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。