mysql索引实现原理、及相关数据结构：二叉树＞平衡二叉树＞B树＞B+树！

目录

MySQL中索引采用的是那些数据结构？

Hash索引 

平衡二叉树

平衡二叉树 查询原理：

如何去减少查询IO次数？ - B树

B树

B+树（mysql默认索引采用B+树） 解决范围查询问题、减少IO查询的操作

Myisam和InnerDB中对B+树 索引的不同实现方式

Myisam索引实现原理

InnerDB索引实现原理

结论

---

MySQL中索引采用的是那些数据结构？

Hash索引、平衡二叉树、B树、B+树。

Hash索引 

优点：通过字段的值计算的hash值，定位数据非常快。 index=Hash(key)

缺点：不支持范围查询

为什么不支持范围查询？

因为底层数据结构是散列的，无法进行比较大小。

AVL平衡二叉树

https://blog.csdn.net/qq_36881887/article/details/110290283

平衡二叉树：会取一个中间值，中间值左边称为左子树(左指针) ，中间值右边称为右子树(右指针) 。

左子树比中间小，右子树比中间值。

平衡二叉树 查询原理：

磁盘IO性质：磁盘IO 到 内存：例如查询数据时不会将全部数据一次性读取到内存(防止内存溢出)，而是先进行磁盘IO确定需要获取哪些具体数据，然后再读取需要的数据到内存中。

假设查询上述图中的10 （需要经历4次IO操作）

1次：从硬盘中读取 4 到内存中，判断下10>4，取右指针

2次：从硬盘中读取 8 到内存中，判断下10>8，取右指针

3次：从硬盘中读取 9 到内存中，判断下10>，取右指针

4次：从硬盘中读取 10 到内存中，判断下10=10，定位到数据

平衡二叉树：查询效率还可以，缺点：虽然支持范围查询，但是回旋查询效率低。

规律：如果树的高度越高，那么查询IO次数会越多。

回旋：如下图查询大于5的数据，需要回旋去获取右指针所有数据：

如何去减少查询IO次数？ - B树

B树

B树在平衡二叉树中，减少树的高度，B树的节点支持多个元素，所以B树数据结构相比平衡二叉树数据结构实现减少磁盘IO的操作。（B树是在平衡二叉树中进行改进的）   

从而提高查询效率；

缺点：范围查询效率还是比较低。

B+树（mysql默认索引采用B+树） 解决范围查询问题、减少IO查询的操作

B+树图中最下一行节点为叶子节点，其余为非叶子节点。

B+树相比B树，新增叶子节点与非叶子节点关系，叶子节点中包含了key和value，非叶子节点中只是包含了key，不包含value。

B+树算法： 通过继承了B树的特征，B+树相比B树，新增叶子节点与非叶子节点关系，叶子节点中包含了key和value（value中记录着数据存放的地址或是具体数据），非叶子节点中只是包含了key，不包含value。

查询方式：通过非叶子节点查询到叶子节点获取对应的value，所有相邻的叶子节点包含非叶子节点，使用链表进行结合，有一定顺序排序，不需要回旋，从而范围查询效率非常高。

缺点：因为有冗余节点数据，会比较占硬盘大小。

Myisam和InnerDB中对B+树 索引的不同实现方式

Myisam索引实现原理

Myisam索引结论：新增数据块，因为叶子节点中的value存放的是数据地址值，而非数据（减少了IO磁盘操作时间）。

InnerDB索引实现原理

结论

Mylsam和InnerDB都是采用B+树实现。

Mylsam中叶子节点的value存放的是数据的地址，再通过地址查询对应行数据。  -- 写入快，查询慢

InnerDB中叶子节点的value存放的是行数据。 -- 写入慢，查询快