MySQL 技术内幕——数据库架构

如何设计一个数据库？

要设计一个关系型数据库，首先要划分为两部分，存储模块和程序实例模块，程序实例实现了对存储模块的管理。

其中索引管理和锁管理是重点。

1、为什么要使用索引？

最基本的数据查询方式便是全表扫描，全表扫描是非常慢的，需要避免。索引便是一种更高效的查询机制。

2、什么样的信息能成为索引？

主键、唯一键以及普通键。

3、索引的数据结构？

索引的数据结构分为树结构和 Hash 结构。

索引最简单的树结构便是二叉查找树，还有平衡二叉树、红黑树、B 树、B+ 树。MySQL 存储引擎 InnoDB 的 B 树索引便是通过 B+ 树来实现的。

下面详细看下这些数据结构，以体验其优势和劣势：

(1) 二叉查找树

特点：每个节点最多有两个子树，称为左子树和右子树；对于每个节点的值 x，其左子树值均小于 x，右子树的值均大于 x。

查找方式：二分查找。时间复杂度 O(logn)。

缺点：有可能变成线性的二叉树，查询时间复杂度会变为 O(n)，大大降低了查询效率。

(2) 平衡二叉树

特点：在二叉查找树的基础上，任意一个节点左子树和右子树的高度均不超过 1。

查找方式：二分查找，时间复杂度 O(logn)。

缺点：平衡二叉树是利用树的旋转特性，来保证树是平衡二叉树，时间复杂度会维持在 O(logn)，但是如果树的深度特别深，就会增加大量的 IO 操作，其检索性能会比全表扫描还要差很多。

那么为了即降低时间复杂度，又降低 IO 的次数，需要让树变的矮一些，每个节点能存储的数据多一些，即引出了 B 树。

(3) B 树

B 树又称为平衡多路查找树，如果每个节点最有 m 个孩子，那么这样的树便是 m 阶 B 树，下面是一个三阶 B 树：

特点：

• 根节点至少包括两个孩子；
• 树中每个节点最多含有 m 个孩子(m>=2)；
• 除根节点和叶子节点外，其他节点至少有 ceil(m/2) 个孩子，ceil 函数表示取上限，例如 ceil(3/2) = 2；
• 所有叶子节点都位于同一层，即叶子节点的高度都是一样的。

查找的时间复杂度 O(logn)。

(4) B+ 树

B+ 树是比 B 树更优秀的数据结构。下面是一个三阶 B+ 树：

B+ 树是 B 树的变体，其定义基本与 B 树相同，除了：

• 非叶子节点的子树指针与关键字个数相同；
• 非叶子节点的子树指针P[i]，指向关键字值 [K[i], K[i+1]) 的子树；
• 非叶子节点仅用来做索引，数据都保存在叶子节点中；
• 所有叶子节点均有一个链指针指向下一个叶子节点，并按大小顺序链接，作用：方便直接在叶子节点做范围统计。

B+ 树所有的检索都是从根部开始，检索到叶子节点才能结束，非叶子节点仅用来做索引，不存储数据，这样非叶子节点就能存储更多的关键字了，使得 B+ 树比 B 树更矮，IO 性能会更好。

查找的时间复杂度 O(logn)。

经过上面的分析，发现 B+ 树更适合用来存储索引，原因如下：

• B+ 树的磁盘 IO 代价更低；
• B+ 树查询效率更加稳定；
• B+ 树更有利于对数据库的扫描；

除了 B 树索引，有些存储引擎还支持 Hash 索引，例如 InnoDB。

Hash 索引

Hash 索引使用了 Hash 表来存储索引，检索只需要计算一次 Hash 值便可以定位 “桶” 的位置，然后把 “桶” 里面的数据全部加载进内存，由于 “桶” 里面的数据是一个链表，顺着链表便可以定位到索引的位置。

Hash 索引的查询效率理论上要比 B 树索引高。既然 Hash 索引性能好，那么为什么还要使用 B 树索引呢？

这是因为 Hash 索引是有缺点的：

• 仅仅能满足 “=” “IN”，不能使用范围查询；
• 无法被用来避免数据的排序操作；
• 不能利用部分索引键查询；
• 不能避免表扫描，Hash 索引是将索引键通过 Hash 运算之后，将 Hash 值和所对应行指针信息存放在链表节点中的，由于不同索引键存在相同 Hash 值，所以即使取出数据，也无法直接完成查询，还需要访问链表节点中的实际数据进行相应的比较；
• 遇到大量 Hash 值相等的情况后，性能并不一定就会比 B 树索引高。

除了 B 树索引，Hash 索引，还有一些数据库支持 BitMap 索引，即位图索引，目前已知的是 Oracle 数据库支持，当表中的数据只有几种值时，例如性别字段，BitMap 索引就是最佳的选择了。BitMap 索引不适合高并发的联机事务处理系统，而适合于并发较少，且统计运算较多的系统。

4、密集索引和稀疏索引的区别？

	定义
密集索引	密集索引文件中的每个搜索码值都对应一个索引值。即叶子节点不仅仅保存键位信息、该行数据的地址，还保存了位于同一行记录里的其他列的信息，由于密集索引决定了表的物理排列顺序，一个表只能有一个物理排列顺序，所以一个表只能创建一个密集索引。
稀疏索引	稀疏索引文件只为搜索码的某些值建立索引项。即叶子节点仅保存了键位信息、该行数据的地址。

InnoDB 主键索引、唯一索引、普通索引均属于稀疏索引。

InnoDB 有且仅有一个密集索引，这个密集索引的选取规则：

• 若一个主键被定义，该主键则作为密集索引；
• 若没有主键被定义，该表的第一个唯一非空索引则作为密集索引；
• 若不满足以上条件，InnoDB 内部会生成一个隐藏主键（密集索引）；
• 在 InnoDB 中，非主键索引即是稀疏索引，存储了相关键位信息和该行数据的地址，包含两次查找，而密集索引只需要一次查找。