Mysql索引的底层原理

索引的作用
索引的作用是快速检索，而快速检索的实现本质是数据结构。通过不同数据结构的选择，实现各种数据的快速检索。

Mysql索引底层数据结构选型

1. hash表
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。
从时间复杂度来讲，哈希算法是O（1），检索速度非常快，那为什么Mysql没有采取哈希作为其底层算法呢
因为考虑到索引的一个常用手范围查找

如果用哈希做范围查找，一个简单的思路就是一次把数据找出来加载到内存，然后在内存筛选目标范围内的数据，显然这次不行的

2. 二叉查找树
二叉查找树是一种支持快速查找的数据结构，如图所示
二叉查找树的时间复杂度为C（lgn），从检索上看能做到高效检索
那能不能解决哈希算法不能提供的范围查找呢？
答案是肯定的，因为每个节点大于左子树，小于右子树
但是，在极端条件下，二叉查找树会退化成链表，二分查找也会变成遍历查找，时间复杂度退化为O（n），

因此，简单的二叉查找数存在不平衡导致的索引性能下降问题

3.AVL树和红黑树
二叉查找树存在不平衡的问题，因此学者提供了通过树结点的自动旋转调整，让二叉树始终保持平衡的状态，就能保持二叉查找树的最佳性能，基于这种思想的自调节平衡状态的树有AVL树和红黑树

首先简单介绍一种红黑树，这是一颗自动调整树状态的树结构，比如当红黑树出现不平衡的时候，红黑树便会通过自动左旋结点，右旋结点和改变结点颜色调整树状态，使树保持基本平衡，保证查询效率不会明显下降
但是红黑树也存在问题，

如果数据是顺序插入，树的形态会处于‘右倾’的形态，虽然没有二叉查找树那么夸张，但数据库的基本主键一般通过自增操作，这种问题对于查找而言也是极大的消耗

现在考虑另一种更为严格的自平衡二叉树AVL树，AVl树是绝对平衡的的树结构，因此在调整树结构上会消耗更多性能
总结一下AVL树的优点

1. 不错的查找性能O（lgn），不存在极端情况下的低效查找
2. 可以实现数据的范围查找，数据排序

AVL树结构确实不错，但并不合适做Mysql索引的数据结构，因为考虑一个问题
数据库查询数据的瓶颈在于磁盘I/O，如果使用AVL树，每一个结点只能存放一个数据，每一次磁盘I/O操作只能取一个节点的数据，也就是一个数据，这样查找一个数据要进行大量的磁盘I/O操作，是非常时间，所以设计数据库索引结构需要首先考虑尽量的减少磁盘I/O操作

这里我们需要知道，从磁盘读取1B数据和1KB数据时间基本是一样的，我们就可以根据这个思路，让一次磁盘I/O的数据尽可能多，换句话也就是树节点存的数据尽可能多，这就是B树，B+树的设计原理

4. B树
   从上图可以知道，较AVl树，b树每个节点存储的结点更多键值和数据，基于这个特性，b树查找数据磁盘I/O次数会很少，查找效率也高很多，因为比较矮

b树的优点

1. 优秀的索引效率，时间复杂度为O（h*lgn）h为树深度，n为每个节点关键子数
2. 磁盘I/O次数少
3. 支持范围查找

那B树和B+树有什么区别呢

5.B+树

1. B+树的非叶子节点存放的是键值，不存放数据，而B树存放的键值和数据，所以B+一个节点可以存放多个键值，也就是多个索引，树就会更矮更肥，磁盘I/O次数更少
2. B+树的叶子节点都用一个双向链表串联起来，便于范围查找