索引的数据结构

为什么使用索引

索引是存储引擎用于快速查找数据记录的一种数据结构，就好比一本书籍的目录部分，通过目录快速定位文章的页码，便可快速查找对应的文章。MySql也是一样的道理，进行数据查找的时候，首先看查询条件是否命中了某条索引，符合则通过索引查找相关数据，不符合则需要全表扫描，需要一条一条的查找记录，直到找到符合记录的数据为止。

如上图所示，数据库在没有索引的情况下，数据分布在硬盘不同的位置上面，读取数据的时候，摆臂需要前后摆动读取不同位置的数据，这样很耗费时间。如果数据顺序摆放，那么数据1 - 6也需要按顺序读取，这样就相当于进行了6次IO，依然非常耗费时间。

如果我们不借助任何数据结构帮助，进行快速定位数据，我们查找col 2 = 89这条记录，就需要逐行查找，比较。从col 2=34开始，进行比较，发现不是，查找下一行，然后比较，知道找到col 2=89为止（进行了6次IO）。当前数据的量很少，10条不到，后面数据量增大到千万级别的数据，那么IO的次数在极端情况下可达千万次，会非常耗费时间。并且，比较数据，需要去磁盘查找数据，找到数据之后加载到内存然后进行处理，在这个过程中最耗时的就是磁盘IO（磁盘的旋转和磁头的寻道时间）。

假如我们给数据使用二叉树这样的数据结构进行存储，如下图

对字段col2添加了索引，就相当于在硬盘为col2维护了一个索引的数据结构，即这个二叉搜索树。二叉搜索树的每个节点存储的都是k，v结构，key是col2，value是该key所在行的文件指针（地址）。例如，二叉树的根节点存储的就是(34 , 0x07)

这就是我们为什么要建立索引的原因，为了减少磁盘IO的次数，加快查询速率。

1. 索引及其优缺点

1.1 索引概述

MySQL官方对索引的定义为：索引（Index）是帮助MySQL高效获取数据的数据结构。

索引的本质：索引是数据结构。你可以简单理解为“排好序的快速查找数据结构”，满足特定查找算法。这些数据结构以某种方式指向数据， 这样就可以在这些数据结构的基础上实现高级查找算法。

1.2 优点

（1）类似大学图书馆建书目索引，提高数据检索的效率，降低数据库的IO成本，这也是创建索引最主要的原因。

（2）通过创建唯一索引，可以保证数据库表中每一行数据的唯一性。

（3）在实现数据的参考完整性方面，可以加速表和表之间的连接。换句话说，对于有依赖关系的子表和父表联合查询时，可以提高查询速度。

（4）在使用分组和排序子句进行数据查询时，可以显著减少查询中分组和排序的时间，降低了CPU的消耗。

1.3 缺点

（1）创建索引和维护索引要耗费时间，并且随着数据量的增加，所耗费的时间也会增加。

（2）索引需要占磁盘空间，除了数据表占数据空间之外，每一个索引还要占一定的物理空间存储在磁盘上，如果有大量的索引，索引文件就可能比数据文件更快达到最大文件尺寸。

（3）虽然索引大大提高了查询速度，同时却会降低更新表的速度。当对表中的数据进行增加、删除和修改的时候，索引也要动态地维护，这样就降低了数据的维护速度

2. InnoDB中索引的推演

2.1 索引之前的查找

SELECT [列名列表] FROM 表名 WHERE 列名 = xxx; 

1.在一个页中的查找

假设目前表中的记录比较少，所有的记录都可以被存放在一个页中，在查找记录的时候可以根据搜索条件的不同分为两种情况：

• 以主键为搜索条件

• • 可以在页目录中使用二分法快速定位到对应的槽，然后再遍历该槽对应分组中的记录即可快速找到指定的记录。

• 以其他列作为搜索条件

• • 因为在数据页中并没有对非主键建立所谓的页目录，所以我们无法通过二分法快速定位相应的槽。这种情况下只能从最小记录开始依次遍历单链表中的每条记录，然后对比每条记录是不是符合搜索条件。很显然，这种查找的效率是非常低的。

