Tree、B_Tree,B+_Tree及Mysql索引实现浅析

Tree：

这是一个平衡二叉树，以1~10内容为例，我们可以看到它一共有4级，我们查询10的话需要进行四次查询。如果作为数据库索引实现的话需要进行4次IO读取。
这是平衡二叉树的演示工具网址：https://www.cs.usfca.edu/~galles/visualization/AVLtree.html

B树：

这是一个B-tree ，同样以1~10为例子，它一共有3级，我们查询10的话需要进行3次查询。如果作为数据库索引实现的话需要进行3次IO读取。相比较平衡树来说，在某些情况下我们可以减少对于IO的读取次数。相对于平衡树来说我们查找某个内容的速度变快了，但是怎么用一个数的索引模式去实现范围查询呢？例如我们查询7 ~10的范围，需要找到7往回退然后再往右找10，这样是很麻烦的，我们知道范围查询性能最快的是有序数组。可以很快的取到7 ~10的内容，但是数组的单个内容查询效率比较低(虽然可以使用二分查找，类似于平衡树实现，但是我们想让他的效率更高点)。下面我们就介绍一下B-Tree和数组的结合体，B+Tree
[1,2,3,4,5,6,7,8,9,10]
这是B-tree的演示地址：https://www.cs.usfca.edu/~galles/visualization/BTree.html
B+树：

B+树相对于B树增加了叶子节点概念，分为叶子节点和非叶子节点，叶子节点是Key-Value形式的数组结构，非叶子节点是个B树，这样就能提高单个查询和范围查询的效率，相对应的肯定会多占用一些空间，这对我们来说是可以接受的。MySQL中的InnoDB和MyISAM就是采用了B+树的方式实现的索引。但是两者在实现方式上稍有不同:
B+树的演示页面：https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html
MyISAM:

MyISAM 的叶子节点的value对应的是地址，当查询的时候还需要根据地址去寻找对应的值。

InnoDB ：

InnoDB中叶子节点的value直接存储的内容。

当然这只是两种存储引擎索引的区别，MyISAM和InnoDB的主要区别有朋友已经总结了：
https://www.cnblogs.com/kevingrace/p/5685355.html