第06章_索引的数据结构
目录
6. MySQL数据结构选择的合理性（B树和B+树的区别,B+树和Hash结构的分别。三者重要）
1. 为什么使用索引
2. 索引及其优缺点
2.1 索引概述
2.2 优点
2.3 缺点
3. InnoDB中索引的推演
3.1 索引之前的查找
3.2 设计索引
3.2.1. 一个简单的索引设计方案
3.2. 2. InnoDB中的索引方案
因为有页目录的原因，所以链表可以使用二分法来提高效率
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。
随着表中记录的增加，这个目录的层级会继续增加，如果简化一下，那么我们可以用下边的图来描述它。
3.3 常见索引概念
2. 二级索引（辅助索引、非聚簇索引）
如果完整的用户记录都放在叶子结点，就太过冗余了
小结：聚簇索引与非聚簇索引的原理不同，在使用上也有一些区别
1.聚簇索引的 叶子节点 存储的就是我们的 数据记录 ，非聚簇索引的叶子节点存储的是数据位置。非聚簇索引不会影响数据表的物理存储顺序。
2.一个表 只能有一个聚簇索引 ，因为只能有一种排序存储的方式，但可以 有多个非聚簇索引 ，也就是多个索引目录提供数据检索。
3.使用聚簇索引的时候，数据的 查询效率高 ，但如果对数据进行插入，删除，更新等操作，效率会比非聚簇索引 低 。
3. 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
为c2和c3列建立的索引的示意图如下：
如图所示，我们需要注意以下几点
- 每条 目录项记录 都由 c2、c3、页号 这三个部分组成，各条记录先按照c2列的值进行排序，如果记录的c2列相同，则按照c3列的值进行排序
- B+ 树叶子节点 处的用户记录由 c2、c3和主键c1列 组成
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
3.4 InnoDB的B+树索引的注意事项
1. 根页面位置万年不动
我们前边介绍B+树索引的时候，为了大家理解上的方便，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. 内节点中目录项记录的唯一性
如果我们想新插入一行记录，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，而我们 新插入的这条记录 的c2列的值也是 1 ，那我们这条新插入的记录到底应该放到 页4 中，还是应该放到 页5 中啊？答案是：对不起，懵了。（无法识别）
为了让新插入记录能找到自己在那个页里，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多无效的子目录，直到最后访问到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只能存放一条记录。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 。
4. MyISAM中的索引方案
4.2 MyISAM索引的原理
我们知道 InnoDB中索引即数据 ，也就是聚族索引的那棵B+树的叶子节点中已经把所有完整的用户记录都包含了，而 MyISAM 的索引方案虽然也使用树形结构，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 单独存储在一个文件中，称之为 数据文件 。这个文件并不划分为若干个数据页，有多少记录就往这个文件中塞多少记录就成了。由于在插入数据的时候并 没有刻意按照主键大小排序 ，以我们并不能在这些数据上使用二分法进行查找。
- 使用 MyISAM 存储引擎的表会把索引信息另外存储到一个称为 索引文件 的另一个文件中。MyISAM会单独为表的主键创建一个索引，只不过在索引的叶子节点中存储的不是完整的用户记录，而是 主键值+数据记录地址 的组合。
即使是里面插入数据，也不会进行排序，直接放在最后的位置。
这里设表一共有三列，假设我们以Col1为主键，上图是一个MyISAM表的主索引（Primary key）示意。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（Secondary key）在结构上没有任何区别，只是主键索引要求key是唯一的，而二级索引的key可以重复。如果我们在Col2上建立一个二级索引，则此索引的结构如下图所示：
里面存放的都是地址值
同样也是一棵B+Tree，data域保存数据记录的地址。因此，MyISAM中索引检索的算法为：首先按照B+Tree搜索算法搜索索引，如果指定的Key存在，则取出其data域的值，然后以data域的值为地址，读取相应数据记录。
4.3 MyISAM 与 InnoDB对比