2.在很多页中查找

大部分情况下我们表中存放的记录都是非常多的，需要好多的数据页来存储这些记录。在很多页中查找记录的话可以分为两个步骤：

1. 定位到记录所在的页。
2. 从所在的页内查找相应的记录。

在没有索引的情况下，不论是根据主键列或者其他列的值进行查找，由于我们并不能快速的定位到记录所在的页，所以只能从第一个页沿着双向链表一直往下找，在每一个页中根据我们上面的查找方式去查找指定的记录。因为要遍历所有的数据页，所以这种方式显然是超级耗时的。

2.2 设计索引

mysql> CREATE TABLE index_demo(    
  -> c1 INT,    
  -> c2 INT,    
  -> c3 CHAR(1),    
  -> PRIMARY KEY(c1)   
  -> ) ROW_FORMAT = Compact; 

这个新建的index_demo表中有2个INT类型的列，1个CHAR(1)类型的列，而且我们规定了c1列为主键，这个表使用Compact行格式来实际存储记录的。这里我们简化了index_demo表的行格式示意图：

• record_type：记录头信息的一项属性，表示记录的类型，0表示普通记录、1表示目录项记录、2表示最小记录、3表示最大记录。
• next_record：记录头信息的一项属性，表示下一条地址相对于本条记录的地址偏移量，我们用箭头来表明下一条记录是谁。
• 各个列的值：这里只记录在index_demo表中的三个列，分别是c1、c2和c3。
• 其他信息：除了上述3种信息以外的所有信息，包括其他隐藏列的值以及记录的额外信息。

将记录格式示意图的其他信息项暂时去掉并把它竖起来的效果就是这样：

把一些记录放到页里的示意图就是：

1. 一个简单的索引设计方案

我们在根据某个搜索条件查找一些记录时为什么要遍历所有的数据页呢？因为各个页中的记录并没有规律，我们并不知道我们的搜索条件匹配哪些页中的记录，所以不得不依次遍历所有的数据页。所以如果我们想快速的定位到需要查找的记录在哪些数据页中该咋办？我们可以为快速定位记录所在的数据页而建立一个目录，建这个目录必须完成下边这些事：

• 下一个数据页中用户记录的主键值必须大于上一个页中用户记录的主键值（下一页的最小主键值大于上一页最大主键值）
• 给所有的页建立一个目录项

以页28为例，它对应目录项2，这个目录项中包含着该页的页号28以及该页中用户记录的最小主键值5。我们只需要把几个目录项在物理存储器上连续存储（比如：数组），就可以实现根据主键值快速查找某条记录的功能了。比如：查找主键值为20的记录，具体查找过程分两步：

1. 先从目录项中根据二分法快速确定出主键值为20的记录在目录项3中（因为 12 < 20 < 209 ），它对应的页是页9。
2. 再根据前边说的在页中查找记录的方式去页9中定位具体的记录。

至此，针对数据页做的简易目录就搞定了。这个目录有一个别名，称为索引。

2. InnoDB中的索引方案

① 迭代1次：目录项纪录的页

我们把前边使用到的目录项放到数据页中的样子就是这样：

从图中可以看出来，我们新分配了一个编号为30的页来专门存储目录项记录。这里再次强调目录项记录和普通的用户记录的不同点：

• 目录项记录的record_type值是1，而普通用户记录的record_type值是0。
• 目录项记录只有主键值和页的编号两个列，而普通的用户记录的列是用户自己定义的，可能包含很多列，另外还有InnoDB自己添加的隐藏列。
• 记录头信息里还有一个叫min_rec_mask的属性，只有在存储目录项记录的页中的主键值最小的目录项记录的min_rec_mask值为1，其他别的记录的min_rec_mask值都是0。

