Mysql索引之B+树

1 索引的常见模型

索引是一种能够提升查找效率的数据结构，提到查找，作为一名合格程序员首先就应想到哈希表、有序数组和二叉查找树（AVL树、红黑树）。接下来从数据库的使用角度来对这三种数据结构进行分析。

1）哈希表

哈希表是一种利用键值对（key-value）访问数据的一种结构。哈希表是一块连续的存储空间，利用哈希函数计算出key在表中的具体地址，随后将value插入到这个地址中。在查找数据时，根据键值对应的地址去除数据即可。

选取哈希函数的原则：
（1）计算简单
（2）计算出的地址在表中尽可能均匀分布

然而有可能多个key通过计算后的地址是相同的，这种情况我们称之为“哈希冲突”。解决哈希冲突的一种重要方法是，在冲突的地址上拉出一个链表，冲突的关键字依次连接于该链表上，如下图所示：

简单介绍过哈希表过，可发现哈希表的查找时间复杂度为O(1)，但与此对应的缺点是因为键值在哈希表中的存储不是有序的，即在进行区间查找时速度会很慢。即这种结构适用于等值查找的场景。

2）有序数组

可将有序数组看作时一个另类的哈希表，即表中的键值是按序排列的，这样保正了在等值查找和区间查找时的复杂度都为O(1)。但是在数据插入时，需要移动插入位置后的所有巨鹿，成本过高。

3）二叉查找树

无论是AVL树还是红黑树在插入和查找时的时间复杂度均为O(logn)，好似满足我们的要求，但是数据库中的数据是保存在磁盘上，并不是保存在内存中。假设一颗AVL树的高度为100，若需要查找的数据位于叶子结点，就会访问100个数据块，每次深度加1就会进行一次磁盘IO的查询，磁盘I/O是很耗费时间的，为了减少磁盘I/O的次数，就需要在查询的过程中访问尽量少的数据块，即需要降低查找树的高度，将二叉树变为"N"叉树,"N"取决于数据块的大小，而B+树正是这样一种"N"叉树。

2 B树与B+树

1）B树

B树是一种平衡的多路查找树，查找的时间复杂度为O(logn)。B树的每个结点既包含关键字又包含存储数据信息，如图所示。

一个度为d的B树，设节点为数N，则其树高h的上限为logd((N+1)/2)，检索一个值，其查找节点个数的时间复杂度为O(logdN)。这样使得在B树中检索一个节点最多需要h个节点，而数据库系统中一般将一个节点的大小设定为一个页，每个节点一次IO。使B树的根节点常驻内存，则一次检索最多需要h-1次的I/O即可。

2）B+树

与B树相同，B+树也是一颗多路查找树，但不同于B树的是：
（1）B+树中只有叶子结点包含数据信息并包含了全部关键字，叶子结点引出的指针指向记录。B+树中所有非叶子结点仅仅起到一个索引的作用，即结点中的每个索引项只包含关键字与指向子树的指针，不包含关键字对应记录的存储地址。简单来说，B+树只有叶子结点存放存储的数据信息。
（2）B+树上有两个头指针，一个指向根节点，另一个指向关键字最小的叶子节点，叶子结点本身依关键字的大小自小而大的顺序链接。所以B+树有两种查找数据的方式，一种从根节点自上而下的进行查找，而另一种就是通过由叶子结点组成的链表进行查找。

在计算机中，磁盘存储数据最小单元是扇区，一个扇区的大小是512字节，而文件系统（例如XFS/EXT4）的最小单元是块，一个块的大小是4k，而对于InnoDB存储引擎也有自己的最小储存单元，页（Page），一个页的大小是16K。B+树的叶子结点正是以页为单位进行存储。

3 为什么mysql使用B+树作为索引而不是B树

1）B+树的磁盘读写代价更低
　　B+树的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对B 树更小。如果把所有同一内部结点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多。相对来说IO读写次数也就降低了；
2）B+树查询效率更加稳定
　　由于非终结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当；
3）B+树便于范围查询（最重要的原因，范围查找是数据库的常态）
　　B树在提高了IO性能的同时并没有解决元素遍历的我效率低下的问题，正是为了解决这个问题，B+树应用而生。B+树只需要去遍历叶子节点就可以实现整棵树的遍历。而且在数据库中基于范围的查询是非常频繁的，而B树不支持这样的操作或者说效率太低；B树的范围查找是利用中序遍历实现的，而B+树则是利用链表实现的。

（文中图片来源自网络，侵删）