MyISAM的索引方式都是“非聚簇”的，与InnoDB包含1个聚簇索引是不同的。小结两种引擎中素引的区别：
①在InnoDB存储引擎中，我们只需要根据主键值对 聚簇索引 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部都是二级索引。
②InnoDB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
③InnoDB的非聚簇索引ldata域存储相应记录主键的值，而MyISAM索引记录的是 地址 。换句话说InnoDB的所有非聚簇索引都引用主键作为data域。
④MyISAM的回表操作是十分 快速 的，因为是拿着地址偏移量直接到文件中取数据的，反观InnoDB是通过获取主键之后再去聚簇索引里找记录，虽然说也不慢，但还是比不上直接用地址去访问。
⑤InnoDB要求表 必须有主键（MyISAM可以没有）。如果没有显式指定，则MySQL系统会自动选择一个可以非空且唯一标识数据记录的列作为主键。如果不存在这种列，则MySQL自动为InnoDB表生成一个隐含字段作为主键，这个字段长度为6个字节，类型为长整型。
小结：
了解不同存储引擎的索引实现方式对于正确使用和优化索引都非常有帮助。比如：
举例1：知道了InnoDB的索引实现后，就很容易明白为什么不建议使用 过长的字段作为主键 ，因为所有二级索引都引用主键索引，过长的主键索引会令二级索引变得过大
举例2：用非单调的字段作为主键在InnoDB中不是个好主意，因为InnoDB数据文件本身是一棵B+Tree，非单调的（就是一会大一会小的就是非单调的）主键会造成在插入新记录时，数据文件为了维持B+Tree的特性而频繁的分裂调整，十分低效，而使用 自增字段作为主键则是一个很好的选择 。
5. 索引的代价
索引是个好东西，可不能乱建，它在空间和时间上都会有消耗：
- 空间上的代价
每建立一个索引都要为它建立一棵B+树，每一棵B+树的每一个节点都是一个数据页，一个页默认会占用 16KB 的存储空间（存储底层磁盘上的空间），一棵很大的B+树由许多数据页组成，那就是很大的一片存储空间。
- 时间上的代价
每次对表中的数据进行增、删、改操作时，都需要去修改各个B+树索引。而且我们讲过，B+树每层节点都是按照索引列的值 从小到大的顺序排序 而组成了 双向链表 。不论是叶子节点中的记录，还是内节点中的记录（也就是不论是用户记录还是目录项记录）都是按照索引列的值从小到大的顺序而形成了一个单向链表。而增、删、改操作可能会对节点和记录的排序造成破坏，所以存储引擎需要额外的时间进行一些 记录移位，页面分裂、页面回收 等操作来维护好节点和记录的排序。如果我们建了许多索引，每个索引对应的B+树都要进行相关的维护操作，会给性能拖后腿
6. 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硬盘的I/O操作，所消耗的时间也就越小。可以说，磁盘的I/O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，无其是关系型数据库，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。当我们利用索引查询的时候不可能把整个索引全部加载到内存，只能 逐一加载 ，那么MySOL衡量查询效率的标准就是磁盘IO次数。
6.1 全表遍历
顺序查找
6.2 Hash结构
Hash本身是一个函数，又被称为散列函数，它可以帮助我们大幅提升检索数据的效率。
Hash算法是通过某种确定性的算法（比如MD5、SHA1、SHA2、SHA3）将输入转变为输出。 相同的输入永远可以得到相同的输出 ，假设输入内容有微小偏差，在输出中通常会有不同的结果。
举例：如果你想要验证两个文件是否相同，那么你不需要把两份文件直接拿来比对，只需要让对方把Hash函数计算得到的结果告诉你即可，然后在本地同样对文件进行Hash函数的运算，最后通过比较这两个Hash函数的结果是否相同，就可以知道这两个文件是否相同。
加速查找速度的数据结构，常见的有两类
（1）树，例如平衡二叉搜索树，查询/插入/修改/删除的平均时间复杂度都是O（1og2N）；
（2）哈希，例如HashMap，查询/插入/修改/删除的平均时间复杂度都是O（1）；
采用Hash进行检索效率非常高，基本上一次检索就可以找到数据，而B+树需要自顶向下依次查找，多次访问节点才能找到数据，中间需要多次I/0操作， 从效率来说Hash比B+树更快 。
在哈希的方式下，一个元素k处于h（k）中，即利用哈希函数h，根据关键字k计算出槽的位置。函数h将关键字域映射到哈希表T[o..m-1]的槽位上。
上图中哈希函数h有可能将两个不同的关键字映射到相同的位置，这叫做 碰撞 ，在数据库中一般采用 链接法 来解决。在链接法中，将散列到同一槽位的元素放在一个链表中，如下图所示：
Hash结构效率高，那为什么索引结构要设计成树型呢？
