学习mysql索引底层数据结构一些感悟

• 二叉树

• 红黑树（平衡二叉树）

• hash

• B-Tree（多路平衡二叉树）

• 四种数据结构做mysql各有什么优缺点

• 实际官方用的是B+Tree和B-Tree有什么区别？

• B-Tree将data也存在了树上

• B+Tree将data存在了子节点，根节点只允许16k，并且在在叶子节点做了冗余，H=3，可以支撑的索引为估算16k/14b（根节点bigint数据8b，指针6b）=1170

• 三层就是1170x1170x16约2000w条索引

• 在叶子节点也是有指针的

感悟:空间换时间,多做了冗余,加了复杂的规则,空间占用的多了,时间就会降下来.
类比于静态语言和解释型语言,在写代码的时候让人判断的多了加了一些约束的写法,性能自然会高,让机器代码自己去判断,性能自然会低.

• innodb存储引擎(表级别的)

frm文件:数据表结构的信息
MYD文件:行信息
MYI:索引 B+Tree

• Innodb存储一引擎:
• frm文件:数据表结构的额信息
• ibd文件:将索引和数据元素进行合并 (B+Tree组织的索引结构文件)

聚集索引:主键索引就是聚集索引(索引和文件聚集在一起)(innodb)
非聚集索引:两个文件,不放在一起

• 为什么innodb表必须有主键,并且自增?

如果没有建立主键则默认给你建立一个id或者选择一个id,索引,来维护所有数据

为什么用整形自增UUID()(一长串字符串) UUID占用的空间大,要逐个比较大小很消耗资源要转换为ASCII,然后查表去比

• 引入数据结构与算法,Python中集合比list在查找效率更高

hash表(乱序)和二叉树(有序的)
python:dict就是hashmap

• 要用其他的可以用第三方的高级的数据结构

• 字典进来进行排序 比较排序好的单词

• map用来计数 字母对应次数,放在map里面进行计数

• map快于排序

• sorted:快排

• {}用hash表来实现

• 手动创建hash表

• two sum three sum用map实现

树,二叉搜索树,图

链表和树(从链表分叉出来)

分层打印二叉树

指回去(图) 最短路径(工程上用的比较少)

链表就是特殊化的树, 树是特殊化的图

• python实现二叉树

class TreeNode:
	def __init__(self, var):
		self.val = val
		self.left, self.right = None, None

• 左右子树有顺序(二叉搜索树),平衡二叉搜索树,红黑树

二叉搜索树:左子树小于根节点的值,
右子树大于根节点

注意是所有的都是，不论第几级别的根

查询更加方便（少了一半的数据量）

从n到logn 搜索更加有效率

平均是logn 最坏的是n

红黑树：平衡二叉搜索树（java，c++内置的二叉树都是红黑树）

判断一个树是否是二叉排序树

根的位置：在左，中，右 前中后

自己调用自己的就是递归：不停止的递归就会死循环，要有个退出的条件

递归的思想

• 斐波那契数列用递归写