2021-07-21

**

MySQL索引底层的数据结构与算法

**

什么是索引

大家平时老说索引，现在解释一下什么是索引？能回答的上来么？大学老师给的理解方式是，就是将索引理解为书本的目录，通过目录查找内容更快，的确这样却比喻没有什么不对，但是还是没有说清楚什么是索引。
官方给出的解释是，索引就是排好序的数据结构。
这里有2个关键点，排好序，数据结构。
先说数据结构，
mysql的存储引擎采用那种数据结构？
首先mysql的存储引擎有哪些？大家都知道innodb,和MyIsam,
这2个存储引擎有什么区别呢？
innodb的存储引擎，假如使用b+tree的数据结构，那么在叶子节点存储的就是这条数据（假如有主键索引），如果没有主键索引，mysql会默认给每行数据尾部添加rowid列，当做索引列，那们最后也会找到对应的数据，但是会耗费mysql的性能。
myisam引擎，在叶子节点，存储的数据是当前数据对应磁盘的地址，然后再根据这个地址去i/o数据，所以从这点上，还是选择innodb作为存储引擎更为合适。
再说说数据结构，为啥不用二叉树，红黑树，hash，来作为索引的数据结构。
二叉树，假如使用二叉树作为索引结构，每顺序插入数据进入数据库，由于二叉树的特性，需要与现存的数据结构做对比，然后再放到最右侧树，这样存储过程，对比次数越来越多，然后层级也越来越高，查找数据很慢。
红黑树，类似于二叉树，只不过红黑树的层级稍微好点，在插入数据的时候，会去平衡左右子树，但是一个节点就1个数据，数据量大情况下，存储和查询都是很慢。
hash，使用hash来存储数据，其实hash本身很快，但是使用hash作为索引的存储结构后，会存在问题，hash采用的md5算法，经过hash算出来的索引，只能使用等值，或者in这样的查询语句，对于范围的查询，就无济于事了。另外hash肯定会出现碰撞，存储碰撞的数据，还是需要逐一比对。所以从功能上将hash刨除出去了。
那为啥采用B+TREE，作为索引的存储结构。首先，数据库采用b+tree,那么树的层级最多就3,4层，b+tree的一个节点，俗称一页数据，为16k的数据，一个值的索引值大约占据14byte,161024/14约等于1170，就是说一个节点可以存储1170个索引值，那3层数据就是，11701170*1170=16亿条数据的索引，所以采用b+TREE，数据结构来存储索引数据，效率高，并且够用了。那为啥快。
再说排好序。
使用B+tree的结构，每一层索引值是有顺序，这个就好比在查询时候，从根节点使用一次2分查找，就知道下一层的节点位置，以此类推，很快就能确定数据的位置。然后，每个叶子节点之间也有前后的顺序，进行范围查询时，只要根据起始和终点的索引，就能很快定位出来范围。返回回去。