用 哈希表

2. 二叉搜索树

考虑到如果是最坏的情况，时间复杂度是 0(N)
如果这个树比较平衡，例如 AVL/红黑树，是可以达到 logN

二叉搜索树虽然可以范围查询了，但是数据库也没有使用它。

原因：

二叉意味着当元素个数多了的时候，树的高度会比较高。
树的高度就决定了查询的时候，元素的比较次数就会比较多，而数据库比较都是要读硬盘的。
比较的次数越多，查询的速度也会越慢。

显然不适合数据库。

3. N叉搜索树

每个节点上有多个值，同时有多个分叉。此时树的高度就降低了。

其中一种典型实现，叫做 B树

3.1 B树

下面图片演示 B树。



比较次数虽然没怎么减少（一个结点上可能需要比较多次了），
但是读写硬盘的次数减少了。（每个结点都是在硬盘上的）

B树已经可以比二叉搜索树更适合做数据库索引了，但是还不是很完美。

对于这里又引入了，B+树，这是对 B树的进一步改进。
而 B+树 是为了索引这个场景量身定做的数据结构。

3.2 B+树

图片演示。



特点：

• B+树也是一个 N叉搜索树，每个节点上可能包含 N个Key，N个Key划分出的区间。
  最后一个Key就相当于是最大值了。

• 父元素的 Key 会在子元素中重复出现，并且是以最大的姿态出现的。
  这样的重复出现导致叶子结点就包含了所有数据的全集，
  非叶子结点中的所有值都会在叶子结点中体现出来。

• 会把叶子结点用类似的于链表的方式收尾相连。

优点：

• 作为一个 N叉搜索树，高度降低下来比较的时候，硬盘 IO 次数就比较少了。（同B树）
• 更适合进行范围查询。
• 所有的查询都是要落在叶子节点上的，无论查询哪个元素，中间比较的次数差不多，查询操作比较均衡。
  对于B树来说，可能是有的值查的快，有的查的慢，可能就不均衡了。（在根节点或者深度不深的位置都查的快）
  对于B+树来说，都是一样的速度。
• 由于所有的 key 都会在叶子结点中体现，因此非叶子结点不必存表的真实记录（不必存数据行）
  只要把所有的数据行给放到叶子结点上即可，非叶子结点只需要存索引列的值（比如存个id）