Mysql索引的结构——B++ Tree

前言

索引是Mysql中常用到的一个功能，可以大大加快查询速度，同时面试中也是经常碰到。本文是学习Mysql索引的归纳总结。

索引采用的数据结构——B+树

本部分主要是参考自小林Coding

B+树的由来

二分查找可以每次缩减一半，从而提高查找效率。

但是二分查找，若使用线性结构，每次插入，都是需要移动其余剩下的全部元素，消耗巨大。

因此有了二分查找树。

但是二叉树若每次插入的都比其父节点大，则会演变为链表，从而使查询复杂度从 O(logn)降低为 O(n)。

因此有了自平衡二叉树，诸如AVL树或红黑树，其都是这样的自平衡二叉树。

但由于其本质还是一棵二叉树，所以会随着数据量增大，导致层数增加， IO操作增多（每一层IO多一次）。

因此有了B树。其每个节点允许有M个子节点，M是B树的阶，假设M为3，那就是阶为3的B树，其每个节点最多有2（M-1）个数据和3（M）个子节点。若超过，则分裂节点。

但是 B 树的每个节点都包含数据（索引+记录），每次IO都会需要查询到节点上记录的内容。若数据量大于索引的大小，那么在读取底层节点索引的时候，就会导致较多的IO操作。从而使性能受到巨大影响。

因此有了B+ 树，B+树和B树的结构其实相似，只是仅将数据存储在底层叶子节点。其余的子节点仅存储索引。从而解决了数据大、影响IO的问题。
其次，其底层叶子节点之间，既存了索引也存了记录。叶子节点之间通过链表连接起来。从而对于范围查询，可以大大提升效率。

B+树的结构

关于B++树的结构看图就好了。

B+树的叶子节点是单链表还是双向链表

网上很多探讨针对于“其叶子节点是单向链表还是双向链表”，包括小林也是做出了一次纠正。
在此文发现了一些结论与有趣的探讨。

顺着此，找到了一个结论——B+ 树中各个页之间是通过双向链表连接的，叶子节点中的数据是通过单向链表连接的。

为什么选用了B+ 树

这里直接复制小林的结论了。

B+ 树 vs B 树

B+Tree 只在叶子节点存储数据，而 B 树 的非叶子节点也要存储数据，所以 B+Tree 的单个节点的数据量更小，在相同的磁盘 I/O 次数下，就能查询更多的节点。

另外，B+Tree 叶子节点采用的是双链表连接，适合 MySQL 中常见的基于范围的顺序查找，而 B 树无法做到这一点。

B+ 树 vs 二叉树

对于有 N 个叶子节点的 B+Tree，其搜索复杂度为O(logdN)，其中 d 表示节点允许的最大子节点个数为 d 个。

在实际的应用当中， d 值是大于100的，这样就保证了，即使数据达到千万级别时，B+Tree 的高度依然维持在 3~4 层左右，也就是说一次数据查询操作只需要做 3~4 次的磁盘 I/O 操作就能查询到目标数据。

而二叉树的每个父节点的儿子节点个数只能是 2 个，意味着其搜索复杂度为 O(logN)，这已经比 B+Tree 高出不少，因此二叉树检索到目标数据所经历的磁盘 I/O 次数要更多。

B+ 树 vs Hash

Hash 在做等值查询的时候效率贼快，搜索复杂度为 O(1)。

但是 Hash 表不适合做范围查询，它更适合做等值的查询，这也是 B+Tree 索引要比 Hash 表索引有着更广泛的适用场景的原因。