Mysql数据库引擎 InnoDB 和 MyISAM 对索引的支持原理

Mysql索引的底层

mysql 索引的底层数据结构主要有两种，一种是通过Hash的方式，另外一种是通过Btree的方式。

Hash

hash表是快速检索数据的有效办法。通过哈希算法，也叫散列算法，把索引列数据变换为固定长度的key地址，然后通过这个地址，找到需要检索的数据。
例如 select * from user where id = 1
通过 hash算法算出 id=1 的映射物理地址，用这个地址找到 id=1 对应的数据。
但是有一种特殊情况，哈希碰撞。比如 id=1 和 id=7 的hash算法算出的物理地址相同，此时为hash碰撞。最常用的解决方式是链地址法，即用链表的方式，将碰撞的数据连接起来，每次检索数据，遍历链表，找到key的位置。
hash索引如果只查找一条数据，速度是非常块的，但是范围索引通过hash查找显然不是一个好的办法。

二叉查找树

如图是一个二叉查找树，所有数据都是有序的，左边的节点，一定小于右边的几点。
如果要查询 11 这个节点的数据，只需要查三次，第一次和 根节点9 比较，11>9 查右边的节点，在和 22 比较，11<22 查左边的节点，找到左边节点 11。
如果是范围查找，也能很好的支持比如 查找大于9的数据，只需要查找一次，和根节点 9 比较，大于9的数据在节点右边，然后遍历所有的节点。
但是二叉查找树有一个缺点，如果 添加的数据依次是 1，2，3，4，5

如果所示，树结构变成了链表结构，查询数据需要遍历链表。严重影响了查询效率。

平衡二叉搜索树

平衡二叉搜索树又叫 avl树，从之前介绍我们知道，二叉查找树在极端情况会成为一个链表，avl树解决了这个问题。
avl树有一个重要的特性，就是左右两边的子节点高度绝对值不超过1。为了满足这个条件，avl实现了自旋转。

如图，同样是添加数据依次是 1，2，3，4，5，二叉查找树是链表的样子，avl树，通过旋转还保持树的结构。
想了解avl树自旋转请移步 https://blog.csdn.net/qq_25343557/article/details/89110319
不难看出，avl树的查询小略是比较高的，但是为了让树左右两边的子节点高度绝对值不超过1，更新操作可能会涉及很多的旋转操作，这都是会影响性能的。

红黑树

红黑树相当于avl树的一个变种树，avl树严格保证树的平衡性，即左右子树高度绝对值不大于1。而红黑树只是追求左右子树的大致平衡。放弃绝对平衡的好处就是旋转的次数是可控的，而avl树每次更新，旋转次数是个未知数。所以红黑树的统计性能相对与avl树会高一些。
红黑树和avl树也是有不错的查找效率的，但是用做索引是有弊端的。
首先avl树的频繁自旋，这本身就是一个非常影响性能的。其次数据库的数据可能会有百万千万条数据，如果索引用的是红黑树或者avl树，那树的深度会非常大，查询时，一级一级的向下遍历，对查找而言是非常耗费性能的，数据库不可能忍受这种无意义的等待，而且每个节点代表一个数据，这样向下遍历，是非常庞大的io操作，这可能会有性能瓶颈。

想了解红黑树请移步https://www.jianshu.com/p/e136ec79235c

B-tree

B-tree 又叫 B-树，又叫B树。

如图是一个B树，B树是从红黑树演变来的。不同的是B树的每个节点横向都可以存放多个数值，数值从左到右越来越大，并且同一个数值只会在一个节点中。同样是一千万数据，B树的深度肯定是要小于红黑树的。节点中数值的个数是可以设置的。默认最大是16KB的数据。如果数据太多太大是没有意义的，既浪费内存，又浪费加载时间。
以根节点为例，【0033，0073】 其实节点存储的除了数值还有一个指针，指向了在磁盘文件中的位置。 0033 的前面有个指针 指向了小于33的数据在磁盘中的位置，后面存放的是大于等于33，小于73的指针。
查找数据时，根节点默认是在内存中进行的，比如要找55，第一次在根节点找55，55>=33并且55<73,所以找到了33和73中间的磁盘指针，将这些数据加载到内存，55个53进行比较，找到了53后面存放的指针，在将磁盘文件加载到内存，找到55。每次操作都是在内存中进行。
使用B树进行查找关键字，可能直接在根节点就找了想要获取的数据，也可能一直到叶子节点才找到。查询效率不稳定。
MongoDB的底层用的B树。

B+tree

B+树是B树的变种树，也是数据库索引所用到的树。B树的关键字分布在不同的节点中，并且只会出现一次。而B+树的根节点存放的都是索引数据，所有的数据都在叶子节点中存放。

如图是一个B+树，根节点（最后一排上面的都是根节点）存放的都是索引字段。
比如查检索关键字22，从根节点找到22，22=22，如果是B树，此时可以直接返回了。但是B+树根节点存放的都是索引需要一直找到叶子节点，所以需要继续向下找。22>=22,找到右边的子树，【43，54】22小于43，所以在向下找，找到左边的子树，此时到了叶子节点，找到了关键字22。
叶子节点中，关键字的下面其实还存放着数据的所在磁盘文件指针，或者数据（根据mysql索引引擎的不同，存放的不同）。
图中，每个叶子节点中都有一个箭头，它的做用其实是用来范围查找的。直接向左或向右查找叶子节点就可以了，不用像其他树，返回当根节点从新比较，遍历。

Innodb 引擎

打开本地mysql所在文件，会有一个data目录，其中存放的是所有的数据库目录，点开就是我们所创建的表。
找到一个Innodb 引擎 的表，我们发现有这样的两个文件，frm存放的是表结构，idb存放的是数据和索引。
以 select * from user where id =10 为例，因为idb存放的是数据和索引，所以直接在idb文件找数据就可以了。
此文件存放的索引是以B+树形式存放的，找到索引，除了索引还存放了数据（Myisam 引擎存放的不是数据，是指针）。
注意：只有主键索引处才会存放数据，非主键的索引存放的是主键索引。索引用非主键索引查需要先找到主键，在用主键找数据。

Myisam 引擎的实现

Myisam引擎的数据表，是这样三个文件存放的，frm存放的是表结构，MYD存放的是数据，MYI存放的是索引。
同样以 select * from user where id =10 为例，首先去MYI文件中找到索引，此文件就是B+树结构，找到索引拿到磁盘文件指针，就可以在MYD文件中找到需要的数据了