Mysql中索引的内部结构是怎样的

目录

用来查询的数据结构

B树与B+树

B+树的优势与特点

---

用来查询的数据结构

  Mysql中的索引类似于目录，能够提高查询的速度，会占用更多的空间，也可能会拖慢增删改的速度。创建主键约束，唯一约束，外键约束时，会自动创建对应列的索引。

  我们今天来讨论索引的底层的数据结构，这也是面试中高频考察的问题。

  索引，一定是引入了一些额外的数据结构，来增加查询的速度。默认的情况下，进行条件查询操作，就是遍历表，一条一条数据都带入条件。引入索引，就是要通过其他的数据结构，加快查询的速度，减少遍历表的可能性。

  那么有哪些数据结构，能够加快查询速度？最快的我们可以想到红黑树和哈希表。但是这两种数据结构，都不适合给数据库使用。

  哈希表只能查询key相等的情况，无法进行【1~10】这样的范围查询。经过hash函数的映射，原来key之间的大小关系，不能反映到计算出来的hash值的大小关系，也无法决定下标的大小关系。

  红黑树可以进行范围查询，但在红黑树中是通过中序遍历找到下一个后继元素，有时候就可能会往父节点上一系列回溯，才能找到后继。当元素非常多的时候，就会使树的高度变得比较高，查询的效率变低，高度每增加一层，比较次数就增加1.因此，红黑树也不适合大规模在硬盘上管理数据的场景。

B树与B+树

  因此就引入了B树，本质上是一个N叉搜索树。每个节点上可以存储多个元素，延伸出多个子树。表示同样数量的数据，需要的节点数就少了，对应的树高度也大大降低了。

上图每个方框是一个节点，每个数字代表一个key（或是一行数据库中的记录）

  表面上看拿着要查询的key在某个节点上比较的时候，需要更多的比较次数，但是这里的比较还是比较高效的。原因如下：

1）每个节点上的这些key也是有序排列的，比较的时候可以直接二分查找。

2）B树也会控制，某个节点上保存的key不会太多，如果插入更多的元素，使key变多了，就会使节点分裂出更多的子树出来。

3）多个数据，都是放在一块连续的存储空间上的，进行比较的时候，一次硬盘IO就能读出整个节点，就可以直接完成上述比较（进行多次比较，实际上只有一次硬盘IO）

数据库索引数据结构的最终形态，是B+树，相当于B树的升级版。

B+树，同样也是N叉搜索树。

  按照上述规则来排列数据，此时叶子节点这一层，就包含了整个数据集合的全集。另外，B+树会把叶子节点通过类似于链表的链式结构串起来。此时就可以通过上述链式结构非常方便的遍历整个表中的所有数据，同时也非常方便进行范围查询。

针对索引列进行查询，就是从树根节点往下一层一层的查询。

针对非索引列查询，就是拿着最底下一层叶子节点，遍历链表就行了。

B+树的优势与特点

1）非常方便的进行遍历和范围查询。

2）当前任何一次查询操作，最终都是要落到叶子节点完成的。查询任何数据，经历的硬盘IO次数都是一样的，这个时候查询操作消耗的时间是稳定的。

3）由于叶子节点是数据的全集，对应的非叶子节点中都是重复出现的数据。就可以把表每一行的数据，最终都关联到叶子节点这一层。非叶子节点中只保存一个单纯的key即可（id）。

比如，使用id这一列来做索引。这里B+树的非叶子节点，都只需要保存一个id这样的值就行了。到了叶子节点这里，每个叶子节点不光要保存id，还要把后续的name，classId等信息也保存起来。

这样组织之后，非叶子节点占用的空间就比较小（非叶子节点只存id），此时，非叶子节点就可以缓存到内存中。

总结：（重点）·针对哪个列创建索引，就是针对哪个列构建B+树。

 ·主键索引的B+树，叶子节点是带有数据行的。

·其他的列的索引，叶子节点则是主键id。

·针对非主键列进行索引查询，查到的结果是一个主键id。

·还需要去主键索引中再做一次查询（称为“回表”）。

以上，关于B+树，希望对你有所帮助。