01|Mysql索引底层数据结构与算法

索引是帮助MySQL高效获取数据的排好序的数据结构

1. 索引的数据结构

 select * from t where t.value = 55

● 直接查询这个列表，需要依次查询，查询 6次。时间复杂度O(n)
● 查询需要多次磁盘IO, 数组还需要占用连续的存储空间

1.1 二叉树

使用二叉树查询(二分查找法)则需查询3次。时间复杂度 O(log n)

问题: mysql底层索引为什么不使用二叉树呢？
● 如果value插入顺序为1，2，3，4，5，6，7。二叉树会退化成链表

1.2 红黑树

处理二叉树退化成链表的问题，尝试使用红黑树。 树的高度明显降低，查询效率提升

问题: mysql底层索引为什么不使用红黑树呢？

• 500W数据 --> 至少需要20次遍历查找
• 树的高度不可控

扩展
● 红黑树和平衡二叉树区别
1、AVL树是带有平衡条件的二叉查找树，一般是用平衡因子差值判断是否平衡并通过旋转来实现平衡，左右子树树高不超过1，和红黑树相比，AVL是严格的平衡二叉树，平衡条件必须满足所有节点左右子树高度不超过1。
不管我们执行插入还是删除操作，只要不满足上述条件，就要通过旋转来保持平衡，而且因为旋转非常耗时，因此我们知道AVL平衡树适用于插入、删除比较少的情况，查找比较多的情况
由于维护这种高度平衡所付出的代价比从中获取的效率收益还大，故而实际的应用不多，更多地方用的是追求局部而不是非常严格整体平衡红黑树，当然，如果应用场景中插入删除不频繁，查找较多，还是用AVL树优于红黑树。
2、红黑树是一种弱平衡二叉树（由于是弱平衡，可以看到，在相同节点情况下，AVL树的高度低于红黑树），相对于严格的AVL树来说，它的旋转次数较少，所以对于搜索，插入，删除操作较多的情况下，我们就用红黑树。

1.5 Hash表

对索引的key进行一次hash运算，就能定位出数据存储的位置，某些时候Hash索引 要比B+Tree索引更高效，但是仅能满足"=","in"查询，不支持范围查找，并且还会有hash冲突问题。
缺点：涉及到范围查询，效率就非常低

1.6 B-Tree

• 叶节点具有相同的深度，叶节点的指针为空
• 所有索引元素不重复
• 节点中的数据索引从左到右依次递增
• 非叶子节点也存储数据
• 相邻节点之间 没有双向指针，范围查找相对复杂

1.7 B+Tree

• 非叶子节点上不存储数据，只存储冗余索引（相同的空间可以放更多的索引，降低树的高度，B+Tree树的高度是由非叶子节点上能存储多少个元素决定的），每个非叶子节点的索引是下层节点的首个索引。
• 叶子节点包含所有索引
• 相邻叶子节点之间有双向指针连接提高区间访问的性能(Mysql优化)

查询过程：
比如需要查询30这个元素，首先将25 50 66 数据load到内存，然后查询到25 30 45 然后load内存… 直到查找到30获取data。查询三次就可以定位到。如果根节点放内存，速度更快。
一个页大概16KB —> 大概可以放1170元素，3层高度的树大概可以放 1170 X 1170 X 16 (2000W) 个元素