相同点：两者用的是一样的数据页，都会为主键值生成Page Directory（页目录），从而在按照主键值进行查找时可以使用二分法来加快查询速度。

现在以查找主键为20的记录为例，根据某个主键值去查找记录的步骤就可以大致拆分成下边两步：

1. 先到存储目录项记录的页，也就是页30中通过二分法快速定位到对应目录项，因为 12 < 20 < 209 ，所以定位到对应的记录所在的页就是页9。
2. 再到存储用户记录的页9中根据二分法快速定位到主键值为20的用户记录。

② 迭代2次：多个目录项纪录的页

从图中可以看出，我们插入了一条主键值为320的用户记录之后需要两个新的数据页：

• 为存储该用户记录而新生成了页31。
• 因为原先存储目录项记录的页30的容量已满（我们前边假设只能存储4条目录项记录），所以不得不需要一个新的页32来存放页31对应的目录项。

现在因为存储目录项记录的页不止一个，所以如果我们想根据主键值查找一条用户记录大致需要3个步骤，以查找主键值为20的记录为例：

1. 确定目录项记录页我们现在的存储目录项记录的页有两个，即页30和页32，又因为页30表示的目录项的主键值的范围是 [1, 320) ，页32表示的目录项的主键值不小于 320 ，所以主键值为20的记录对应的目录项记录在页30中。
2. 通过目录项记录页确定用户记录真实所在的页。在一个存储目录项记录的页中通过主键值定位一条目录项记录的方式说过了。
3. 在真实存储用户记录的页中定位到具体的记录。

③ 迭代3次：目录项记录页的目录页

如图，我们生成了一个存储更高级目录项的页33，这个页中的两条记录分别代表页30和页32，如果用户记录的主键值在[1, 320)之间，则到页30中查找更详细的目录项记录，如果主键值不小于320的话，就到页32中查找更详细的目录项记录。

我们可以用下边这个图来描述它：

这个数据结构，它的名称是B+树。

④ B+Tree

一个B+树的节点其实可以分成好多层，规定最下边的那层，也就是存放我们用户记录的那层为第0层，之后依次往上加。之前我们做了一个非常极端的假设：存放用户记录的页最多存放3条记录，存放目录项记录的页最多存放4条记录。其实真实环境中一个页存放的记录数量是非常大的，假设所有存放用户记录的叶子节点代表的数据页可以存放100条用户记录，所有存放目录项记录的内节点代表的数据页可以存放1000条目录项记录，那么：

• 如果B+树只有1层，也就是只有1个用于存放用户记录的节点，最多能存放100条记录。
• 如果B+树有2层，最多能存放1000×100=10,0000条记录。
• 如果B+树有3层，最多能存放1000×1000×100=1,0000,0000条记录。
• 如果B+树有4层，最多能存放1000×1000×1000×100=1000,0000,0000条记录。相当多的记录！！！

你的表里能存放100000000000条记录吗？所以一般情况下，我们用到的B+树都不会超过4层，那我们通过主键值去查找某条记录最多只需要做4个页面内的查找（查找3个目录项页和一个用户记录页），又因为在每个页面内有所谓的Page Directory（页目录），所以在页面内也可以通过二分法实现快速定位记录。

2.3 常见索引概念

1. 聚簇索引

特点：

1. 使用记录主键值的大小进行记录和页的排序，这包括三个方面的含义：

• • 页内的记录是按照主键的大小顺序排成一个单向链表。
  • 各个存放用户记录的页也是根据页中用户记录的主键大小顺序排成一个双向链表。
  • 存放目录项记录的页分为不同的层次，在同一层次中的页也是根据页中目录项记录的主键大小顺序排成一个双向链表。

