目录
索引概述
介绍
索引（index）是帮助MySQL高效获取数据的数据结构（有序），在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引
演示
表结构及数据：
执行的SQL语句为：select * from user where age = 45;
无索引情况：
在无索引情况下，需要从第一行开始扫描，一直扫描到最后一行，称之为全表扫描，性能很低
有索引情况：
如果建立了索引，假设索引结构是二叉树，则会对age这个字段建立一个二叉树的索引结构：
此时查询只需要扫描三次就可以找到数据，极大提高了查询效率
备注：只是假设索引结构是二叉树，并不是索引的真实结构
优缺点
索引结构
概述
MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的结构，主要包含以下几种：
不同的存储引擎对索引结构的支持情况：
注意：平常所说的索引，如果没有特别指明，都是指B+树索引
二叉树
假如MySQL的索引结构采用二叉树的数据结构，比较理想的结构如下：
如果主键是顺序插入的，则会形成一个单向链表，结构如下：
因此，二叉树的缺点：
- 顺序插入时，会形成一个链表，查询性能大大降低
- 大数据量情况下，层级较深，检索速度慢
如果选择红黑树，红黑树是一棵自平衡二叉树，即使是顺序插入数据，最终形成的数据结构也是一棵平衡的二叉树，结构如下：
即使如此，红黑树也存在缺点：
- 大数据量情况下，层级较深，检索速度慢
B-Tree（B树）
B-Tree（B树）是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉
以一棵最大度数（max-degree）为5（5阶）的B树为例，那这个B树每个节点最多存储4个key，5个指针：
【树的度数指的是一个节点的子节点个数】
数据结构可视化网站：B-Tree Visualization
插入一组数据：100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250
特点：
- 5阶的B树，每一个节点最多存储4个key，对应5个指针
- 一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂
- 在B树中，非叶子节点和叶子节点都会存放数据
B+Tree（B+树）
B+树是B树的变种，以一棵最大度数为4（4阶）的B+树为例，结构如下：
两部分：
- 绿色框的部分，是索引部分，仅仅起到索引数据的作用，不存储数据
- 红色框的部分，是数据存储部分，在其叶子节点中要存储具体的数据
可视化演示：B+ Tree Visualization
插入一组数据：100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250
- 所有的数据都会出现在叶子节点
- 叶子节点形成一个单向链表
- 非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的
MySQL优化后的B+树：
MySQL索引数据结构对经典的B+树进行了优化，在原B+树的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+树，提高区间访问的性能，利于排序：
Hash
MySQL中除了支持B+树索引，还支持Hash索引
结构：
哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中：
如果两个（或多个）键值映射到一个相同的槽位上，就会产生hash冲突（也称为hash碰撞），可以通过链表来解决：
特点：
- Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，...）
- 无法利用索引完成排序操作
- 查询效率高，通常(不存在hash冲突的情况)只需要一次检索就可以了，效率通常要高于B+树索引
存储引擎支持：
- 相对于二叉树，层级更少，搜索效率高
- 对于B树，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低
- 相对Hash索引，B+树支持范围匹配及排序操
最低0.47元/天 解锁文章
扫一扫
2829
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
