InnoDB存储引擎B+树索引介绍

一、InnoDB索引概述：

InnoDB存储引擎支持B+树索引、哈希索引、全文索引和空间索引，后两种很少用到，本文主要介绍B+树索引。

B+树是从最早的平衡二叉树（AVL）演变而来，但是B+树不是一个二叉树。B+中的B不代表二叉(Binary),而是代表平衡(Balance)。其他常见的树结构还有BST，红黑树，B树，B*树。

MySQL中的B+树索引可以分为聚集索引（clustered index）和非聚集索引（non-clustered index）。

InnoDB聚集索引就是按照每张表的主键构造一颗B+树，并且叶子节点上存放着整行记录数据，而非聚集索引的叶子节点上仅保存键值以及指向数据页的偏移量。聚集索引的这个特性决定了索引组织表中数据也是索引的一部分。（ps：MyISAM索引的叶子节点上存放的是数据记录的地址。）

二、B+树索引结构

B+树是为磁盘及其他存储辅助设备而设计一种平衡查找树（不是二叉树）。B+树中，所有记录的节点按大小顺序存放在同一层的叶子节点中，各叶子节点用指针进行连接。MySQL将每个叶子节点的大小设置为一个页的整数倍，利用磁盘的预读机制，能有效减少磁盘I/O次数，提高查询效率。

页是计算机管理存储器的逻辑块，硬件及OS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，页的大小通常为4K。

下图，是一个经典的B+树组织结构图(简化的2层B+树，每个页面的扇出为4)：

此B+树，有5条用户记录，分别是1，2，3，4，5；

B+树上层页面中的记录，存储的是下层页面中的最小值(Low Key)；

B+树的所有数据，均存储在B+树的叶节点；

B+树叶子节点的所有页面，通过双向链表链接起来；

关于B+树的分裂与合并，这里不作详细介绍，有兴趣的可以自行了解。

实际上B+索引在数据库中有一个特点就是其高扇出性，因此在数据库中，B+树的高度一般不超过3层，也就是对于查找某一键值的行记录，最多只需要2到3次IO。现在一般的机械硬盘的IOPS在100～200之间，2～3次的IO意味着查询时间只需0.02～0.03秒，更有甚者，现在大多数企业都使用SSD固态硬盘，IOPS基本超过50000，查询效率进一步提升。

所有的叶子节点使用指针链接的好处是可以进行区间访问，这也是MySQL使用B+树作为索引存储结构的重要原因。

另一个重要的问题，为什么通常我们要给表设置一个自增的主键，因为所有记录的节点按大小顺序存放在同一层的叶子节点中，这样就就会形成一个紧凑的索引结构，近似顺序填满，每次插入新数据时减少B+树维护的成本。如果使用非自增主键，由于每次插入主键的值近乎于随机，分裂会造成了大量的碎片，后续不得不通过OPTIMIZE TABLE来重建并优化填充页面。另外区间读取时，MySQL预读一部分和你当前读数据所在内存相邻的数据块，也能有效减少磁盘I/O次数。

B+树索引并不能找到一个键值对应的具体行。b+树索引只能查到被查找数据行所在的页，然后数据库通过把页读入内存，再在内存中查找，最后得到结果。

三、什么是顺序读和随机读

顺序读是指顺序的读取磁盘上的块，随机读是指访问的块是不连续的，需要磁盘的磁头不断移动。随机读的性能是远远低于顺序读的。在数据库中，顺序读根据索引的叶节点就能顺序的读取所需的行数据，这个顺序读只是逻辑的顺序读，在磁盘上可能还是随机读。

随机读是指访问辅助索引叶节点不能完全得到结果，需要根据辅助索引页节点中的主键去寻找实际数据行。对于一些取表里很大部分数据的查询，正式因为读取是随机读，而随机读的性能会远低于顺序读。所以优化器才会选择全部扫描顺序读，而不使用索引。

InnoDB存储引擎有两个预读取方法，随机预读取和线性预读取。随机预读取是指当一个区（共64个连续页）中有13个页在缓冲区中并被频繁访问时，InnoDB存储引擎会将这个区中剩余的页预读到缓冲区。线性预读取基于缓冲池中页的访问方式，而不是数量。如果一个区中有24个页被顺序访问了，则InnoDB会读取下一个区的所有页到缓冲区。但是InnoDB预读取经过测试后性能比较差，经过TPCC测试发现禁用预读取比启用预读取提高了10%的性能。在新版本InnoDB中，MySQL禁用了随机预读取，仅保留了线性预读取，并且加入了innodb_read_ahead_threshold参数，当连续访问页超过该值时才启用预读取，默认值为56。

四、B+树索引的使用

MySQL索引的添加和删除操作，对于主键索引，MySQL先是创建一张加好索引的临时表，然后把数据导入临时表，再删除原表，把临时表重命名为原表。对于二级索引，新版本的MySQL不再创建临时表，而是首先对表加S锁，在创建的过程中不需要重建表，但是由于上了S锁，在创建索引的过程中只能进行查询操作，不能更新数据。

低选择性的字段没有必要添加B+树索引。例如性别，它们取值范围很小。相反，某个字段取值范围很广，如姓名，几乎没有重复，即高选择性，则使用B+索引是比较合适的。

五、联合索引

联合索引还是一个B+树，不同的是记录节点的键值数量不是1，而是大于等于2，并按顺序排列，所以联合索引才会有最左匹配原则。