该文章摘自腾讯技术工程,作者junshili.
我们都知道mysql底层使用的是B+树进行存储,但是为什么呢?
1. 哈希表(Hash)
哈希表是做数据快速检索的有效利器。
哈希算法:也叫散列算法,就是把任意值(key)通过哈希函数变换为固定长度的key地址,通过这个地址进行具体数据的数据结构。
考虑这个数据库表user,表中一共有7个数据,我们需要检索id=7的数据,SQL语法是:
select * from user where id=7;
哈希算法首先计算存储id=7的数据的物理地址addr=hash(7)=4231,而4231映射的物理地址是0x77,0x77就是id=7存储的额数据的物理地址,通过该独立地址可以找到对应user_name='g’这个数据。这就是哈希算法快速检索数据的计算过程。
但是哈希算法有个数据碰撞的问题,也就是哈希函数可能对不同的key会计算出同一个结果,比如hash(7)可能跟hash(199)计算出来的结果一样,也就是不同的key映射到同一个结果了,这就是碰撞问题。解决碰撞问题的一个常见处理方式就是链地址法,即用链表把碰撞的数据接连起来。计算哈希值之后,还需要检查该哈希值是否存在碰撞数据链表,有则一直遍历到链表尾,直达找到真正的key对应的数据为止。
从算法时间复杂度分析来看,哈希算法时间复杂度为O(1),检索速度非常快。比如查找id=7的数据,哈希索引只需要计算一次就可以获取到对应的数据,检索速度非常快。但是MySQL并没有采取哈希作为其底层算法,这是为什么呢?
因为考虑到数据检索有一个常用手段就是范围查找,比如以下这个SQL语句:
select * from user where id >3;
针对以上这个语句,我们希望做的是找出id>3的数据,这是很典型的范围查找。如果使用哈希算法实现的索引,范围查找怎么做呢?一个简单的思路就是一次把所有数据找出来加载到内存,然后再在内存里筛选筛选目标范围内的数据。但是这个范围查找的方法也太笨