索引知识

1.1 索引的概念

索引是帮助MySQL高效获取（排好顺序）数据的数据结构。

1.1.1 索引数据结构

• 二叉树

• 红黑树

• Hash表

• B-Tree

1.1.2 二叉树

二叉树是每个结点最多有两个子树的树结构。通常子树被称作“左子树”（left subtree）和“右子树”（right subtree）。

缺点：

比如插入元素为： 1 2 3 4 5 6 7，二叉树的结构会变成链表，查询数据时，逐行查找，效率慢

1.1.3 红黑树

红黑树（Red Black Tree） 是一种自平衡二叉查找树，一种数据结构。

缺点：

红黑树结构的表结构， 如果存储的数据量很大，红黑树树的高度也很大，如果要查询的数据在红黑树的叶子节点，那么查询的效率会很慢。

改进：

扩展单个节点存储的索引个数，存储越多，树的高度越小

1.1.4 B-Tree （ 单个节点存储多个索引）

• 叶节点具有相同的深度，叶节点的指针为空

• 所有索引元素不能重复

• 节点中的数据索引从左到右递增

• 节点大小 16K

查询时将节点加载到内存中，对元素进行比较，如果元素比某个索引小，则再将该索引的左子树加载到内存再进行比较。

1.1.5 B+Tree

B+Tree 是在B-Tree上的一种优化， InnoDB存储引擎就是B+Tree实现的

B+Tree 与 B-Tree 有什么不同？

• 非叶子节点不存储data，只存储索引，可以放更多的索引

• 所有叶子节点之间都有一个链指针，可以提高区间访问的性能

• 数据记录都存储在叶子节点中

1.1.6 Hash表

将每一个元素做一次哈希计算，确定存储位置。

缺点：

适合于等值数据查找，但不适合于范围查找

1.2 存储引擎

MySQL中数据用各种不同的技术存储在文件（或内存）中，这些技术使用不同的存储机制、索引技术、锁定水平。

1.2.1 存储引擎分类

• myisam （非聚集）

  myisam索引文件和数据文件时分离的（非聚集），查询时会跨越两个文件

  数据存储结构

  一张表有三个文件：如t_song表

  t_song.frm：存储的是数据表的基本结构

  t_song.MYD：存储数据表的记录

  t_song.MYI：存储数据表的索引

• innodb （实现了聚集索引）

  • MySQL默认的存储引擎，支持ACID事务

  • 数据文件本身就是按照B+Tree构建的索引结构文件

  数据存储结构

  一张表只有两个文件，如t_log：

  t.log.frm 数据表的基本结构

  t.log.idb 数据表的索引和记录

  聚集索引

  聚集索引，叶子节点包含了完整的数据记录

1.2.2 为什么InnoDB必须有主键，并且推荐使用整型的自增主键？

• 有主键才可以构建B+Tree索引结构。

• 数据查找时，会将索引加载到内存中进行大小比较，整型相对其他的字符类型较为合适，因为字符类型的比较是一个字母、一个字母的比较。

1.2.3 为什么B+Tree会有一个链指针？

为了满足范围数据查找的需求，为了更好的定位下一个数据位置。