mysql的 b 树和哈希区别_Mysql InnoDB B+树索引和哈希索引的区别？ MongoDB 为何使用B-树?...

B-树和B+树最重要的一个区别就是B+树只有叶节点存放数据，其他节点用来索引，而B-树是每一个索引节点都会有Data域。html

B+树

B+树是为磁盘及其余存储辅助设备而设计一种平衡查找树(不是二叉树)。B+树中，全部记录的节点按大小顺序存放在同一层的叶节点中，各叶节点用指针进行链接。程序员

数据库中B+树索引分为汇集索引(clustered index)和非汇集索引(secondary index).这两种索引的共同点是内部都是B+树，高度都是平衡的，叶节点存放着全部数据。不一样点是叶节点是否存放着一整行数据。web

B+树有以下特色:面试

B+树每一个节点能够包含更多的节点，这样作有两个缘由,一个是下降树的高度。另一个是将数据范围变为多个区间，区间越多，数据检索越快。

每一个节点再也不只是存储一个key了，能够存储多个key。

非叶子节点存储key，叶子节点存储key和数据。

叶子节点两两指针相互连接，顺序查询性能更高。

通俗的讲

- B+树的非叶子节点只是存储key，占用空间很是小，所以每一层的节点能索引到的数据范围更加的广。换句话说，每次IO操做能够搜索更多的数据。

- 叶子节点两两相连，符合磁盘的预读特性。好比叶子节点存储50和55，它有个指针指向了60和62这个叶子节点，那么当咱们从磁盘读取50和55对应的数据的时候，因为磁盘的预读特性，会顺便把60和62对应的数据读取出来。这个时候属于顺序读取，而不是磁盘寻道了，加快了速度。

- 支持范围查询，并且部分范围查询很是高效，每一个节点能索引的范围更大更精确,也意味着 B+树单次磁盘IO的信息量大于B-树,I/O效率更高。算法

缘由是数据都是存储在叶子节点这一层，而且有指针指向其余叶子节点，这样范围查询只须要遍历叶子节点这一层，无需整棵树遍历。sql

局部性原理与磁盘预读

因为磁盘的存取速度与内存之间鸿沟,为了提升效率,要尽可能减小磁盘I/O.磁盘每每不是严格按需读取，而是每次都会预读,磁盘读取完须要的数据,会顺序向后读必定长度的数据放入内存。而这样作的理论依据是计算机科学中著名的局部性原理：mongodb

当一个数据被用到时，其附近的数据也一般会立刻被使用，程序运行期间所须要的数据一般比较集中数据库

B-树

B-树,这里的 B 表示 balance( 平衡的意思),B-树是一种多路自平衡的搜索树

它相似普通的平衡二叉树，不一样的一点是B-树容许每一个节点有更多的子节点。segmentfault

B-树有以下特色微信

全部键值分布在整颗树中。

任何一个关键字出现且只出如今一个结点中。

搜索有可能在非叶子结点结束。

在关键字全集内作一次查找,性能逼近二分查找。

B-树和B+树的区别

B+树内节点不存储数据，全部数据存储在叶节点致使查询时间复杂度固定为 log n。

B-树查询时间复杂度不固定，与 key 在树中的位置有关，最好为O(1)。

B+树叶节点两两相连可大大增长区间访问性，可以使用在范围查询等。

B-树每一个节点 key 和 data 在一块儿，则没法区间查找。

B+树更适合外部存储(存储磁盘数据)。因为内节点无 data 域，每一个节点能索引的范围更大更精确。

MongoDB 为何使用B-树?

B+树内节点不存储数据，全部 data 存储在叶节点致使查询时间复杂度固定为 log n。而B-树查询时间复杂度不固定，与 key 在树中的位置有关，最好为O(1)

咱们说过，尽量少的磁盘 IO 是提升性能的有效手段。MongoDB 是聚合型数据库，而 B-树刚好 key 和 data 域聚合在一块儿。

至于MongoDB为何使用B-树而不是B+树，能够从它的设计角度来考虑，它并非传统的关系性数据库，而是以Json格式做为存储的nosql，目的就是高性能，高可用，易扩展。首先它摆脱了关系模型，上面所述的优势2需求就没那么强烈了，其次Mysql因为使用B+树，数据都在叶节点上，每次查询都须要访问到叶节点，而MongoDB使用B-树，全部节点都有Data域，只要找到指定索引就能够进行访问，无疑单次查询平均快于Mysql。

哈希索引

简单地说，哈希索引就是采用必定的哈希算法，把键值换算成新的哈希值，检索时不须要相似B+树那样从根节点到叶子节点逐级查找，只需一次哈希算法便可马上定位到相应的位置，速度很是快。

B+树索引和哈希索引的区别

若是是等值查询，那么哈希索引明显有绝对优点，由于只须要通过一次算法便可找到相应的键值；固然了，这个前提是，键值都是惟一的。若是键值不是惟一的，就须要先找到该键所在位置，而后再根据链表日后扫描，直到找到相应的数据。

若是是范围查询检索，这时候哈希索引就毫无用武之地了，由于原先是有序的键值，通过哈希算法后，有可能变成不连续的了，就没办法再利用索引完成范围查询检索。

同理，哈希索引也没办法利用索引完成排序，以及like ‘xxx%’ 这样的部分模糊查询(这种部分模糊查询，其实本质上也是范围查询)。

哈希索引也不支持多列联合索引的最左匹配规则。

B+树索引的关键字检索效率比较平均，不像B树那样波动幅度大，在有大量重复键值状况下，哈希索引的效率也是极低的，由于存在所谓的哈希碰撞问题。

备注：以上内容均摘抄自网络，并不是原创，仅供我的学习交流使用，望各路大牛，发现不对的地方，不吝赐教，留言便可。

参考

推荐阅读

关注微信公众号福利

关注微信公众号「搜云库」获取最新文章

【福利】公众号后台回复 “进群”

【福利】邀请您进微信 “技术分享群”

【福利】群里有不少技术大佬，免费提问，互相学习