目录
一、索引是什么?
相信你在面试时,通常会被问到“什么是索引?”而你一定要能脱口而出:索引是提升查询速度的一种数据结构。
索引之所以能提升查询速度,在于它在插入时对数据进行了排序(显而易见,它的缺点是影响插入或者更新的性能)。
所以,索引是一门排序的艺术,有效地设计并创建索引,会提升数据库系统的整体性能。在目前的 MySQL 8.0 版本中,InnoDB 存储引擎支持的索引有 B+ 树索引、全文索引、R 树索引。这一讲我们就先关注使用最为广泛的 B+ 树索引。
二、各种数据结构的对比
数据库索引的数据结构有很多种,比如:哈希索引
、平衡二叉树索引
、B树索引
、B+树索引
等等。
目前最流行的是B+树索引
,那大家有没有想过为什么是B+树索引最流行,为什么其他索引应用不广泛。
就像为什么别人能拿2-3
万的工资,我却只能拿一万
的工资,大家有思考过吗?
哈希索引
hash大家应该非常的熟悉,就是我们老生常谈的HashMap里用到的技术。Hash索引其检索效率
非常高
,索引的检索可以一次定位
。
可能很多人又有疑问了,既然Hash索引的效率这么高,为什么都用Hash索引而还要使用B-Tree索引呢?
任何事物都是有两面性
的,Hash索引也一样,虽然Hash索引效率高,但是Hash索引本身由于其特殊性也带来了很多限制
和弊端
,主要有以下这些:
原因一:
Hash索引不能使用范围查询
Hash索引仅仅能满足"=
","IN
"和"<=>
"查询(注意<>和<=>是不同的操作),不能使用范围查询
,例如WHERE price > 100。
由于Hash索引比较的是进行Hash运算之后的Hash值
,所以它只能用于等值的过滤,不能用于基于范围的过滤
。
原因二:
Hash索引不能利用部分索引键查询
。
对于复合索引
,Hash索引在计算Hash值
的时候,是组合索引键合并后
再一起计算
Hash值,而不是单独计算
Hash值。
所以通过复合索引的前面一个或几个索引键进行查询的时候,Hash索引也无法被利用。
原因三:
Hash索引在任何时候都不能避免表扫描
。
Hash索引是将索引键通过Hash运算之后,将 Hash运算结果的Hash值和所对应的行指针信息存放于一个Hash表中。
由于不同索引键
存在相同Hash值
,所以无法从Hash索引中直接完成查询,还是要通过访问表中的实际数据进行相应的比较,并得到相应的结果。
hash索引out出局
平衡二叉树索引
又称 AVL
树。 它除了具备二叉查找树的基本特征之外,还具有一个非常重要的特点:它的左子树
和右子树
都是平衡二叉树
。
且左子树和右子树的深度之差
的绝对值(平衡因子 )不超过1。也就是说AVL树每个节点的平衡因子只可能是-1、0和1(左子树高度减去右子树高度)。
被淘汰的原因
-
树的高度过高,高度越高,查找速度越慢
-
他支持范围查找,但是他需要在进行回旋查找
比如我要找到大于5
的数据
第一步我先定位到5,然后在树上按照二叉树规则去回旋
查找大于5其他数据6、7、8、9、10。。。
如果大于5的数据很多,那速度是很慢的。
B树索引
大家可以看到B树
和二叉树
最大的区别在于:它一个节点可以存储两个值,这就意味着它的树高度
,比二叉树的高度更低
,它的查询
速度就更快
。这是他的优点
那为什么最终还是不用它呢,还是因为他在范围查找
的时候,存在回旋
查询的问题。同样order by排序的时候效率也很低,因为要把树上的数据手动排序一遍。
B+树
它是B数的升级版,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
,key存储的是1-10这些数字,value存储的是数据存储地址,非叶子节点
中只是包含了key
,不包含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
,从而范围查询
效率非常高。
比如我们要查找大于5
的数据:
-
首先我们定位到5的位置
-
然后直接将5后面的数据全部拿出来即可,因为这是有序链表,
已经排好序了
我们在order by
排序的时候为什么要使用索引进行排序
,原因就在这。
三、为什么使用B+树
1、B树只适合随机检索,而B+树同时支持随机检索和顺序检索;
2、B+树空间利用率更高
因为B+树的内部节点(非叶子节点,也称索引节点)不存储数据,只存储索引值,相比较B树来说,B+树一个节点可存储更多的索引值,使得整颗B+树变得更矮,减少I/O次数,磁盘读写代价更低,I/O读写次数是影响索引检索效率的最大因素;
3、B+树查询效率更加稳定
因为在B+树中,顺序检索比较明显,随机检索时,由于B+树所有的 data 域(结点中存储数据元素的部分)都在根节点,任何关键字的查找都必须走一条从根节点到叶节点的路,所有关键字的查找路径相同,导致每一个关键字的查询效率基本相同,时间复杂度固定为 O(log n);而B树搜索有可能会在非叶子节点结束,约靠近根节点的记录查找时间越短,其性能等价于在关键字全集内做一次二分查找,查询时间复杂度不固定,与 key 在树中的位置有关,最好情况为O(1);
4、 B+树范围查询性能更优
因为B+树的叶子节点使用了指针顺序(链表)从小到大地连接在一起,B+树叶节点两两相连可大大增加区间访问性,只要遍历叶子节点就可以实现整棵树的遍历,而B树的叶子节点是相互独立的,每个节点 key(索引)和 data 在一起,则无法查找区间;
【根据空间局部性原理:如果一个存储器的某个位置被访问,那么将它附近的位置也会被访问】
若访问节点 key为 50,则 key 为 55、60、62 的节点将来也可能被访问,可利用磁盘预读原理提前将这些数据读入内存,减少了磁盘 IO 的次数。当然B+树也能够很好的完成范围查询,比如同时也会查询 key 值在 50-70 之间的节点。
5、B+树增删文件(节点)时,效率更高
因为B+树的叶子节点包含了所有关键字,并以有序的链表结构存储。
说明:InnoDB的一棵B+树可以存放多少行数据?约2千万。