Mysql 索引底层数据结构和算法

索引数据结构

        索引（index）是帮助MySQL高效获取数据的一种有序数据结构。索引是存储到表空间中，当我们的 sql 中的where条件用到索引的时候，会在存储层就过滤出数据来，如果不走索引，则需要在server层过滤。 存储层过滤的性能比在server层更好。

 常用的索引结构有：Hash表，二叉树，平衡二叉查找树（红黑树是一个近似平衡二叉树），B树，B+树。

数据结构在线演示网站：Data Structure Visualization

Mysql5.7之后选用B+树作为默认的索引结构，接下来，介绍各种数据结构存在的优缺点。

Hash表

        我们使用Hash表存储表数据Key可以存储索引列，Value可以存储行记录或者行磁盘地址。Hash表在等 值查询时效率很高，时间复杂度为O(1)；

原理

　A. 事先将索引通过 hash算法后得到的hash值(即磁盘文件指针）存到hash表中。

　B. 在进行查询时，将索引通过hash算法，得到hash值，与hash表中的hash值比对。通过磁盘文件指针，只要一次磁盘IO就能找到要的值。

优点：

• 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+ 树索引更高效

缺点：

• 仅能满足 ''='',''IN'',不支持范围查询（因为Hash冲突问题，且hash表无序）
• 不适合模糊查询（like）的场景

二叉树

特点：父节点左子树所有结点的值小于父节点的值，右子树所有结点的值大于父节点的值。二叉树的检索复杂度和树高相关：理想状态下效率可以达到O(logn)

缺点：在某些特定的情况下，二叉树有可能退化成单链表的，此时会进行全表扫描，并且元素的查找效率也会明显的下降。

红黑树

  红黑树是一个近似平衡的二叉树。

   平衡二叉树是采用二分法思维，平衡二叉查找树除了具备二叉树的特点，最主要的特征是树的左右两个 子树的层级最多相差1。在插入删除数据时通过左旋/右旋操作保持二叉树的平衡，不会出现左子树很 高、右子树很矮的情况。

    使用平衡二叉查找树查询的性能接近于二分查找法，时间复杂度是 O(log2n)。

缺点：

• 时间复杂度和树高相关：树有多高就需要检索多少次，每个节点的读取，都对应一次磁盘 IO 操作 【瓶颈】。
  • 磁盘每次寻道时间为10ms，在表数据量大时，对响应时间要求高的场景下，查询性能就会出 现瓶颈。 举例：1百万的数据量，log2n约等于20次磁盘IO，时间20*10=0.2s
• 平衡二叉树不支持范围查询快速查找，范围查询时需要从根节点多次遍历，查询效率极差。
•   数据量大的情况下，索引存储空间占用巨大

B树 

       减少耗时的IO操作，就要尽量降低树的高度， 把二叉树，变为多叉树。每个节点存储多个元素，在每个节点尽可能多的存储 数据。

特点：

• B树的节点中存储着多个元素，每个节点内有多个分叉。
•  节点中的元素包含键值和数据，节点中的键值从大到小排列。也就是说，在所有的节点都储存数 据。
•   父节点当中的元素不会出现在子节点中。
•  所有的叶子结点都位于同一层，叶节点具有相同的深度，叶节点之间没有指针连接

优点：

• 磁盘IO次数会大大减少。
• 比较是在内存中进行的，比较的耗时可以忽略不计。
• B树的高度相比于平衡二叉树会大幅缩小，所以使用B树构建索引可以很好的提升查询的效率。

缺点：

• B树不支持范围查询的快速查找：如果我们想要查找15和26之间的数据，查找到15之后，需要回到 根节点重新遍历查找，需要从根节点进行多次遍历，查询效率有待提高。
• 空间占用较大：如果data存储的是行记录，行的大小随着列数的增多，所占空间会变大。一个页中 可存储的数据量就会变少，树相应就会变高，磁盘IO次数就会变大。

B+树 

        在B树基础上，MySQL在B树的基础上继续改造，使用B+树构建索引。B+树和B树最主要的区别在于非 叶子节点是否存储数据的问题

B树：非叶子节点和叶子节点都会存储数据。

B+树：只有叶子节点才会存储数据，非叶子节点只存储键值。叶子节点之间使用双向指针连接，最 底层的叶子节点形成了一个双向有序链表。

优点：

• 继承了B树的优点【多叉树的优点】
• 支持范围查询，保证等值和范围查询的快速查找
• MySQL的索引就采用了B+树的数据结构。