MySQL之索引结构

索引概述

索引是帮助MySQL高效获取数据的数据结构（有序）。

在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。

下图演示有索引和无索引的区别：

备注：上述二叉树索引结构的只是一个示意图，并不是真实的索引结构

优缺点

优势：

1、提高数据检索的效率，降低数据库的I/O成本。

2、通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗。

劣势（基本忽略）：

1、索引列也是要占用空间的（但是现在磁盘很便宜）

2、索引大大提高了查询效率，同时也降低了更新表的速度，如对表进行插入、删除、更新时，效率降低。

索引结构

MYSQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构主要包含以下几种：

索引结构	描述
B+Tree索引	最常见的索引类型，大部分引擎都支持B+树索引
Hash索引	底层数据结构是用哈希表实现的，只有精确匹配索引列的查询才生效，不支持范围查询
R-tree（空间索引）	空间索引是MYISAM引擎的一个特殊索引类型，用于地理空间数据类型，通常使用比较少
Full-text（全文索引）	是一种通过建立倒排索引，快速匹配文档的方式

B+Tree索引

二叉树

左边的节点的值比父节点值小，右边节点的值比父节点值大

二叉树缺点：顺序插入时，会形成一个链表，查询性能大大降低。在大多数情况下层级较深检索速度慢。

红黑二叉树（自平衡二叉搜索树）

红黑树是一种高效的自平衡二叉查找树，用于存储有序的数据，并在插入和删除操作时能够快速地进行调整以保持其性质。

B-Tree树（多路平衡查找树）

以一颗最大数（max-degree）为5（5阶）的b-tree为例（每个节点最多存储4个key，5个指针）

注意：树的度数指的是一个节点的子节点个数。

插入：100 65 169 368 900 556 780 35 215 1200 134 888 158 90 1000 88 120 268 250

具体动态变化过程参考网站：https://www.cs.usfca.edu/~galles/visualization/BTree.html

B+Tree树

插入：100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250

动态变化过程参考网站：https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html

相较于B-Tree区别：

1、所有数据都会出现在叶子节点

2、叶子节点形成一个单向链表

MySQL中B+Tree树

MYSQL索引数据结构对经典的B+Tree树进行了优化。在原B-Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高了访问性能。

Hash索引

哈希索引就是采用一定的哈希算法，将键值换算成对应的哈希值，映射到对应的槽位上，然后存储在哈希表中。

如果两个（或多个）键值，映射到一个相同的槽位上，他们就会产生哈希冲突（也称哈希碰撞），可以通过链表来解决。

哈希索引特点

1、哈希索引只能用于对等比较（=，in）,不支持范围查询（between，>，<）

2、无法利用索引完成排序操作

3、查询效率高，通常只需要一次检索就可以了，效率高于B+Tree索引

存储引擎支持

在MySQL中，支持hash索引的是MEMORY引擎，而InnoDB中具有自适应的哈希功能，哈希索引是存储引擎根据B+Tree索引在指定条件下自动构建的。

面试题：为什么InnoDB存储引擎选择使用B+Tree索引结构？

1、相较于二叉树，层级更少，搜索效率高；

2、对于b-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针也跟着减少，要同样保存大量数据，只能增加树的高度，导致性能下降；

3、相较于哈希索引，B+Tree支持范围匹配和排序操作