1. B+树的叶子节点存储的是完整的用户记录。所谓完整的用户记录，就是指这个记录中存储了所有列的值（包括隐藏列）。

优点：

• 数据访问更快，因为聚簇索引将索引和数据保存在同一个B+树中，因此从聚簇索引中获取数据比非聚簇索引更快
• 聚簇索引对于主键的排序查找和范围查找速度非常快
• 按照聚簇索引排列顺序，查询显示一定范围数据的时候，由于数据都是紧密相连，数据库不用从多个数据块中提取数据，所以节省了大量的io操作。

缺点：

• 插入速度严重依赖于插入顺序，按照主键的顺序插入是最快的方式，否则将会出现页分裂，严重影响性能。因此，对于InnoDB表，我们一般都会定义一个自增ID列为主键
• 更新主键的代价很高，因为将会导致被更新的行移动。因此，对于InnoDB表，我们一般定义主键为不可更新
• 二级索引访问需要两次索引查找，第一次找到主键值，第二次根据主键值找到行数据

限制：

• 对应MySql数据库来说，目前只有innoDB存储引擎支持聚集索引
• 由于数据的物理存储排序方式只能有一种，所以一张表只有一个聚集索引，一般情况下，就是该表的主键
• 如果没有设置主键，那么innodb会使用非空的唯一索引代替，如果没有这样的索引，innodb会隐式定义一个主键所谓聚集索引
• 为了充分的使用聚集索引的特性，innodb表的主键列应该尽量使用有顺序的ID，而不是无顺序的ID，例如UUID，MD5，HASH等作为主键无法保证数据顺序增长。

2.4 二级索引（辅助索引、非聚簇索引）

聚集索引只有在搜索条件是主键的时候才会生效，因为B+树中的数据都是按照主键进行排序的。那么我们想要以别的列作为搜索条件怎么办，难道要把记录从头到位沿着链表遍历一遍？

所以，我们可以多建几个B+树，不同的B+树以不同的列作为排序规则。比如我们以c2列的大小作为数据页，以及目录页的排序规则，在建立一个B+树，如下图所示：

这个树和上边介绍的聚集索引有几处不同

• 使用c2列的大小作为数据页和记录页的排序规则，有三方面的含义

• • 数据页以c2列的大小顺序排成一个单向链表
  • 目录页以c2列的大小顺序排成一个双向链表
  • 目录页的层次，以c2列的大小排成一个双向链表

• B+树的叶子结点存储的并不是完整的用户记录，而是c2列 + 主键列这两个列的值
• 目录页记录中的搭配不在是主键值 + 页号，而是c2列的值 + 主键值 + 页号

如果我们需要使用c2列的值作为搜索条件，那么就可以使用当前这个B+树。以c2 = 4为例，查找过程如下

概念：回表 我们根据这个以c2列大小排序的B+树只能确定我们要查找记录的主键值，所以如果我们想根据c2列的值查找到完整的用户记录的话，仍然需要到聚簇索引中再查一遍，这个过程称为回表。也就是根据c2列的值查询一条完整的用户记录需要使用到2棵B+树！

一般情况下是：先到普通索引上定位主键值，再到聚集索引上定位行记录，它的性能相较于扫一遍索引树低

具体解释：

我们自己建的索引不管是单列索引还是联合索引，都称为普通索引，主键索引是聚簇索引，也就是索引的叶子节点存的是整个单条记录的所有字段值。每个普通索引就对应着一颗独立的索引B+树，索引 B+ 树的节点仅仅包含了索引里的几个字段的值以及主键值。当你执行一条sql语句时，需要从两个b+索引中去取数据。

在什么情况会出现回表操作？

举个例子：

表tbl有a,b,c三个字段，其中 a是主键，b上建了索引，然后编写sql语句SELECT * FROM tbl WHERE a=1这样不会产生回表，因为所有的数据在a的索引树中均能找到；

