MySQL索引与树总结、实验

最新推荐文章于 2024-04-26 18:35:50 发布

TenzT

最新推荐文章于 2024-04-26 18:35:50 发布

阅读量222

点赞数

分类专栏：数据库文章标签： MySQL 索引

本文链接：https://blog.csdn.net/qq_18122705/article/details/88544730

版权

数据库专栏收录该内容

4 篇文章 0 订阅

订阅专栏

文章目录

用于查找的树结构（多路查找树）
非聚集与聚集（MyISAM VS InnoDB）
实验
补充
参考资料

用于查找的树结构（多路查找树）

B-树：就是平衡的多路查找树，相比二叉查找树（BST），B-树的出度更大，可以有效降低树的高度，从而减少IO读写的次数。以下都是它的特例或变种。
2-3树（用红黑树实现）–>2-3-4树–>B树–>B+树
- 2-3树是一颗自平衡树，稳定的情况下节点最多可存2个Key。红黑树则是在BST的基础上加入红黑节点和左旋右旋操作，即其本质上仍是一颗BST。
- 2-3-4树：跟2-3树一样，都是B-树的特例，只是节点可存储的Key更多，所以树的高度会相对来说更低（同等节点）
- B-树（B“杠”树）：就是一个节点可以多几个Key。到这里，心里总该有点B-树了，但是为什么还会提出B+树呢？
- B+树与B-树相似，区别在于：B+树的非叶子结点只包含导航信息，只有在叶子节点才可能命中目标Key，而且所有叶子节点和先练的节点使用链表相连，便于“区间查找和遍历”。这样改造的优点在于：
  1. B+树只有在叶节点不包含数据域，在内存页中能够存放更多的key，能够更好的利用“空间局部性”
  2. B+树的叶子结点是相连的，因此对整棵树的遍历只需要一次线性遍历叶子结点即可，有利于区间查询和搜索。

非聚集与聚集（MyISAM VS InnoDB）

非聚集：索引与数据文件分开，B+树叶子节点记录的是数据记录的地址，需要先在索引中找到地址再去磁盘寻址。MyISAM的实现形式。
聚集：在InnoDB中，B+树的叶子结点data域保存了完整的数据记录。
MyISAM与InnoDB在辅助索引上的另一个区别：
- MyISAM的辅助索引的data域仍是地址
- 而InnoDB的辅助索引的data域是该记录的主键，也就是说找到所要定位的数据记录对应的字段，也就直接拿到了该记录的主键

实验

稍后补充。。

补充

主键聚集保证的函数是逻辑上连续，而不一定是物理上连续（首先要理解的是，在B+树的叶子节点上，并不是直接得到给定键值的具体行，而是会根据B+树给的信息找到并加载目标行所在的页，然后数据库通过把页读入到内存，再在内存中的表中查找），通过对实际数据页的分析，其其聚集索引树的构造大概如下图。就跟B+树叶节点示意图一样，页面是通过双向链表进行维护的，物理存储上可以同样不按照主键存储。将对存储空间的使用比喻成数组（连续存储）和链表，显然如果数据表经常会有删改的情况出现时，用数组的维护成本明显比链表高。
B+树索引并不能找到给定键值的具体行，能找到的只是被查找数据行所在的页，然后数据库通过把页读入到内存，再在内存中进行查找。
索引中多列的顺序？以MySQL官方提供的employees.titles为例，Key_name相同的表示是同一个索引里面的不同索引列。为什么会有多个列呢？这种叫做多列索引，举个例子，假设有一个sjobs的人在简历中有很多不同的学历（博士>硕士>学士），我要查询他在某个学历期间的成就，那我可以简历一个多列索引，包括(名字，学历)，当我使用select 成就 from t_resume where name='sjobs' and edu_bg='硕士'来查询sjobs硕士期间的经历，那名字这个索引列首先能够命中sjobs这个人相关的记录，然后使用edu_bg这个第二级的索引列能够更快地找到他硕士期间的经历，就体现在这里。