原因1：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，依然能够保持O（log2N）的高效率。
（Hash在等值判断中是效率很高的）
原因2：Hash索引还有一个缺陷，数据的存储是 没有顺序的 ，在ORDERBY的情况下，使用Hash索引还需要对数据重新排序。
原因3：对于联合索引的情况，Hash值是将联合索引键合并后一起来计算的，无法对单独的一个键或者几个索引键进行查询。
原因4：对于等值查询来说，通常Hash索引的效率更高，不过也存在一种情况，就是 索引列的重复值如果很多，效率就会降低 。这是因为遇到Hash冲突时，需要遍历桶中的行指针来进行比较，找到查询的关键字，非常耗时。所以，Hash索引通常不会用到重复值多的列上，比如列为性别、年龄的情况等。
Hash索引的适应性
Hash索引存在着很多限制，相比之下在数据库中B+树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（Key-Value）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节。当字段的重复度低，而且经常需要进行 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Hash索引（Adaptive Hash Index）。什么情况下才会使用自适应Hash索引呢？如果某个数据经常被访问，当满足一定条件的时候，就会将这个数据页的地址存放到Hash表中。这样下次查询的时候，就可以直接找到这个页面的所在位置。这样让B+树也具备了Hash索引的优点。
采用自适应Hash索引目的是方便根据SQL的查询条件加速定位到叶子节点，特别是当B+树比较深的时候，通过自适应Hash索引可以明显提高数据的检索效率。
我们可以通过 innodb_adaptive_hash_index 变量来查看是否开启了自适应Hash，比如：
6.3 二叉搜索树
如果我们利用二叉树作为索引结构，那么磁盘的I0次数和索引树的高度是相关的。
1.二叉搜索树的特点
- 一个节点只能有两个子节点，也就是一个节点度不能超过2
- 左子节点<本节点；布子节点>=本节点，比我大的向右，比我小的向左
2.查找规则
我们先来看下最基础的二叉搜索树（Binary Search Tree），搜索某个节点和插入节点的规则一样，我们假设搜索插入的数值为key
- 如果key大于根节点，则在右子树中进行查找
- 如果key小于根节点，则在左子树中进行查找；
- 如果key等于根节点，也就是找到了这个节点，返回根节点即可。
举个例子，我们对数列（34，22，89，5，23，77，91）创造出来的二分查找树如下图所示：
但是存在特殊的情况，就是有时候二叉树的深度非常大。比如我们给出的数据顺序是（5，22，23，34，77，89，91），创造出来的二分搜索树如下图所示：
上面第二棵树也属于二分查找树，但是性能上已经退化成了一条链表，查找数据的时间复杂度变成了 O（n） 。你能看出来第一个树的深度是3，也就是说最多只需3次比较，就可以找到节点，而第二个树的深度是7，最多需要7次比较才能找到节点。
为了提高查询效率，就需要 减少磁盘IO数 。为了减少磁盘IO的次数，就需要尽量 降低树的高度 ，需要把原来“瘦高”的树结构变的“矮胖”，树的每层的分又越多越好。
6.4 AVL树
为了解决上面二又查找树退化成链表的问题，人们提出了平衡二叉搜索树（Balanced Binary Tree），又称为AVL树（有别于AVL算法），它在二叉搜索树的基础上增加了约束，具有以下性质：
它是一棵空树或它的左右两个子树的高度差的绝对值不超过1，并且左右两个子树都是一棵平衡二叉树。
这里说一下，常见的平衡二叉树有很多种，包括了 平衡二又搜索树、红黑树、数堆、伸展树 。平衡二叉搜索树是最早提出来的自平衡二叉搜索树，当我们提到平衡二叉树时一般指的就是平衡二叉搜索树。事实上，第一棵树就属于平衡二又搜索树，搜索时间复杂度就是 0（1og2n）。
数据查询的时间主要依赖于磁盘/o的次数，如果我们采用二叉树的形式，即使通过平衡二叉搜索树进行了改进，树的深度也是O（log2n），当n比较大时，深度也是比较高的，比如下图的情况：
每访问一次节点就需要进行一次磁盘I/O操作 ，对于上面的树来说，我们需要进行5次1/0操作。虽然平衡二叉树的效率高，但是树的深度也同样高，这就意味着磁盘I/0操作次数多，会影响整体数据查询的效率。
针对同样的数据，如果我们把二叉树改成 M叉树（M>2）呢？当M=3时，同样的31个节点可以由下面的三叉树来进行存储：
你能看到此时树的高度降低了，当数据量N大的时候，以及树的分又数M大的时候，M叉树的高度会远小于二叉树的高度（M>2）。所以，我们需要 把树从“瘦高”变“矮胖” 。
6.5 B-Tree