如果是SELECT * FROM tbl WHERE b=1这样就会产生回表，因为where条件是b字段，那么会去b的索引树里查找数据，但b的索引里面只有a,b两个字段的值，没有c，那么这个查询为了取到c字段，就要取出主键a的值，然后去a的索引树去找c字段的数据。查了两个索引树，就出现了回表操作。

什么是索引覆盖？

简单说就是， 索引列+主键 包含 SELECT 到 FROM之间查询的列 。就是索引覆盖。可以不用去进行回表操作。

类似select a，b from tbl where a=1 and b=1 (只需要查询一次索引树)

为什么设置了命中了索引但还是造成了全表扫描

就是虽然命中了索引，但在叶子节点查询到记录后还要大量的回表，优化器认为不如直接去扫描全表。

2.5 联合索引

我们也可以同时以多个列的大小作为排序规则，也就是同时为多个列建立索引，比方说我们想让B+树按照c2和c3列的大小进行排序，这个包含两层含义：

• 先把各个记录和页按照c2列进行排序。
• 在记录的c2列相同的情况下，采用c3列进行排序

注意一点，以c2和c3列的大小为排序规则建立的B+树称为联合索引，本质上也是一个二级索引。它的意思与分别为c2和c3列分别建立索引的表述是不同的，不同点如下：

• 建立联合索引只会建立如上图一样的1棵B+树。
• 为c2和c3列分别建立索引会分别以c2和c3列的大小为排序规则建立2棵B+树。

2.6 InnoDB的B+树索引的注意事项

1. 根页面位置万年不动

前边介绍B+索引的时候，为了理解上的方便，先把存储用户记录的叶子节点都画出来，然后接着画存储目录项记录的内节点，实际上B+树的形成过程是这样的：

• 每当为某个表创建一个B+树索引（聚簇索引不是人为创建的，默认就有）的时候，都会为这个索引创建一个根节点页面。最开始表中没有数据的时候，每个B+树索引对应的根节点中既没有用户记录，也没有目录项记录。
• 随后向表中插入用户记录时，先把用户记录存储到这个根节点中。
• 当根节点中的可用空间用完时继续插入记录，此时会将根节点中的所有记录复制到一个新分配的页，比如页a中，然后对这个新页进行页分裂的操作，得到另一个新页，比如页b。这时新插入的记录根据键值（也就是聚簇索引中的主键值，二级索引中对应的索引列的值）的大小就会被分配到页a或者页b中，而根节点便升级为存储目录项记录的页。

这个过程特别注意的是：一个B+树索引的根节点自诞生之日起，便不会再移动。这样只要我们对某个表建立一个索引，那么它的根节点的页号便会被记录到某个地方，然后凡是InnoDB存储引擎需要用到这个索引的时候，都会从那个固定的地方取出根节点的页号，从而来访问这个索引。

2. 内节点（非叶子节点）中目录项记录的唯一性

我们知道B+树索引的内节点中目录项记录的内容是索引列+页号的搭配，但是这个搭配对于二级索引来说有点不严谨。还拿index_demo表为例，假设这个表中的数据是这样的：

c1	c2	c3
1	1	'u'
3	1	'd'
5	1	'y'
7	1	'a'

如果二级索引中目录项的内容只是索引号+页号的搭配的话，那么为c2列建立索引后的B+树应该长这样：

如果我们想要新插入一行记录，其中c1、c2、c3的值分别是：9、1、c，那么在修改这个为c2列建立的二级索引对应的B+树时便碰到了个大问题：由于页3中存储的目录项记录是由c2列+页号的值构成的，页3中的两条目录项记录对应的c2列的值都是1，那么我们这条新插入的记录到底应该放在页4中，还是应该放在页5中啊？答案是：对不起，懵了。

为了让新插入记录能找到自己在哪个页里，我们需要**保证在B+树的同一层内节点的目录项记录除页号这个字段以外是唯一的**，所以对于二级索引的内节点的目录项记录的内容实际上是由三个部分构成的：

