MySql知识点回顾：索引（一）B树和B+树

（一）索引的定义

MySQL官方对索引的定义为：索引（Index）是帮助MySQL高效获取数据的数据结构。提取句子主干，就可以得到索引的本质：索引是数据结构。

我们知道，数据库查询是数据库的最主要功能之一。我们都希望查询数据的速度能尽可能的快，因此数据库系统的设计者会从查询算法的角度进行优化。最基本的查询算法当然是顺序查找（linear search），这种复杂度为O(n)的算法在数据量很大时显然是糟糕的，好在计算机科学的发展提供了很多更优秀的查找算法，例如二分查找（binary search）、二叉树查找（binary tree search）等。如果稍微分析一下会发现，每种查找算法都只能应用于特定的数据结构之上，例如二分查找要求被检索数据有序，而二叉树查找只能应用于二叉查找树上，但是数据本身的组织结构不可能完全满足各种数据结构（例如，理论上不可能同时将两列都按顺序进行组织），所以，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。

目前大部分的数据库系统及文件就是采用B-Tree或其变种B+Tree作为索引结构的。例如MySql就是使用B+Tree作为索引结构，而 MongoDB 默认的存储引擎，WiredTiger 使用 B 树作为索引底层的数据结构。
接下来我们就简单的分析一下B树和B+树

（二）B树和B+树

B树的原则：

一棵M阶(M>2)的B树，是一棵平衡的M路平衡搜索树，可以是空树或者满足以下性质：
1、根节点至少有2个孩子
2、每个非根节点至少有M/2-1(上取整)个关键字,至多有M-1个关键字，并且以升序排列
例如：当M=3的时候，至少有3/2=1.5，向上取整等于2，2-1=1个关键字，最多 是2个关键字
3、每个非根节点至少有M/2(上取整)个孩子,至多有M个孩子
例如：当M=3的时候，至少有3/2=1.5，向上取整等于2个孩子。最多有3个孩 子。
4、key[i]和key[i+1]之间的孩子节点的值介于key[i]、key[i+1]之间
所有的叶子节点都在同一层

接下来我们就来模拟一下B树插入的流程：

B树插入流程：

这里我是通过Data Structure Visualizations进行模拟的：
这里我们新建一颗3阶得B树，插入的数据分别为（按顺序插入）：58 24 12 68 72 88 46 67
这里先看一下这棵树最终的样子：

1、插入58

（1）如果树为空，直接插入新节点中，该节点为树的根节点。

2、插入24

3、插入12

（1）注意这里插入12的时候，按照插入排序的思想，将12插入到序列当中。
（2）插入之后，发现该节点不满足B树原则2中的至少有1个关键字，至多有2个关键字，所以这个时候就会进行分裂。
（3）分裂的过程包括：找到目前该节点中中间的位置，给一个新节点，将中间位置的数据搬移到新节点当中，将中间位置数据搬移到父节点中，然后将节点连接好。

4、插入68

（1）首先找到根节点(0024)
（2）68>24所以这里继续去查询24的右侧节点
（3）然后找到叶子节点（0058）判断发现68>58，然后插入到当前节点当中。
（4）插入完成后，会检测该节点是否满足B树的原则。
满足：插入结束

5、插入72

（1）首先找到根节点（0024）
（2）发现插入的数据72>24，所以需要继续去遍历右子节点
（3）找到右子节点（0058，0068），然后插入数据72
（4）插入完成后，会检测当前该节点是否满足B树的原则
不满足：对当前该节点进行分裂（因为这颗是3阶B树，当前节点至少存在1个关键字，最多是2个关键字）
（5）分裂的操作：找到当前节点（0058，0068，0072）的中间位置，将中间的元素往父节点中进行插入，而左右两侧的元素重新指向父节点

6、插入88

（1）首先找到根节点(0024，0068)，因为88>68>24，所以这里直接找到右子节点
（2）右子节点中(0072)，因为这里88>72，所以直接插入到72的右侧，插入后发现符合B树的原则

7、插入99

（1）这里首先找到根节点（0024，0068）进行比较，发现99>68>24。所以继续去右侧的子节点中进行查询
（2）然后就到了(0072,0088)的节点当中，发现99>88>72，所以这里会选择继续去查询当前节点的右侧子节点，但因为这里已经是叶子节点了，所以在当前节点当中并没有子节点了，所以会直接插入在当前节点当中，于是就变成了(0072，0088，0099)。插入后发现不符合B树的原则，所以就会进行分裂操作
（3）对(0072，0088，0099)节点进行分裂操作，取当前节点中的中间节点（0088）移动到父节点当中，当前节点的左侧节点和右侧节点依然指向（0088）。
（4）当（0088）移动到父节点当中时，根节点就变成了（0024，0068，0099），所以要对当前节点再进行分裂。因为此节点为根节点，没有父节点了，所以这里就取当前节点中的中间节点作为根节点，然后左侧节点和右侧节点重新指向根节点。

B+树：

B+树和二叉树、平衡二叉树一样，都是经典的数据结构。B+树由B树和索引顺序访问方法演化而来，但是在现时使用的过程中几乎已经没有使用B树的情况了。
B+树是为磁盘或其他直接存取辅助设备设计的一种平衡查找树。所有记录节点都是按键值的大小顺序存放在同一层的叶子节点上，由各叶子节点指针进行连接。

B+树的插入情况

这里我们初始新建一颗3阶得B+树，插入的数据分别为（按顺序插入）：58 24 12 68 72 88 46 67

这里看一下这棵树初始化的样子：

那么现在我们就在这颗初始化的B+树上继续进行插入操作
这里我们首先插入60：

1、这里在插入60的时候，我们首先可以看到与B树的访问顺序相同，先从根节点(0058)中去进行访问，通过比较60>58，这里继续去找子节点(0068,0072)。
2、这里通过比较（0068，0072）的当前节点上的值，发现60<68<72，好的这里就继续去左侧的子节点进行遍历。
3、这里到了节点（0058,0067）通过比较发现58<60<67，这里发现60处于中间位置，理应继续去遍历中间的子节点，但是现在发现当前节点已经是叶子节点了。然后就会判断当前节点是否符合B+树的原则。
4、发现当前节点不符合B+树的原则，所以就会再一步进行分裂操作。

5、当前节点为（0058，0060，0067）首先取中间节点60，转移到父节点当中，因为B+树的叶子节点当中包含了所有的元素，这里就会在叶子节点当中添加上60这个元素，并且把(0058)和(0060,0067)指向(0060,0068,0072)的节点。
6、这里发现(0060,0068,0072)的节点不符合B+树的原则，就会继续进行分裂，(0060,0068,0072)的中间节点为0068,这里会把0068向上转移到父节点当中，并把当前节点的0060作为左子节点，0072作为右子节点重新指向0068。
7、到此为止，发现整棵树符合B+树的原则，插入完毕。

B+树的特性

1、所有关键字都出现在叶子节点的链表中(稠密索引)，且链表中的节点都是有序的。
2、不可能在非叶子节点中命中。
3、非叶子节点相当于是叶子节点的索引(稀疏索引)，叶子节点相当于是存储数据的数据层。
4、更适合文件索引系统