【无标题】

Mysql数据索引

经历的路线
全部遍历→Hash→二叉树→平衡二叉树→B-Tree→B+Tree

Hash：
一次定位，将索引进行hash计算，获得数据的地址，复杂度为O(1)，1次磁盘IO
缺点：
范围查询时，如where id>6，仍需多次磁盘IO

二叉树：
优点：
父节点大于左子节点，小于右子节点，其查找效率为log2n
缺点：
当插入的节点一直大于之前的节点，会呈线性，复杂度为n

红黑树：
https://www.cnblogs.com/skywang12345/p/3624343.html
有左旋与右旋的特性
缺点：
红黑树适合于内存IO，而mysql索引数据都需要磁盘IO，使用红黑树效率低下,当数据插入太多时，使得红黑树深度过大,查询效率低下

BTree:
相对于红黑树，控制了树的深度，叶节点的深度都一样，采用大节点包含几个小节点的形式，小节点的个数由度来确定，一般度为4，当大节点超过了4个小节点，会取中间节点晋升为父节点，以此类推。一个大节点有四个小节点，每个小节点还含有data数据。

当查询某一个数据时，会进行一次磁盘IO获得大节点（大节点含4个小节点），加载进内存，再通过随机访问，直接索引到某一个小节点，获得数据，如果不匹配，才再进行一次磁盘IO，往第二层找大节点，以此类推。

度不是越大越好，假如所有小节点存入一个大节点，那一次磁盘IO可能会撑爆内存。
其次，内存与磁盘的交互是以页为单位，一页大小为4kb，即每一次磁盘IO最大的读取数据量是4k，如果节点过大，会导致多次进行磁盘IO，效率低下

B+Tree(innodb):
数据只存储在叶子节点，父节点及祖父节点都存储的是索引值，即每个节点可以存储更多的度，查询效率更快。
其次，叶子节点数据有横向指针，适合范围查询
innodb默认使用id主键索引，非主键索引如name，字符串索引，使用ascii进行比较大小

联合索引，多key索引存储
（name,date）先比较name
按B+tree进行查询，先通过ascii进行比较name大小，name一样，比较日期，在日期前选左边的指针再往下，反之。name最好不一样。

索引最前缀原理，联合索引（a,b,c）先比较a，再比较b，再比较c
where a=“adsa” and c=“asd”,直走a索引，不走c