数据库的索引结构B+树、跳表和LSM树

数据库的索引结构B+树、跳表和LSM树

介绍常用于索引的数据结构包括B+树，跳表 和LSM树。还思考了以下问题：

• 为什么Mysql使用B+树做索引而不用B-树或者红黑树
• B树与红黑树的区别

B+树

B+树是一种 B-树的变体，拥有更佳的查询性能。

一个m阶的B-树具有如下几个特征：

• 根结点至少有两个子女
• 每个中间结点都包含k-1个元素和k个孩子，其中m/2 <= k <= m
• 每一个叶子结点都包含k-1个元素，其中 m/2 <= k <= m
• 所有叶子结点都处于同一层
• 每个结点中的元素从小到达排列，结点中k-1个元素正好是k个孩子包含的元素的值域分划

B+树新增的特征：

• 有k个子树的中间结点包含k个元素（B树是k-1个元素），每个元素不保存数据，只保存索引，所有数据都保存在叶子节点
• 所有叶子节点包含了全部元素信息，以及指向这些元素记录的指针，且叶子节点本身依据关键字的大小从小到大顺序链接
• 所欲中间节点元素同时存在于子结点，在子结点元素中是最大或最小元素

重要特性：

• 每一个父结点的元素都出现在子节点中,是子节点的最大(或最小)元素

• 中间节点和叶子节点都带有卫星数据,中间节点仅仅是索引

B+树与B-树相比的优点

优点主要体现在查询性能上，并且配合磁盘的读写特性，B+树中间节点没有卫星数据，所以同样大小的磁盘可以容纳更多的节点元素，也就是数据量相同的情况下，B+树比B-树更加矮胖；另一方面，B+树必须最终查找到叶子节点，而B-树只需要找到匹配元素即可，B-树查询性能不稳定；范围查询上，利用了最后的指针，可以快的多

跳表

跳表是一个特殊的链表，相比一般的链表，有更高的查询效率，可以比拟二叉查找树，平均期望的查找、插入、删除的时间复杂度都是O(log N)

跳表可以视为水平排列(Level) 垂直排列(Tower) 的位置(Position, 对Entry的访问抽象) 的二维集合。

跳表是可以实现二分查找的链表

假设原始链表有N 个元素， 那么一级索引有 N/2个元素，二级索引有N/4个元素，最高级索引有2个元素
$$2=n/2^h;h=lo{g}_{2}n$$
每一层最多遍历3个元素，所以查找的复杂度 O(3*log N);空间复杂度O(n)

插入元素之后，需要重建索引；删除索引。。。比较复杂，这里略过

跳表对于范围查询非常有效

参考文章：

• https://www.jianshu.com/p/9d8296562806

LSM树

LSM树 Log-Structred-Tree 是一种存储结构，并不是严格的树装结构。

LSM树的核心特点是利用顺序写来提高写性能，但因为分层（内存和文件两部分设计）的设计会稍微降低读性能。用读性能的稍微减弱，换来高性能写。

• Memtable 是内存中的数据结构，用于保存最近更新的数据，会按照Key有序的组织这些数据。HBase采用跳表来保证内存中的key有序。因为Memtable在内存中，掉电易失，使用WAL（Write-after-log,在redo log也使用了这个技术）技术来保证数据的可靠性。
• Immutable Memtable。当Memtable达到一定大小后，会转化为immutable Memtable。写操作由新MemTable处理，在转存过程中不阻塞数据更新操作
• SStable(Sorted String Table) 有序键值对集合，是LSM树组在磁盘中的数据结构，为了加快SSTabel的读取，可以通过建立key的索引以及布隆过滤器来加快Key的查找。LSM树会将所有数据插入、修改、删除等操作记录保存在内存中，当此类操作达到一定数量，再批量的顺序写入到磁盘中，LSM数据更新是日志式的，不断将Immutabel memtable持久化安东存储即可，不用修改之前的SSTable中的key。因此再不同的SSTable中可能存在相同的key记录，最新的那条记录才是准确的。
• 这样的设计大大提高了写性能，但是也会带来一些问题：
  • 冗余存储，需要进行Compact操作来合并多个SSTabel来清除冗余记录
  • 读取时，需要从最新的倒着查询，最坏情况需要查询完所有的SSTable,可以通过索引/布隆过滤器来优化查找速度。