mysql数据结构_MySQL 索引的数据结构

MySQL 学习记录第四篇，本文来聊聊索引以及索引的数据结构。

啥是索引？

打个比方，我们看书时候，为了能快速找到想看的内容在哪一页，我们可以查看目录。对于数据库来说，为了提高效率，在茫茫多的数据中找到符合我们想要条件的那些条数据，就需要使用索引来快速查询。索引就好比书的目录，如果没有索引，那找起来可就费时间了。

索引的数据结构模型

数据结构是一门很重要的课程，大学中学过这门课的人应该会有印象，索引是由树构成的。其实树只是一种，本文来介绍三种常见的、也比较简单的数据结构：哈希表、有序数组和搜索树。

接下来我会从使用的角度，来分析下这三种数据结构模型的区别~

哈希索引

哈希表是一种以键值（key-value）对存储的数据结构。在查找时，输入待查找的键（key），就能找到对应的值（value）。哈希的原理就是把值放入数组里，用哈希函数将 key 换算成一个确定的位置，然后把 value 放入数组的这个位置里。

多个 key 值通过哈希函数计算，是有可能出现计算出同一个结果的情况。这时候，就要使用链表结构。

哈希索引示意图

如图所示，图中 id 为 1 和 3 的 Alice White、John Doe 这两条数据，就都在数据的 153 这个位置上，两者以链表的方式连接：1->3。比如我们要查询 id = 3，则先通过哈希函数计算出该条记录在数组中的位置 153，然后拿到数据 id = 1 不是我们要找的，顺着链表继续往后查询，找到 id = 3。

注意，图中的 id 并不是递增的，故新增记录时，只需要往后追加即可。不过这样的无序排列，对于查询就不太友好了，哈希索引做查询的速度是很慢的。

所以，哈希索引适合做只有等值查询的业务。

有序数组

有序数组就是按照索引字段数值，从小到大的顺序排列。这样的数据结构我们可以得知，有序数组非常适合做范围查询和等值查询，性能表现很好。

比如在一个有序数组里查询一个 id，只需要使用二分法就可以快速得到，时间复杂度是 O(log(N))。

有序数组的缺点是插入记录成本太高，在中间插入一条记录就会导致它后面的记录都要在数组中往后移动。有序数组只适用于静态存储引擎，存储那些静态的不会再修改的数据最合适了。

N 叉树

讲 N 叉树之前，先说下课本中经典的二叉搜索树。

二叉树示意图

二叉搜索树的特点是：每个节点的左儿子节点小于父节点，右儿子节点大于父节点。比如要查到图中 7 这个值，就要按照顺序 8 -> 3 -> 6 -> 7。时间复杂度是 O(log(N))。数据结构课程中讲过，为了保持这个树的时间复杂度，需要保持这个树是平衡二叉树（AVL），更新操作就是我们熟知的 AVL 旋转操作。

当然有二叉树，就会有多叉树。多叉树就是一个父节点有多个子节点，儿子节点的大小保证从左往右递增。

实际上，大部分的数据库存储并不使用二叉树，而是使用多叉树。这是为了让一个查询尽量少地读磁盘，也就是少访问几次节点，降低树的高度。树的根节点总是在内存中，第二层有很大概率也在内存中，故使用多叉树降低树的高度，就可以减少访问磁盘的次数，在性能上实现优化。这也就是 N 叉树索引的原理。

好的，本文就到这里。回顾下，本文介绍了索引的概念以及三种常用的索引数据结构，包括哈希表、有序数组和 N 叉树。理解了索引结构，有利于我们合理正确的使用索引。