• 索引列的值
• 主键值
• 页号

也就是我们把主键值也添加到二级索引内节点中的目录项记录了，这样就能保证B+树每一层节点中各条目录项记录除页号这个字段外是唯一的，所以我们为c2列建立二级索引后的示意图实际上应该是这样子的：

这样我们再插入记录(9, 1, 'c')时，由于页3中存储的目录项记录是由c2列+主键+页号的值构成的，可以先把新记录的c2列的值和页3中各目录项记录的c2列的值作比较，如果c2列的值相同的话，可以接着比较主键值，因为B+树同一层中不同目录项记录的c2列+主键的值肯定是不一样的，所以最后肯定能定位唯一的一条目录项记录，在本例中最后确定新记录应该被插入到页5中。

3. 一个页面最少可以存储2条记录

一个B+树只需要很少的层级就可以轻松存储数亿条记录，查询速度相当不错！这是因为B+树本质上就是一个大的多层级目录，每经过一个目录时都会过滤掉许多无效的子目录，直到最后访问的存储真实数据的目录。那如果一个大的目录中只存放一个子目录是个啥效果呢？那就是目录层级非常非常非常多，而且最后的那个存放真实数据的目录中存放一条记录。费了半天劲只能存放一条真实的用户记录？所以InnoDB的一个数据页至少可以存放两条记录

3 MyISAM索引方案

即使多个存储引擎支持同一种类型的索引，但是他们的实现原理也是不同的。Innodb和MyIASAM默认的索引是B+TREE；而Memory默认的索引是Hash索引。

3.1 MyISAM的索引原理

我们知道InnoDB中的索引，也就是聚集索引的那颗B+TREE的叶子结点已经包含了完整的用户记录，而MyISAM的索引方案虽然也适用树形结构，但是却将索引和数据分开存储

• 将表中的记录按照记录的插入顺序，单独的存储在一个文件中，称之为数据文件。这个文件并不会划分若干个数据页，有多少记录就往这个文件中插入就可以了。由于在插入数据时并没有刻意按照主键大小排序，所以我们并不能在这些数据上使用二分法查找
• 使用MyISAM存储引擎的表会把索引信息存储到另外一个文件中去，称之为索引文件。MyISAM会单独为表的主键创建一个索引，只不过在这个索引的叶子结点中存储的不是完整的用户记录，而是主键 + 数据记录地址的组合

下图是MyISAM索引的原理图

这里设表一共有三列，假设我们以Col1为主键，上图是一个MyISAM的主索引示意图。可以看出MyISAM的索引文件仅仅保存数据记录的地址。在MyISAM中，主键索引和二级索引在结构上没有任何区别，只是主键索引要求key唯一，而二级索引key可以重复。如果我们在Col2上建立一个二级索引，则结构如下：

同样是一颗B+Tree，data域保存数据记录的地址。因此，MyISAM中索引检查的算法为 ： 首先按照B+Tree搜索算法搜索索引，如果指定的key存在，则取出data域的值，然后以data域的值为地址，读取相应数据记录。

3.2 MyISAM和InnoDB的对比

MyISAM的索引方式都是‘非聚集’的，与InnoDB包含一个聚集索引是不同的

• 在InnoDB存储引擎中，我们只需要根据主键值对聚集索引进行一次查找就能找到对应的记录，而在MyISAM中却需要进行一次回表操作，意味着MyISAM中建立的索引相当于全是二级索引
• InnoDB的数据文件本身就是索引文件，而MyISAM索引文件和数据文件是分离的，索引文件仅保存数据记录的地址
• InnoDB的非聚集索引data域存储相应记录的主键值，MyISAM索引记录的是地址。换句话说，InnoDB的所有非聚集索引都引用主键作为data域
• MyISAM的回表操作说十分快速的，因为是拿着地址偏移量直接到文件中取数据，反观InnoDB是通过获取主键之后再去聚集索引里面查找记录，虽然说也不慢，但是还是比不上直接拿着地址去访问数据
• InnoDB要求表必须有主键（MyISAM可以没有），如果没有显示指定，则MySQl会自动选择一个非空且唯一索引到列作为主键。如果不存在这个列，则MySQL自动为InnoDB表生成一个隐式字段作为主键，这个字段长度为6个字节，类型为长整型

