索引的数据结构

索引常见的有三种数据结构：哈希表，有序数组和二叉树。

MySQL使用了B+树。

下面分别介绍下三种数据结构

1、哈希表（散列表）

• 对索引的key进行一次hash计算就可以定位出数据存储的位置
• 很多时候Hash索引要比B+Tree索引更高效
• 仅能满足“=”，“in”，不支持范围查询
• 存在hash冲突

hash算法原理：hash计算后的数据都会进入到容器Hash桶内，桶内按照下标位置分配好了内存空间，如果通过hash()计算后得到的值为2，将该数据放到次下标对应的区域。如下图

仅通过一次hash计算就可以确定数据的存储位置，如查询李四：

① 通过hash(李四)=2

②把hash桶内的下标为2的数据load到内存，进行比较

hash仅使用了一次I/O就能拿到数据，B+Tree可能会有多次，所以一些场景hash索引会比B+Tree更高效。但是这种结构对范围查询不友好，所以MySQL底层基本用的是B+Tree。

2、有序数组

有序数组在范围查找中可以使用二分法，能大大缩短查询时间，时间复杂度是O(log(N))。如果在中间插入数据时，需要移动后续数组，成本很高，所以有序数组索引只适用于静态存储引擎。

3、二叉树

二叉树：右侧元素大于父元素数据，左侧数据小于父元素数据

红黑树（平衡二叉树）：与二叉树结构一样，但是在生成的过程中红黑树会自动平衡节点

b-Tree:

• 叶节点具有相同的深度，叶节点的指针为空
• 所有索引元素不重复
• 节点中的数据索引从左到右递增排列
• 节点中存储data数据

当索引结构以B-Tree数据结构创建时，查找Clo2 = 66 的数据：

1.将树的第一层所有数据load到内存，使用比对算法（如：二分查找）进行比对

a.如果有66则将对应的data数据从内存中读取出来

b.如果没有，则会找66对应的区间地址（35-80）

2.将35-80这一页的所有数据再拿出来与66做比较

a.如果有66则将对应的data数据从内存中读取出来

b.如果没有，则会找66对应的区间地址

以此类推，直到找到66或者这一系列的数据比对完毕。

使用了B-Tree数据结构后，我们查询Clo2=66的数据只做了两次的I/O，比红黑树的效率更高一些。

b+Tree:

• 非叶子节点不存储data，只存储索引，目的是可以放更多的索引。
• 叶子节点包含所有索引字段
• 叶子节点使用指针连接，提高区间访问的性能

面试相关问题：

问题1：为什么非叶子节点不存储data，可以放更多的索引？

通过 SHOW GLOBAL STATUS like 'Innodb_page_size';可以看到Mysql数据库中定义文件页大小是16384B(16KB)。

如果叶子节点不存储data，假设字段类型是BigInt，字段值占用8B，地址值占用6B，一层16KB大概可以存储1170个索引值。

如果叶子节点存储data，一般的data+字段值+地址值不会大于1KB，我们就按照平均1KB计算，一层16KB也就只能存储16个索引值

问题2：为什么MYSQL叶文件默认是16KB？

由问题1知道第一层一页数据可以存1170个索引值，如果再加一层，第一层的每一个地址值指向第二层的一页数据，我们就可以存储 1170X1170 个索引值，第二层每个地址值指向第三层的一页数据，第三层的叶子节点要带数据存储每一页只存16个数据，三层高的树可以存储 1170 X 1170 X 16 大约2千万左右的数据。

问题3：叶子节点指针的作用？

B+Tree有链接指针可以快速的找下一页的数据，B-Tree没有指针，当取完当前区域的数据后，还得回到根节点（第一层）查找大于28的数据再做对应的I/O。 所以B+Tree可以通过叶子节点指针提高区间访问的性能。

问题4：MySQL中存储索引用到的数据结构是B+树，B+树的查询时间跟树的高度有关，是log(n)，如果用hash存储，那么查询时间是O(1)。既然hash比B+树更快，为什么mysql用B+树来存储索引呢？

1、从内存角度上说，数据库中的索引一般时在磁盘上，数据量大的情况可能无法一次性装入内存，B+树的设计可以允许数据分批加载。

2、从业务场景上说，如果只选择一个数据那确实是hash更快，但是数据库中经常会选中多条这时候由于B+树索引有序，并且又有链表相连，它的查询效率比hash就快很多了。

问题5：数据库索引为什么要用B+树而不是B-树和红黑树呢？

1、B-树和B+树最重要的一个区别就是B+树只有叶节点存放数据，其余节点用来索引，而B-树是每个索引节点都会有Data域。B-树增加了磁盘IO次数（磁盘IO一次读出的数据量大小是固定的，单个数据变大，每次读出的就少，IO次数增多，一次IO多耗时啊！），而B+树除了叶子节点其它节点并不存储数据，节点小，磁盘IO次数就少。B+树所有的Data域在叶子节点，一般来说都会进行一个优化，就是将所有的叶子节点用指针串起来。这样遍历叶子节点就能获得全部数据，这样就能进行区间访问啦。
2、从Mysql（Inoodb）的角度来看，B+树是用来充当索引的，一般来说索引非常大，尤其是关系性数据库这种数据量大的索引能达到亿级别，所以为了减少内存的占用，索引也会被存储在磁盘上。

问题6：B树相对于红黑树的区别

在大规模数据存储的时候，红黑树往往出现由于树的深度过大而造成磁盘IO读写过于频繁，进而导致效率低下的情况。为什么会出现这样的情况，我们知道要获取磁盘上数据，必须先通过磁盘移动臂移动到数据所在的柱面，然后找到指定盘面，接着旋转盘面找到数据所在的磁道，最后对数据进行读写。磁盘IO代价主要花费在查找所需的柱面上，树的深度过大会造成磁盘IO频繁读写。根据磁盘查找存取的次数往往由树的高度所决定，所以，只要我们通过某种较好的树结构减少树的结构尽量减少树的高度，B树可以有多个子女，从几十到上千，可以降低树的高度。