MYSQL中的索引

       在mysql中索引（index）可以 同下标进行类比但又有所差别。

       索引的背后数据结构是B+树，在讲解B+树之前我们先来讲解B-树这样可以使我们更好的理解B+树。

       B-树是n叉搜索树，想必大家都了解过二叉搜索树但两者的存储规则有所不同，在B-树中一个节点可以储存多可key值，在B-数中将key分成了几个区间，例如在一个节点中有N个key那么就会有N+1个区域：如图所示：

       我们以第二层的节点为例，他所包含的空间为(x<15,15<=x<20,22<=x<25,x>=25),想必大家通过这个例子可以充分理解区域的划分。

       B-树和二叉树相比真的具有优势吗？其实并不尽然，这种查询方式 也需要进行多次比较进而确定查询空间，这种结构虽然使树的结构变低了但是每个节点比较的次数变多了，因此相比于二叉树在某些方面优势并不明显。

      注意：B-树和二叉数想必还是有很大优势的，虽然B-树中每个节点的比娇次数变多了但是硬盘IO变小了，B-树一次硬盘IO是将整个区间内的值都取出来，明显降低了硬盘IO的次数，因此B-树的主要目的不是改变比较次数，而是降低硬盘IO的次数。

       由于B-数在某些方面的不足因此出现了B+树，B+树是对B-树的一种改进。

      B+树的本质也是N叉搜索树，它与B-树十分相似却又独具特点，相比于B-树B+树当向下延伸时，会将双亲节点中的值作为最大值进行添加到叶子结点，同B-树不同的是如果B+树中有N个节点那么会形成N个节点：

        需要特别注意的是，所有的叶子结点构成了珍格格数据的全集。

  B+树的优点：
          1，高度较低，硬盘IO较少。

          2，叶子结点是全集并用链表进行连接，非常便于范围查询。

          3，由于B+树，叶子结点是全集，非叶子节点上不必存储“数据行”，只需要存储索引列的key即可，使得非叶子节点小号的空间比较小。

          4，B+树所有的查询都是要落到叶子结点上完成的，任何一次查询，经历的IO次数和比较次数是差不多的，查询的开销稳定。

      注意：稳定以一个非常难能可贵的优势，许多的数据结构中算法等都是不稳定的，在一个稳定的结构中，我们几乎可以准确的预估成本和时间。