3.3 小节

1 为什么不建议使用过长的字段作为主键

因为所有二级索引都引用主键索引，过长的主键索引会是的二级索引变得过大

2 使用自增字段作为主键是一个很好的选择

因为InnoDB数据文件本身是一颗B+Tree，非单调的主键会造成在插入新纪录时，数据文件为了维护B+Treed特性而频繁调整，十分低效

4 索引的代价

索引是个好东西，但是不能乱建，它在空间和时间上都有消耗

4.1 空间上的代价

每建立一个索引都要为它建立一颗B+Tree，每一颗B+Tree的每一个结点都是一个数据页，一个页默认占用16KB的存储空间，一颗很大的B+Tree由很多数据页组成，那么会需要很大的一片存储空间

4.2 时间上的代价

每次对表中的数据进行增，删，改操作时，都需要取修改各个B+Tree索引。B+Tree每层结点都是按照索引列的值从小到大顺序排列而组成了双向链表。不论叶子结点中的记录，还是内节点中的纪录（无论是用户记录还是目录项纪录）都是按照索引列的值从小到大顺序形成的一个单向链表。而增，删，改操作可能对结点和纪录的排序造成破坏，所以存储引擎需要额外的时间纪录一些纪录移位，页面分裂，页面回收等操作来维护好节点和纪录的排序。如果我们建立了很多索引，每一个索引都要进行相关的维护操作，会给性能拖后腿。

一个表上建立的索引越多，占用的存储空间就越多，增删改的性能就越差

5 MySQl数据结构选择的合理性

从MySQl的角度讲，不得不考虑一个现实问题就是磁盘IO。如果我们能让索引的数据结构尽量减少磁盘的IO操作，所消耗的时间也就越少。可以说，磁盘的IO操作次数对索引的使用效率至关重要。

查找都是索引操作，一般来说索引非常大，尤其是关系型数据库，当数据量比较大的时候，索引的大小有可能几个G，甚至更多，为了减少索引在内存的占用，数据库索引是存储在外部磁盘上的。当我们利用所用查询的时候，不可能把整个索引加载到内存中，只能逐一加载，那么MySQL衡量查询效率的标准就是磁盘IO数。

5.1 HASH结构

加速查找速度的数据结构，常见的有两类

• 树，例如平衡二叉搜索树，查询/插入/删除的平均时间复杂渡都是O(log2N)
• 哈希，例如HashMap，查询/插入/删除的平均时间复杂度都是O(1)

Hash本身上一个函数，又被称为散列函数，它可以帮助我们大幅度提升检索数据的效率。特征为相同的输入永远可以得到相同的输出。

采用Hash进行数据检索的效率非常高，基本一次检索就可以找到数据，而B+Tree需要自顶向下依次查找，多次访问才能找到数据，中间需要多次IO操作，从效率来说，Hash比B+Tree树更快

5.2 Hash结构效率高，那为什么索引结构要设计成树型呢？

• Hash索引仅能满足=，<> , 和 in 查询。如果进行范围查询，哈希型的索引，时间复杂度会退化为O(n)，而树型的有序特性，依然能保持O(log2N)的高效率
• Hash索引的数据存储是没有顺序的，在ORDER BY的情况下，使用Hash索引还需要对数据重新排序
• 对于联合索引的情况，Hash值是将联合索引合并后一起来计算的，无法对单独的一个键或者几个索引建进行查询
• 对于等值查询来说，通常Hash到效率更高，不过存在一种情况，就是索引列的重复值很多，效率就会降低。因为这会遇到Hash冲突，需要遍历桶中的行指针来比较，找到查询到关键字，非常耗时。所以，Hash索引通常不会用到重复值多到列上，比如列为性别，年龄的情况

