深入理解mysql中的B-tree索引以及查询类型

学过mysql的估计知道，mysql中具有索引功能，通过索引我们能更快的得到数据。而mysql的索引使用的数据结构，没有特别说明，都是用的B-tree（更进一步说是B+-tree），当然也有hash索引，位图索引，R树索引等。但是绝大多数还是B+树索引

B树

B-tree即B树，不是B减树。。中间的横杆只是分隔符。B树是一种平衡树，如下：

B树的特点很明显，与二叉排序树，AVL树，红黑树类似。左边的节点比右边的节点小，所以如果你从左到右读，就会发现，是从小到大排序的。但与他们不同的是。B树不是二叉树，而是多叉树，至于有多少个叉，看需求。因此，B树中一个节点会存放多个子节点的指针。这样，每次B树在一个节点可以经过多次比较，从而确定下一个节点的位置。直到找到数据，或者找不到返回。可见其速率之快。

但是，B树由于是平衡树，跟AVL树，红黑树一样，每次插入，删除，修改数据后，都必须调整节点顺序，这使得B树的增删改操作变得十分浪费时间。这就是为什么很多人说，mysql的索引尽量建立在不常修改的列上

 

对比比红黑树的优点：由于每个节点有多个子节点，因此树的深度将会变低。而树的深度影响IO次数（后面会说），也就提高了速度

 

B+树

 

B+树是B树的改版，为了更适合磁盘索引来使用的，与B树的不同是，B+树中，只在叶子节点存放数据，非叶子节点不存储数据。如下图

比B树的优点：由于B+树一般是在磁盘上使用的，以页为单位，B+树一个节点就是一个页。因为非叶子节点不存放数据，所以非叶子节点便可利用这空间存放更多的索引（或者说指针），这就进一步导致B+树的深度比B树低。

比B树的缺点：需要走到叶子节点才能找到数据。如果数据在上层将比较浪费时间。

 

实际上，B+树在实际使用时，还会在叶子节点当成一个双向链表。这样，在需要时，可以直接遍历叶子节点（如InnoDB中的索引级别type中index，就是这样遍历，后面会说）

综合考虑后，大多数数据库还是使用了B+树做为索引。

 

外存中使用B+树的优点

这里先给出结论，一般内存中使用红黑树，外存（如磁盘）中使用B+树。

至于为什么呢，这里就要提到内存跟磁盘的找数据的不同

计算机使用的主存基本都是随机读写存储器（RAM），抽象出一个十分简单的存取模型来说明RAM的工作原理

 

内存RAM中找数据

我们将内存模型简化，那么就会如下图一样：

CPU在地址总线中传入第C列跟第1行的电信号C1（如果懂点操作系统，就会在知道这叫段地址跟偏移地址），然后取出数据f。

可以看到的是，无论访问矩阵上的哪个数据，基本都是一样的时间，因为只要内存把那行跟列的数据激活就行了。因此内存的在计算机上的名字是RAM（Random Access Memory），随机访问存储器，意味着：无论你找哪个地方的数据，对我来说找到的时间都一样。

这里可以看出，主存存取的时间仅与存取次数呈线性关系，因为不存在机械操作，两次存取的数据的“距离”不会对时间有任何影响

 

磁盘查找数据

索引一般以文件形式存储在磁盘上，索引检索需要磁盘I/O 与主存不同，磁盘I/O存在机械消耗，因此磁盘I/O时间消耗巨大

磁盘由大小相同且同轴的圆形盘片组成，磁盘可以转动（各磁盘必须同步转动） 在磁盘的一侧有磁头支架，磁头支架固定了一组磁头，每个磁头负责存取一个磁盘的内容。磁头不能转动，但是可以沿磁盘半径方向运动（实际是斜切向运动）

盘片被划分成一系列同心环，圆心是盘片中心，每个同心环叫做一个磁道，不同盘片上所有半径相同的磁道组成一个柱面。磁道被沿半径线划分成一个个小的段，每个段叫做一个扇区，每个扇区是磁盘的最小存储单元。为了简单起见，我们下面假设磁盘只有一个盘片和一个磁头。

当需要从磁盘读取数据时，系统会将数据逻辑地址传给磁盘，磁盘的控制电路按照寻址逻辑将逻辑地址翻译成物理地址，即确定要读的数据在哪个磁道，哪个扇区 为了读取这个扇区的数据，需要将磁头放到这个扇区上方，为了实现这一点，磁头需要移动对准相应磁道，这个过程叫做寻道，所耗费时间叫做寻道时间，然后磁盘旋转将目标扇区旋转到磁头下，这个过程耗费的时间叫做旋转时间。

 

 局部性原理与磁盘预读

由于存储介质特性，磁盘本身存取就比主存慢，再加上机械运动耗费，磁盘的存取速度往往是主存的几百万分之一，因此为了提高效率，要尽量减少磁盘I/O次数，如果要减少I/O，那么就只能每次增加数据长度。 为了达到这个目的，磁盘每次都会预读，即使只需要一个字节，磁盘也会从这个位置开始，顺序向后读取一定长度的数据放入内存。这样做的理论依据是计算机科学中著名的局部性原理， 由于磁盘顺序读取的效率很高（不需要寻道时间，只需很少的旋转时间），因此对于具有局部性的程序来说，预读可以提高I/O效率。

