二叉树、红黑树、B树、B+树、哈希索引、为什么Mysql选择B+树？

二叉树、红黑树、B树、B+树、哈希索引、为什么Mysql选择B+树？

😂

哈希索引：

哈希索引的查询速度是非常快的

缺点
但为什么没有用它呢，因为哈希索引的哈希值是无序的，是无法进行排序操作的，也不能做范围查询等。所以Mysql放弃这个哈希索引

二叉树：

二叉树，全名叫二叉搜索树。存入的数据以第一条数据为基准，小于放左，大于放右

那么他存在一个什么问题呢？

缺点：
因为他是以第一条数据为基准的，如果第一条数据过小或过大，他后面数据会全部放在左边或右边，导致树的深度过高，树的深度越高每一次查询的次数就会越多，效率越慢，
而且如果存放数据是有序的：

如图所示，在有序的情况下很变态，直接成为一个链表，存放10 条数据，深度就为10和没有索引没什么区别。

红黑树：

红黑树，他是二叉树的变体，可以通过左右旋转保证树的深度

同样存储10条数据

可以看到，他比二叉树的深度低的多，他是怎么做到的呢？

他底层在二叉树的基础上，对进行插入和删除操作时通过特定操作(如左旋转，右旋转等)保持二叉查找树的平衡，从而获得较高的查找性能。

什么是左旋转，右旋转呢？
左旋转：被旋转的节点从左侧上升到父节点
右旋转：被旋转的节点从右侧上升到父节点 

缺点：
虽然红黑树的深度已经较二叉树有所提升，但是当数据量过大时，如上万或者上百万条数据时他是深度会随之变高。效率较慢，而且红黑树和二叉树都有一个问题，就是回旋查找。

什么是回旋查找？
就是红黑树和二叉树在做范围查找时候如小于5的数据的时候，如上图，他需要先找到5的位置，然后回旋回去去找父节点6，然后6还要去找4，然后一级一级拿出所有小于5的数据，这样是十分缓慢的。

B树：

B树又叫B-树，他在树的基础上对节点进行横向的拉伸

如上图所示，B树在一个节点上可以存放多个索引，在同样在数据量下 它的深度低很多，他解决了红黑树深度过高的问题，但是他和红黑树一样存在回旋查找的问题。

如上图所示：
和红黑树二叉一样，如果B树做范围查找小于5的树 他还是需要回旋到父节点6，然后6去找4…

B+树：

和B树而言，B+树的深度更低，而且解决了回旋查找问题，对范围查询支持很友好

首先谈谈为什么B+树的深度更低，

那就要谈谈他和B树的区别，B+的和B树的区别是，B树会在所有节点存放数据 如 非叶子节点(索引节点) 和叶子节点，而B+的非叶子节点只存在索引，并不会存数据，就导致在同样固定的索引存储大小的情况 因为B+树不会将数据存在非叶节点 那么他的非叶节节点就可以存放更多的索引。

在百万级别的数据下，他的深度比B树更低，深度更低就代表查找速度越快。

为什么B+树能解决回旋查找？

如图所示，可以看到因为他非叶子节点不存储数据，所有非叶子的上的数也出现在了叶子节点，叶子节点之间是通过指针相连接的。

因为叶子节点通过指针连接所以在做范围查找时，如小于5的数据，可以之间定位到5然后取5左边的数据 即可 解决的其他索引出现的回旋查找问题。

缺点：

	B+树虽然已经很好了，但是也有缺点。

和B树对比，想象一下假如查找的数据正好是非叶子节的数据，那么B树就可以直接在非叶子节点拿到数据，而B+树的数据全部存在叶子节点，非叶节点只存放索引，那么他在非叶子节点找到数后还需要去下层叶子节点去拿值。性能肯定是没B树快的

总结：

B+树虽然查找速度不是最优的，但是依靠着他对范围查询的完美支持，所以Mysql才会选择B+树

新手程序员第一次写文章，全是自己的理解，如果有什么错误希望前辈能指出!