mysql索引简介及索引底层数据结构为何采用B+Tree

一、数据结构的演变

了解数据结构的网址：https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

1.二叉树

a.简介

二叉树结构如下：

下个节点跟当前节点进行比较，小的放左边，大的放右边，从而实现有需排列。进行查找数据时，可根据这一特点快速定位。

b.缺点

最明显的缺点：当添加的数据是有序的，根据这一特点进行添加，会发现最终得到的结构就是一个链表。而这样就实现不了快速定位。

2.红黑树

a.简介

红黑树是由二叉树演变而来，节点构造无变化。新增一种自平衡机制，当一边挂载节点过多，通过自旋调节使之平衡。

b.缺点

数据量越大，红黑树整个高度会增高，也就导致遍历的深度增加，影响查询效率。

3.B-Tree

a.简介

由于数据量大导致红黑树遍历深度增加，B-Tree在此基础上做了优化。
在数据量相同的情况，想要遍历深度减少，只能让每个节点多存放数据。
如下图所示：这样就大大减少了遍历深度

b.缺点

缺点：由于该结构用于mysql索引排序，提高sql查询效率
以上图为例：假如有一条sql查询<156的数据，又该如何查询，针对这样的查询效率就很慢

4.B+Tree

a.简介

B+Tree的引用很好的解决了这一问题，其结构图如下：

由上图可以看出，所有叶子节点包含了整个数据，而且叶子节点添加了横向指向。
当查询>65时，找到对应65的位置，根据横向指向，直接将后面叶子节点的数据取出就行，相对B-Tree的效率增加不少。

5.Hash表

a.简介

通过hash算法，将索引hash后，与对应的数据进行关联。

b.缺点

在不考虑hash碰撞等情况下。
Hash算法将一个个索引将数据关联，但是当进行范围查找时，Hash表就无能为力了！

二、主键索引（聚集索引）

• 非叶子节点不存储data，只存储索引(冗余)，可以放更多的索引
• 叶子节点包含所有索引字段
• 叶子节点用指针连接，提高区间访问的性能
  

三、联合索引（非聚集索引）

联合索引：按照索引最左前缀进行合并成节点中一个元素，然后进行比较排序。
相比较主键索引：

• 叶子节点中记录的是主键id
  如果需要所有字段，需再通过主键id进行查询。