mysql B+Tree

MySql

系列文章

• mysql 性能优化 | 第一篇 mysql B+Tree
• mysql 性能优化 | 第二篇 MySql Myisam和innodb对比 索引优化建议
• mysql 性能优化 | 第三篇 mysql存储引擎
• mysql 性能优化 | 第四篇 mysql数据库的隔离级别
• mysql 性能优化 | 第五篇 mysql 表锁 行锁
• mysql 性能优化 | 第六篇 mysql MVCC Undo Redo
• mysql 性能优化 | 第七篇 mysql 执行路径 执行计划 慢查询
• mysql 性能优化 | 第八篇 mysql 配置优化

索引是什么?

索引是为了加速对表数据行的查询(检索)而创建的一种分散存储的数据结构

• 索引能极大的减少存储引擎需要扫描的数据量
• 索引可以把随机IO变成顺序IO
• 索引可以帮助我们再进行分组、排序等操作时，避免使用临时表

树

平衡二叉树

AVL树就是平衡二叉树，包括红黑树也是平衡二叉树的一种

这里可以看之前写的两篇文章

• java实现二叉查找树

• java实现AVL树

mysql中索引使用的是B+Tree

不选择平衡二叉树的原因

• 太深了
  • 每个节点存储一个关键字，两条路导致树的深度会比较深

数据的深度决定这IO操作次数，IO操作耗时长

• 太小
  • 每个节点存储一个关键字，存储的信息比较少

每一个磁盘块（节点/页）保存的数据量小

没有很好的利用操作磁盘IO的数据交换特性，也没有利用好磁盘的IO预读功能（空间局部性原理），从而带来频繁的IO操作

绝对平衡树B-Tree

• 每个节点如果存储两个关键字，每个节点可以保存更多的数据
• 三条路保证树深度的减少，路数越多，树的深度越小

如何来维持树的平衡

• 和AVL树或者红黑树不一样，不是通过旋转来完成

• 如果新增或者删除导致树的平衡发生变化，会通过节点的合并或者拆分，让树再次达到平衡

可以通过这个网站进行模拟
B-Tree模拟网站
Max. Degree = 3 表示3路

多路平衡查找树

mysql一次IO默认16k数据

比如定义一个int型的字段(4Byte)

一个单位的大小=一个int(4Byte) +子引用的大小(假设4Byte)

mysql一次IO的大小 = 16*1024Byte

mysql一次IO的大小(byte)	一个单位大小(byte)	存储关键字的数量
16*1024	8	2048~

这只是一个大概的估算，只能做参考，辅助理解

一个节点可以保存2048个关键字，2049路

多路平衡树的优势

• 单个节点存储的数据量大
• 树的深度低

mysql B+Tree

• 节点关键字搜索采用左闭合
  • 对索引中的关键字进行计算（对比），一定是从左往右依次进行，且不可跳过
• 所有的数据都保存在叶子节点
• 支节点只保存关键字和子节点引用，不再保存数据区
• 叶子节点是顺序排列的，并且相邻节点具有顺序引用的关系

B+Tree优点

• B+树是B-树的变种多路绝对平衡树，拥有B-树的优势
• B+树扫库、表能力更强，因为左闭合扫描到叶子节点之后可以一直在叶子节点中搜索，因为叶子节点的相邻节点具有顺序引用的关系
• B+树的磁盘读写能力更强，支节点不保存数据区，保存的关键字更多
• B+树的排序能力更强
• B+树的查询效率更加稳定（大数据量，大部分情况下）

系列链接

下一篇:MySql Myisam和innodb对比 索引优化建议