那么，这个长度多少合适呢？操作系统规定：

预读的长度一般为页（page）的整数倍 页是存储器的逻辑块，操作系统往往将主存和磁盘存储区分割为连续的大小相等的块，每个存储块称为一页（在许多操作系统中，页大小通常为4k，这也是B+树为什么一个节点设为一个页的原因，这部分由MMU管理，有兴趣的可以参考《深入理解计算机系统》中的虚拟内存章节）

 

为什么使用B+树，而不是红黑树

通过上面的讲解，我们知道了在一定范围内增长节点长度，有利于减少磁盘I/0，因此，B+树的优点就体现在此，因为B+树每个节点的数据长度都很长（一个页），而红黑树是二叉树，一个节点只存放一个数据，指针跟颜色的等，因此B+数比红黑树更能减少磁盘I/0，这就是为什么外存中要使用B+树的原因。

而在内存中，由于长度并不影响索引速度，因此红黑树更胜一筹，因为它不用找到叶子节点才返回数据，再加上B+树增删改比红黑树更麻烦，因为需要考虑分裂等问题，导致B+树没有红黑树那么适合用在内存存储。

 

 

MYSQL索引

上面的讲解，说了B+树是怎样的数据结构，以及B+树有什么优点。下面开始说mysql的索引，可能太多了一下子写不完，只能留着以后补坑（先讲原理，例子有时间再补坑）

 

聚集索引与非聚集索引

非聚集索引中

mysql的索引中，叶子节点存放的不数据，而是指向表数据的指针。如InnoDB中，叶子节点存放表的主键，然后通过主键去寻找表中的列找到数据后返回。

 

聚集索引

聚集索引跟费聚集索引最大的不同就是，聚集索引叶子节点存放着从表中拷贝来的列的数据，如果索引中字段存在，则不需要回表操作。

优点很明显：不需要回表操作，只需要在此索引中搜索便可以找到数据。减少了回表跟锁开销，速度很快。

缺点也很明显：每次修改时，都需要对每个B+树节点进行调整，因此进行写操作时会非常浪费时间，而且，索引由于保存了数据，也会浪费空间，总体来说，这是以空间换时间的策略

 

当你建立了一个多列索引的时候是这样的，这里的索引

key(last_name, first_name, birthday)

 

 

可以发现，里面的排序，字符串一般是按字典序顺序排列，，当字段值一样时，根据后字段一个大小进行排序（如最后一个）。

根据这个图，存储结构，就可以理解索引的数据是多么重要，为什么要索引要使用第一个字段后再第二个字段再第三了。这就是为什么mysql中有个最左原则

 

如上图中，假设现在有索引inde（C1，C2，C3）， 最大块的两块蓝色跟绿色代表两个不同的C1值，橙色跟黄色代表不同的C2值，灰色代表不同的C3值。

事先说明：由于InnoDB中会B+树叶节点会保留主键值，因此，可以直接通过索引获取id

 

ref级查询原理

此时，如果是一个ref级的查询，比如查找select id from table C1=蓝，C2=橙色，C3=3。C1上有C2索引，因此只需要一次就找到橙色，由于C2上有C3索引，因此一次就找到3，一个两次，mysql会找到唯一的 3号数据。ref级就是经典的B树查询，只需要log（n）-1次I/O就可以找到

 

range级查询的原理

但是如果你再查找时，使用的select id from table where C1=蓝，C3=3，那么由于没有传入C2的值。那么mysql只能在蓝色区域顺序遍历判断所有C3（图中1-9）。那么你一共使用了10次，那么明显慢了很多。（这里只是方便说明，并不代表真实用了10次）

 

另外，mysql5.6之后的版本加入了Using index condition，可以达到range级。如select C4 from table where C1 in(蓝，绿)

由于C1具有索引且是第一列，mysql会找到适合的数据，但由于C4不是索引中有的数据，会在引擎层先where过滤（5.6前都是服务层），然后再进行回表操作，找到C4

 

 

 

index级查询原理

加入你单纯的使用select C3 from table where C2=黄色，那么，此时的查询会是index级的。一般被称为覆盖索引，因为的索引中有包含此数据，但是你连第一个的索引字段都没有使用，导致B+树的查找数据方法几乎完全失效。

不过你还是幸运的，因为你查找的值C3在B+树叶子节点有保留一，因此不需要回表操作。还记得B+树比B树多的其中一个特性么？就是叶子节点使用了指针连起来构成双向链表，因此，你只要顺着这链表遍历完所有节点，就能完事了，这样的速度，还是比回表操作快不少的。你通过遍历所有节点，取出C2=黄色的节点，再将其C3的值返回就完事了。此时你也会发现explain中的的extra字段为using index

 

ALL级操作

最低级的操作，如select C4 from table where C2=黄色。由于条件只有C2，一般要使用覆盖索引，但因为没有包括C4字段，因此无法使用索引，只能回表，并进行全表扫描，因此退化为All级。没有建立索引时也为All级

 

 

由于本人知识跟查找资料有限限制，对mysql也只有非常浅的了解，若有出现什么错误，望大神在评论区告知，本人会进行修正，非常感谢！！

 

参考文章：

https://zhuanlan.zhihu.com/p/49947103（若原文失效，印象笔记链接：https://app.yinxiang.com/Home.action#n=c113f03c-5207-499c-8f08-1152c082c72a&s=s64&ses=4&sh=2&sds=5&）

 

https://www.cnblogs.com/aspwebchh/p/6652855.html（若原文失效，印象笔记链接：https://app.yinxiang.com/Home.action#n=267dd113-beb1-4dc0-a33d-d8c868664383&s=s64&ses=4&sh=2&sds=5&）

《高性能Mysql第三版》