5.3 Hash索引适用存储引擎

索引	存储引擎	是否支持
Hash	InnoDB	不支持
Hash	MyISAM	不支持
Hash	Memory	支持

5.4 Hash索引的适用性

Hash索引存在很多限制，相比之下在数据库中B+Tree索引的使用面会更广，不过也有一些场景采用Hash索引效率更高，比如在键值型数据库中，Redis存储的核心就是Hash表。

MySQL中的Memory存储引擎支持Hash存储，如果我们需要用到查询的临时表时，就可以选择Memory存储引擎，把某个字段设置为Hash索引，比如字符串类型的字段，进行Hash计算之后长度可以缩短到几个字符。当字段的重复度低，而且需要经常进行等值查询的时候，采用Hash索引是个不错的选择。

另外，InnoDB本身不支持Hash索引，但是提供自适应的Hash索引。什么情况下会使用自适应索引呢？如果某个数据经常被访问，当满足一定的条件的时候，就会把这个数据页存放到Hash表中。这样下次查询的时候，就可以直接找到这个页面所在位置，是的B+Tree也具备了Hash索引的优点

采用自适应Hash索引目的是方便SQL查询条件加速定位到叶子节点，特别是B+Tree比较深的时候，通过自适应Hash索引可以明显提高数据的检索效率。

show variables like %adaptive_hash_index

5.6 B+Tree

B+Tree是一种多路搜索树，基于B树做出了改进，主流的DBMS都支持B+Tree的索引方式，比如MySQL

B+树的中间节点并不能直接存储数据，这样的好处有什么？

• B+Tree的查询效率稳定，每一次查询只有在叶子节点中才可以查询到数据
• B+Tree的查询效率高，B+Tree的子节点是比较多的，是的树整体更矮，胖
• 在查询范围上，B+Tree的效率也更高，因为所有关键字都在叶子节点中，叶子节点之间也存在指针，数据又是递增的，这使得范围查找可以通过指针连接查找

6 牛刀小试

6.1 为了减少IO，索引树会一次性加载吗？

不会，

1 数据库索引说存储在磁盘上的，如果数据量很大，必然导致索引也很大，超过几个G

2 当我们利用索引查询时，是不可能将几个G的索引都加载到内存中的，我们能做的只能是逐一加载每一个磁盘页，因为磁盘页对应着索引树的节点

6.2 B+Tree的存储能力如何？为何说一般查找行记录，最多需要1 ～ 3次磁盘IO

InnoDB存储引擎页的大小为16KB，一般表的主键类型为INT类型（占用4个字节）或BIGINT（占用8个字节），指针类型也一般为4或8个字节，也就是说一页（B+Tree中的一个节点）中大概存储16KB/（8B+ 8B） = 1K个键值（因为是估值，为了方便计算，k取1000.也就是说，一个深度为3的B+Tree索引可以维护1000 * 1000 * 1000 = 10亿条记录）这里假设数据页也存储1000条行记录。

实际情况中每一个节点都可能不填满，因此在数据库中，B+Tree的高度一般在2 ～ 4层。MySQL的InnoDB存储引擎在设计时，是将根节点常驻内存的，也就是所查找某一个键值的行记录最多需要1 ～ 3次磁盘IO操作。

6.3 为什么说B+Tree比B树更适合实际操作系统中的文件索引和数据库索引？

1 B+Tree的磁盘读写代价更低

B+Tree内部节点没有指向关键字具体信息的指针，因此内部节点相对于B树更小。相同的内存，B+Tree容纳的关键字就越多

2 B+Tree查询效率更稳定

B+Tree的关键字具体信息都只会在叶子节点中存在