B树的英文是Balance Tree，也就是 多路平衡查找树 。简写为B-Tree（注意横杠表示这两个单词连起来的意思，不是减号）。它的高度小于平衡二又树的高度。
B树的结构如下图所示：
B树作为多路平衡查找树，它的每一个节点最多可以包括M个子节点， M称为B树的阶 。每个磁盘块中包括了 关键字 和 子节点 的指针。如果一个磁盘块中包括了×个关键字，那么指针数就是x+1。对于一个100阶的B树来说，如果有3层的话最多可以存储约100万的索引数据。对于大量的索引数据来说，采用B树的结构是非常适合的，因为树的高度要远小于二叉树的高度。
一个 M 阶的 B 树（M>2）有以下的特性：
- 根节点的儿子数的范围是 [2,M]。
- 每个中间节点包含 k-1 个关键字和 k 个孩子，孩子的数量 = 关键字的数量 +1，k 的取值范围为 [ceil(M/2), M]。
- 叶子节点包括 k-1 个关键字（叶子节点没有孩子），k 的取值范围为 [ceil(M/2), M]。
- 假设中间节点节点的关键字为：Key[1], Key[2], …, Key[k-1]，且关键字按照升序排序，即 Key[i]<Key[i+1]。此时k-1个关键字相当于划分了k个范围，也就是对应着k个指针，即为：P[1]，P[2]，...，P[k]，其中 P[1] 指向关键字小于 Key[1] 的子树，P[i] 指向关键字属于 (Key[i-1], Key[i]) 的子树，P[k] 指向关键字大于 Key[k-1] 的子树。
- 所有叶子节点位于同一层。
上面那张图所表示的 B 树就是一棵 3 阶的 B 树。我们可以看下磁盘块 2，里面的关键字为（8，12），它 有 3 个孩子 (3，5)，(9，10) 和 (13，15)，你能看到 (3，5) 小于 8，(9，10) 在 8 和 12 之间，而 (13，15) 大于 12，刚好符合刚才我们给出的特征。
然后我们来看下如何用 B 树进行查找。假设我们想要 查找的关键字是 9 ，那么步骤可以分为以下几步：
- 我们与根节点的关键字 (17，35）进行比较，9 小于 17 那么得到指针 P1；
- 按照指针 P1 找到磁盘块 2，关键字为（8，12），因为 9 在 8 和 12 之间，所以我们得到指针 P2；
- 按照指针 P2 找到磁盘块 6，关键字为（9，10），然后我们找到了关键字 9。
你能看出来在 B 树的搜索过程中，我们比较的次数并不少，但如果把数据读取出来然后在内存中进行比 较，这个时间就是可以忽略不计的。而读取磁盘块本身需要进行 I/O 操作，消耗的时间比在内存中进行 比较所需要的时间要多，是数据查找用时的重要因素。 B 树相比于平衡二叉树来说磁盘 I/O 操作要少 ， 在数据查询中比平衡二叉树效率要高。所以 只要树的高度足够低，IO次数足够少，就可以提高查询性能 。
小结：
1.B树在插入和删除节点的时候如果导致树不平衡，就通过自动调整节点的位置来保持树的自平衡。
2.关键字集合分布在整操树中，即叶子节点和非叶子节点都存放数据。搜索有可能在非叶子节点结束
3.其搜索性能等价于在关键字全集内做一次二分查找。
6.6 B+Tree （重点）
B+树也是一种多路搜索树， 基于B树做出了改进 ，主流的DBMS都支持B+树的索引方式，比如MySQL。相比于B-Tree， B+Tree适合文件索引系统 。
B+ 树和 B 树的差异：
- 有 k 个孩子的节点就有 k 个关键字。也就是孩子数量 = 关键字数，而 B 树中，孩子数量 = 关键字数 +1。
- 非叶子节点的关键字也会同时存在在子节点中，并且是在子节点中所有关键字的最大（或最 小）。
- 非叶子节点仅用于索引，不保存数据记录，跟记录有关的信息都放在叶子节点中。而 B 树中， 非叶子节点既保存索引，也保存数据记录 。
- 所有关键字都在叶子节点出现，叶子节点构成一个有序链表，而且叶子节点本身按照关键字的大 小从小到大顺序链接。
首先，B+树查询效率更稳定。因为B+树每次只有访问到叶子节点才能找到对应的数据，而在B树中，非叶子节点也会存储数据，这样就会造成查询效率不稳定的情况，有时候访问到了非叶子节点就可以找到关键字，而有时需要访问到叶子节点才能找到关键字。（有时候需要一次，有时候需要两次或者三次）
其次，B+树的查询效率更高。这是因为通常B+树比B树 更矮胖（阶数更大，深度更低），查询所需要的磁盘I/O也会更少。同样的磁盘页大小，B+树可以存储更多的节点关键字。（B树的非叶子结点还要存储数据，所以储存的节点关键字少于B+树）
不仅是对单个关键字的查询上，在查询范围上，B+树的效率也比B树高。这是因为所有关键字都出现在B+树的叶子节点中，叶子节点之间会有指针，数据又是递增的，这使得我们范围查找可以通过指针连接查找。而在B树中则需要通过中序遍历才能完成查询范围的查找，效率要低很多。
B 树和 B+ 树都可以作为索引的数据结构，在 MySQL 中采用的是 B+ 树。
