数据库——底层原理

数据库

1.底层数据结构

B树是树的衍生，所以我打算从树开始讲起。

树我们都不陌生，有一个根节点，从根结点出发有他的孩子节点。但是简单的一棵树并没有什么特点，可能很难被实际应用。

之后出现了二叉树，这种树的每个节点最多只有两个孩子，这样一来，通过二叉树来实现二叉查找很大的提高了查找的速度。但是又有一个新问题出现了，除非二叉树被事先给出，否则二叉树可能会退化为链表。

再后来，为了解决退化问题，平衡二叉树被设计了出来，能够自动的根据树的高度来调节结点，使树上的节点分布均匀。再后来，不止对平衡二叉树进行查询操作，增加和删除结点效率的要求也提高了，因为如果要进行删除和增加节点，就需要维护这个二叉树保持原来的特点。

最后，为了解决增加和删除结点的效率，红黑树又出现了，在查询效率上，二者可能差不多，但是在修改结点的效率上，存在很大的差异。

（转载）红黑树和平衡二叉树的区别

随着大数据时代的到来，动辄就是千百万的数据量，使用二叉树来组织数据根本行不通，因为根据满二叉树的计算n = Log(2,N)，查询时间还是不理想。

B树

关于B树的特点都已经展示在图中。为了降低二叉树的层数，在B书中，每个“结点”不止存放一个数据，目的就是为了增大每个结点所能容纳的数据量，降低树的层数。

（关于B树的严格定义请自行百度）

1. 每层包括N个实体结点和N+1个指针结点
2. 每层结点都按照结点的Key值非递减的顺序排列
3. 在Key值之间存在一个指针指向下一层结点，其中的Key值自然也是处于上层两个Key值之间
4. 每个结点都直接带有自己的Data
5. 对应每条记录都遍布在整个树中

B+树

B+树很大程度上是为了满足范围查找的需要，所以用双链表将所有的叶子结点都串起来；而且根据在磁盘I/O上所花的时间，要尽可能的减少磁盘I/O（每层的一个大结点通常被安排在一块物理内存上），所以会将所有的实体记录放在叶子节点上，非叶节点只存放键Key，不存放Data，这样一层的大结点能够存放更多的结点Key值，从而相应的减少磁盘I/O提高性能。

（关于B+树的严格定义请自行百度）

1. 真实结点只放在叶子节点上，非叶节点只存放Key值
2. 用双链表将叶子节点串联
3. （这里还推荐使用Mysql中的自增主键，因为在随机插入时，难免会引起当前节点已经放满，再放时会出现分裂的操作，而按顺序递增的插入只会再最右边插入结点，并不会有分裂操作，效率较高）

2.Mysql数据库引擎

Innodb：Data数据直接存在于索引的叶节点中，支持事务，聚簇索引（数据和索引放一起，默认是主键完成，再次唯一非空索引，隐式索引，均称为辅助索引），不支持全文索引，最小粒度行锁
MyIsam：叶节点中只存放了Data的指针，不支持事务，非聚簇索引（数据和索引不放一起，存放地址），支持全文索引，最小粒度表锁

3.最左前缀优化原则

在生成索引时，如果是联合索引，则将会根据联合索引声明的顺序组织B+树的非叶节点，所以在使用Select在索引上查询时，会根据联合索引的顺序对每层节点进行排序，这才需要在使用Select语句时，注意是否使用了索引。

（未完待续。。。）

4.覆盖索引