mysql索引及索引的存储结构

前言：首先推荐一个数据结构可视化的网站： https://www.cs.usfca.edu/~galles/visualization/Algorithms.html，本文不做过深的数据结构剖析，但是要简单了解一些数据结构的特性和概念。
了解索引的存储结构前，我们必须要先了解一些索引的基本概念。

什么是索引

索引：就是数据库管理系统中一个排序的数据结构，协助快速查询和更新表中数据。注意索引是放在磁盘上的
建立索引的方式：
1.建表的时候就创建
2.建完表后续想添加索引：alter table 表名 add index 索引名(字段名);
索引的类型：
1.normal：普通索引，非唯一的索引没有任何限制
2.unique：唯一索引，要求字段的值不能重复。（primary key主键索引，特殊的唯一索引，主键索引所在的列字段必须NOT NULL）
3.full Text：全文索引，如果要在一个大文本里匹配一个字符那么就可以创建一个全文索引。char、varchar、text这些类型才能创建全文索引，匹配语法：select * from 表名 where match(字段名) against(‘要匹配的字符’ in natural language mode);

索引的存储结构

我们都知道mysql中的索引有BTREE和HASH，而最常使用的就是BTREE。那么问题来了，为什么mysql当初的设计者要选择使用B树呢？

如果使用有序数组

我们知道数组有下标，像’=’,’>’,’<'这些查询效率会很高，但是，更新索引时就会出现挪动大量数据，改变数据下标，所以这并不适合作为mysql的存储结构。

如果使用单链表

针对上边问题，我们会先想到使用链表来解决更新问题，因为链表记录的有上个节点和下个节点的地址。但是看，插入和更新快了，他的查询效率大大减少，因为单链表不支持二分查询，所以说查询效率是很低的。那么有没有使用二分查找的链表呢？

如果使用二分查找树（Binary Search Tree）

二分查找树简称BST
特点：左子树的值都要小于父节点，右子树的值都要大于父节点。
缺点：如图所示，如果是有序的插入，那么BST树就会变成一个线性的链表（斜树，不平衡树），深度会很大。导致查询会很慢。所以也并不适合mysql的索引结构

平衡二叉树（AVL树）

AVL也就是发明者的名字简写。
特点：基于二叉树，但左右子树的深度差得绝对值不超过1。如果右子树的深度和左子树的深度绝对值超过1，就会发生左旋（反之右旋），如下图：

缺点：如果mysql采用这种方式存储索引，那么我们看下图存储示例：

假设我们要找37这条数据，我们去索引树上找，第一次拿到磁盘块1之后，要到server层来比较发现我们要找的数据比他大，就到右子树上找下个磁盘块，继续比较发现又小了，就继续到左子树找下个磁盘块。才拿到所需数据。

我们要知道，我们每次访问树节点的时候就是和磁盘的一次IO，将磁盘数据加载进内存。前边文章说过，在InnoDB中，IO操作的最小单位是页（page），默认是16kb。但是，如上图，一个节点只存储了那么点东西，是远远不够16kb的（16384个字节），所以说，使用AVL树每次IO都会浪费大量的空间，而且放的节点越多，IO次数也就越多，浪费的空间也就越大，所需时间也越多。

比如上图中，要查找37这条数据，就要3次IO，如果有成千上万条数据呢，IO时间是无法估量的。
思考一下如何解决这一问题呢？我们可以让每个节点存储更多的数据，可以让二叉变成多叉（“叉数”也就是“路数”也称为“度”） ，这样可以让树的深度减少，IO次数也就越少，查询速度也就越快。

多路平衡查找树（B Trees）

我们来看，和上图同样的数据，在B树中要找37这条数据，如下图，只需要两次IO就可以了。数据量越大效果也就越明显。

那么这个B树是如何实现一个节点存储多个数据并且还保持平衡的呢？
分裂和合并：假如路数是3，也就是一个节点只能放两个数据，如果要插入第三个数据即路数即将超过3，将会产生分裂（反之合并）。如下图：

mysql中索引用的B树，并不是该B树，而是用的增强版的B+树，接下来我们了解一下，什么是B+树。

加强版多路平衡树（B+ Trees）

特点：和B树不同的是
1.B+树的节点上有几个数据，就有几路。
2.每个父节点的元素都会出现在子节点上，是子节点的最大或最小元素。
3.只有叶子节点才存储数据，并且每个叶子节点都有指向下一个节点的指针，形成一个有序链表。

我们来看一看B+树 有多强大：
假设存储bigint类型（8bytes），InnoDB中的指针大小为6bytes，所以这样的一个索引就是14个字节，每个节点16kb（16384个字节），那么一个节点就可以存放16384/14=1170路。那么子节点就可以存放11701170=1368900个索引也就有1368900路。那么假设一条数据1k，一个叶子节点16k可以存放16条记录，那么1368900路的叶子节点共可以存放136890016=21902400条记录，也就是两千多万条记录，树的深度只有2，查找数据只需三次IO。

不仅如此，B+树叶子节点还是一个有序的链表，如果我们进行范围的查找，如where id> 18 and id < 30，这种的条件查询，如果是B树他每次都会在根节点开始遍历查找，而B+树一次查找就可以沿着叶子节点的链表指针检索出所需数据。

B+树的优势：
1.单一节点存储更多的元素，使得查询的IO次数更少。
2.所有查询都要查找到叶子节点，查询性能稳定。
3.所有叶子节点形成有序链表，便于范围查询。

简单了解HASH索引

因为hash索引用的并不多，简单了解下：
hash方式在我们的索引里面去存储了键值和映射关系，会根据索引的字段去生成hash码和指针，指针指向数据，他的时间复杂度是永恒不变的O(1),查询速度很快。
不足之处：
1.生成hash码是无序的
2.只能做等值的查询，因为它要根据键计算出hash码，所以只能是根据key去查value这种形式
3.如果字段有很多重复的值，就会产生大量的hash冲突。
所以一般不会使用hash方式作为索引的存储结构

<<上一篇：InnoDB存储引擎的磁盘架构

>>下一篇：mysql索引在存储引擎中的实现及索引的使用原则