但B树和B+树各有自己的应用场景，不能说B+树完全比B树好，反之亦然。
思考题：为了减少IO，索引树会一次性加载吗？
1、数据库索引是存储在磁盘上的，如果数据量很大，必然导致索引的大小也会很大，超过几个G。
2、当我们利用索引查询时候，是不可能将全部几个G的索引都加载进内存的，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。
思考题：B+树的存储能力如何？为何说一般查找行记录，最多只需1~3次磁盘IO
InnoDB存储引擎中页的大小为16KB，一般表的主键类型为INT（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，也就是说一个页（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，为方便计算，这里的K取值为10^3。也就是说一个深度为3的B+Tree索引可以维护10^3*10^3*10^3=10亿条记录。（这里假定一个数据页也存储10^3条行记录数据了）
实际情况中每个节点可能不能填充满，因此在数据库中，B+Tree的高度一般都在2~4层。MySQL的InnoDB存储引擎在设计时是将根节点常驻内存的（根页面万年不动，创建索引的时候就会加载到内存当中了），也就是说查找某一键值的行记录时最多只需要1~3次磁盘I/O操作。
思考题：为什么说B+树比B-树更适合实际应用中操作系统的文件索引和数据库索引？
1、B+树的磁盘读写代价更低
B+树的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对B树更小。如果把所有同一内部结点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多。相对来说IO读写次数也就降低了。
2、B+树的查询效率更加稳定
由于非终结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当。
思考题：Hash 索引与 B+ 树索引的区别
我们之前讲到过B+树索引的结构，Hash索引结构和B+树的不同，因此在索引使用上也会有差别。
- Hash索引 不能进行范围查询 ，而B+树可以。这是因为Hash索指向的数据是无序的，而B+树的叶子节点是个有序的链表。
- Hash索引 不支持联合索引的最左侧原则（即联合索引的部分索引无法使用），而B+树可以。对于联合索引来说，Hash索引在计算Hash值的时候是将索引键合并后再一起计算Hash值，所以不会针对每个索引单独计算Hash值。因此如果用到联合索引的一个或者几个索引时，联合索引无法被利用
- Hash索引 不支持ORDER BY排序 ，因为Hash索引指向的数据是无序的，因此无法起到排序优化的作用，而B+树索引数据是有序的，可以起到对该字段ORDERBY排序优化的作用。同理，我们也无法用Hash索引进行 模糊查询 ，而B+树使用LIKE进行模糊查询的时候，LIKE后面后模糊查询（比如%结尾）的话就可以起到优化作用。
- InnoDB不支持哈希索引
思考题：Hash 索引与 B+ 树索引是在建索引的时候手动指定的吗？
6.7 R树 （了解即可）
R-Tree在MySQL很少使用，仅支持 geometry数据类型 （数据类型精讲中提到过），支持该类型的存储引擎只有myisam、bdb、 innodb、ndb、archive几种。举个R树在现实领域中能够解决的例子：查找20英里以内所有的餐厅。如果 没有R树你会怎么解决？一般情况下我们会把餐厅的坐标(x,y)分为两个字段存放在数据库中，一个字段记 录经度，另一个字段记录纬度。这样的话我们就需要遍历所有的餐厅获取其位置信息，然后计算是否满 足要求。如果一个地区有100家餐厅的话，我们就要进行100次位置计算操作了，如果应用到谷歌、百度 地图这种超大数据库中，这种方法便必定不可行了。R树就很好的 解决了这种高维空间搜索问题 。它把B 树的思想很好的扩展到了多维空间，采用了B树分割空间的思想，并在添加、删除操作时采用合并、分解 结点的方法，保证树的平衡性。因此，R树就是一棵用来 存储高维数据的平衡树 。相对于B-Tree，R-Tree 的优势在于范围查找。
6.8 小结（了解）
使用索引可以帮助我们从海量的数据中快速定位想要查找的数据，不过索引也存在一些不足，比如占用存储空间、降低数据库写操作的性能等，如果有多个索引还会增加索引选择的时间。当我们使用索引时，需要平衡索引的利（提升查询效率）和弊（维护索引所需的代价）。
在实际工作中，我们还需要基于需求和数据本身的分布情况来确定是否使用索引， 尽管索引不是万能的，但数据量大的时候不使用索引是不可想象的 ，毕竞索引的本质，是帮助我们提升数据检索的效率。
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
