数据库索引和几种树结构的对比

数据库

索引

参考博客1 参考博客2

1. 什么是索引？为什么要用索引？

​ 对于一个表如果没有索引，那么查询这个表中的一条数据，需要顺序查找一条一条对比，数据库存储的数据是在外存中的，并且是以块为存储单位的，那么可能需要依次访问每个数据块，指针的寻址等操作极费时间，使得查询效率差；索引是指对字段进行排序，并建立类似b+树这样的数据结构来增快查询效率，索引的原理可以参照b+树。

2. 聚集索引和非聚集索引

​ 聚集索引一个表只有一个，一般会用主键作为聚集索引，数据一般是表中记录。
​ 非聚集索引一个表可以有多个，最关键的一点数据一般是聚集索引的关键字，非聚集索引包括唯一索引、普通索引等。
​ 如下图1聚集索引的查找，下图2非聚集索引的查找。可以看到非聚集索引的查找也依赖聚集索引，但也有一种非主流的方法可以不经过聚集索引。例如创建name和age的复合索引，如果查询的是select age from user where name = ‘a’这样的查询就在非聚集索引中直接查询出来。

3. 索引优缺点？什么时候用/不用索引?

​ 优点：增快查询。
​ 缺点：占用磁盘空间（索引也保存在外存中）、对于增删改需要改变索引。
​ 对于需要经常改动的数据不适合建立索引；对于重复数据较多的数据（例如性别）不适合建立索引；对于查询中很少使用的字段不适合建立索引；对于内容很大、占用空间大的字段不适合建立索引。

4. 主键、唯一索引、聚集索引

​ 数据库在创建主键的时候会自动增加一个唯一索引，而如果这个表还没有聚集索引那么还会创建唯一的聚集索引。

二叉查找树、平衡二叉树、b树、b+树

参考博客

1. 二叉查找树

​ 最大的特点就是左子节点<根节点<右子节点。只要符合这个特性的就是二叉查找树，但是二叉查找树实际性能并不好，如果节点向一边倾斜实际的查找效果差。

2. 平衡二叉树

​ 就是在二叉查找树的基础上并增加一个条件-子树高度差不超过1，用这个条件保证了二叉树的平衡性，也保证了查询效率。但在插入删除节点的时候可能会造成不平衡的情况，使其不满足平衡的条件，这时候就需要对二叉树进行调整，调整情况分为LL,LR,RL,RR，分别进行不同的旋转调整。

​ 上面两个都算是内存中的查找，b树和b+树是外存的查找，对于外存中的数据存储是以块作为单位的，从外存中读入数据也是以块为单位。

3. B树

​ 每个节点包含数据、指针、关键字三个部分，每个节点对应着一个外存中的数据块，其中数据是指真实需要的数据，指针是指向子节点的指针，关键字是查找对象的比较目标。需要注意的是每个节点查找都需要读入内存，需要一次io操作，然后对于读入内存的数据再进行内存中的查找方法，例如顺序查找或二分查找。B树的结构如下图所示。

​ 对于查找关键字29，需要进行三次b树的查找（io操作），分别是磁盘块1，磁盘块3，磁盘块8；然后还有对每个磁盘块的内存查找。

4. B+树

​ b+树是在b树的基础上改进，更适合外存查询。B树中每个节点保存了数据、关键字和指针，当数据较大时每个节点能保存的关键字很少，整个结构也会变得更庞大，查询效率不高，为此b+树中只在叶子节点保存了数据，非叶子节点都只包含关键字和指针，这种方式使得每个非叶子节点能包含更多的关键字信息，减少io次数。