MySQL索引底层数据结构深入剖析

        索引是排好序的数据结构，帮助数据库高效获取数据。如果要按某列的条件查询某条数据，假设该列没有索引，就只能逐行比对，也就是全表扫描，效率将非常低下。因此，数据库系统加入索引，以提高查询效率。

        常用的索引数据结构有：二叉搜索树、红黑树、Hash表、B-Tree等。MySQL就是用的B-Tree的一个变种，叫B+Tree，它是在B-Tree的基础上的一种优化。那么MySQL为什么这样选择呢？其它几种数据结构为什么不合适呢？理解了原因，也就对MySQL底层数据结构有了跟好的理解，对于索引的优化大有帮助。 

对于学习数据结构的朋友，推荐一个学习网站，可以图像化动态展示数据结构的原理。https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

一、二叉搜索树

        二叉搜索树是二叉树的一种，他的特点是根节点/父节点的左子树上的节点都比根节点/父节点小，而右子树上的节点都比根节点/父节点要大。

        由于二叉搜索树的这种顺序，因此对于Col1列这种顺序增长的主键来说，生成二叉树是不平衡的。

         这种结构去查找跟没有建索引没有任何区别，也是从第一行开始逐条比对查找。因此二叉搜索树不适合作为关系数据库索引。

二、红黑树

        红黑树是一种二叉平衡树，二叉平衡树是二叉搜索树的一种拓展。跟二叉搜索树相比，它的特点是可以通过每次插入后的调整，使得左右两个子树的高度差的绝对值不超过1，达到让树保持一定程度的矮胖，优化搜索的效率。

        Jdk1.8以后对HashMap底层链表的数据结构进行了比较大的改进，就把它优化成了红黑树，效率提高了很多。

        对于Col1列这种顺序增长的主键来说，当插入数据不平衡时，它会自动调整，使左右两边尽量平衡。

         Sql语句在查找时就会从根节点开始比对，根据比较结果快速选择一侧继续，比逐行扫描提高了效率。

        但是红黑树确点还是比较大，它的高度是数据量的对数(logn)。如果数据量大的时候，这种结构的层级太多，深度太深。对于数据表动辄几十上百万的情况，用红黑树做索引显然不合适。

三、Hash表

        Hash表的原理是对索引字段上的数据进行Hash运算，得到一个散列值。将此散列值和对应数据行地址存储到一个映射表中。按索引查询数据时，将查询条件值进行Hash运算得到散列值，到这个映射表中可以快速定位到对应的数据行。

这种查找是很快的，只需要一次hash运算就可以快速定位数据地址。但是它有一个致命缺陷，虽然对于精确查询效率很高，但对范围查询无法处理，所以不是主流，只用在特殊场景。MySQL也支持Hash索引，只是用的很少。

四、B-Tree

        前面讲到红黑树的缺点是层级太多，深度太深，造成每次查询比对次数仍然较多，效果不理的想。那么为什么每个节点只能存一个数据呢？是否可以增加每个节点的数据量，这样不就可以减少层数了吗。这就是B树的思想。

        B-Tree是对红黑树进行改造，使一个节点可以存多个索引元素，防止层级过多。因为一个节点存放了多个元素，B-Tree就变成了多叉树，但对于节点上的某个元素来说，只有左右两个指针，其实还是二叉树，依然遵循左子树上的节点都比父节点小，而右子树上的节点都比父节点要大。B-Tree可以控制树的高度，只要根据总数据量把节点的横向数据量设置到一个合适的值即可。

         B-Tree节点包含键和值，是key-value的形式，每个节点最多有M-1个key，并且从左向右以升序排列，每个节点最多有M个子节点。叶节点具有相同的深度，叶节点的指针为空。

        B-Tree适合做数据库索引，key存的是索引值，value存的就是索引对应的数据，如果是索引组织表就是数据行本身，如果是堆表就是指向数据文件的指针。MySQL用的是B-Tree的变种B+Tree，对B-Tree做了一些改进。

五、B+Tree

        B+Tree是B-Tree的变种，非叶子节点不存储data，只存储索引（冗余），叶子节点包含所有索引字段。

与B-Tree的区别：

1. 叶子节点包含索引和数据，非叶子节点只存储索引不存储数据
2. 叶子节点用指针连接起来
3. 叶子节点包含全部索引值，非叶子节点的索引值只是叶子节点的冗余

为什么要做这些改进呢？有什么好处呢？下面重点说说！        

1、叶子节点包含索引和数据，非叶子节点只存储索引不存储数据

        节点数据是存放在硬盘上（根节点一般会提前加载到内存）。当找到某个节点元素，就会将该节点加入到内存，在内存中查找当然会很快。但是也不能把节点做的过大，极端情况甚至所有数据放到一个节点呀！内存很宝贵，不可能存储那么大量的数据。MySQL对于一个节点的大小是有设置的，默认是16KB。可以通过下面语句查看。

SHOW GLOBAL STATUS like 'Innodb_page_size';

        因此非叶子节点只存储索引不存储数据，可以让一个节点尽可能多的存储索引元素。

2、叶子节点用指针连接起来

        叶节点是从左到右依次递增的，右边的节点永远大于左边的节点。叶子节点用指针连接起来，可以跨节点快速找到下一个元素，从而可以很好地支持范围查询。而普通的B-Tree处理范围查询，当跨节点时必须返回先上级节点进行比较，效率很低。

3、叶子节点包含全部索引值，非叶子节点的索引值只是叶子节点的冗余

        叶子节点存储了一份完整的索引元素，把一些处于中间位置的索引元素提上去，放到非叶子节点作为冗余存放。这个就是基于第一点和第二点的优化的需要而顺理成章进行的设计。

         此外，大家应该都听说过，“索引建议使用整形自增主键”这个说法吧！为什么呢？

        当向B+Tree索引中插入不规则数据时，如果节点已满，为了维持左到右依次递增的顺序，索引不得不进行重新组织，将元素进行重新分配，带来性能的开销，这称为页分裂。以下图为例，节点最大容量为4，当新插入元素006时，进行了重新分配。

        聚簇索引因为节点下有数据文件，所以节点的分裂将会比较慢。因此对于B+Tree索引都建议使用整形自增主键，这样永远都是在后面增加元素，防止出现页分裂。