数据结构Hash、平衡二叉树、B树、B+树区别

数据结构Hash算法
哈希表（Hash table，也叫散列表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

优点:查找可以直接根据key访问
缺点: 不能进行范围查找
index=Hash(key)

数据结构平衡二叉树算法
平衡二叉查找树，又称 AVL树。 它除了具备二叉查找树的基本特征之外，还具有一个非常重要的特点：它 的左子树和右子树都是平衡二叉树，且左子树和右子树的深度之差的绝对值（平衡因子 ） 不超过1。 也就是说AVL树每个节点的平衡因子只可能是-1、0和1（左子树高度减去右子树高度）。

优点:平衡二叉树算法基本与二叉树查询相同，效率比较高
缺点:插入操作需要旋转，支持范围查询

数据结构B树
维基百科对B树的定义为“在计算机科学中，B树（B-tree）是一种树状数据结构，它能够存储数据、对其进行排序并允许以O(log n)的时间复杂度运行进行查找、顺序读取、插入和删除的数据结构。B树，概括来说是一个节点可以拥有多于2个子节点的二叉查找树。与自平衡二叉查找树不同，B-树为系统最优化大块数据的读和写操作。B-tree算法减少定位记录时所经历的中间过程，从而加快存取速度。普遍运用在数据库和文件系统。”
因为B树节点元素比平衡二叉树要多，所以B树数据结构相比平衡二叉树数据结构实现减少磁盘IO的操作。

数据结构B+树
B+树相比B树，新增叶子节点与非叶子节点关系，叶子节点中包含了key和value，非叶子节点中只是包含了key，不包含value。叶子节点是通过飞叶子节点通过链表来链接的
所有相邻的叶子节点包含非叶子节点，使用链表进行结合，有一定顺序排序，从而范围查询效率非常高。

MyISAM和InnoDB的区别
InnoDB 支持事务，MyISAM 不支持事务。
InnoDB 支持外键，而 MyISAM 不支持。
InnoDB 最小的锁粒度是行锁，MyISAM 最小的锁粒度是表锁。
InnoDB 不保存表行数，count() 时需要全表扫描。而MyISAM 用一个变量保存了整个表的行数，执行count()时读取变量即可0

MyISAM和InnoDB对B-Tree索引不同的实现方式

MyISAM
MyISAM引擎使用B+Tree作为索引结构，叶节点的data域存放的是数据记录的地址。下图是MyISAM主键索引的
这里设表一共有三列，假设我们以Col1为主键，图myisam1是一个MyISAM表的主索引（Primary key）示意。可以看出
InnoDB
然InnoDB也使用B+Tree作为索引结构，但具体实现方式却与MyISAM截然不同.
MyISAM索引文件和数据文件是分离的，索引文件仅保存数据记录的地址。而在InnoDB中，表数据文件本身就是按B+Tree组织的一个索引结构，这棵树的叶节点data域保存了完整的数据记录。这个索引的key是数据表的主键，因此InnoDB表数据文件本身就是主索引。

为什么MySQL底层使用b+树？

B+树相比B树，新增叶子节点与非叶子节点关系，叶子节点中包含了key和value，非叶子节点中只是包含了key，不包含value。
所有相邻的叶子节点包含非叶子节点，使用链表进行结合，有一定顺序排序，从而范围查询效率非常高
注意：MyISAM和InnoDB对B-Tree索引不同的实现方式
MyISAM底层使用B+树 叶子节点的value对应存放行数的地址，在通过行数定位到数据。
InnoDB底层使用B+树，叶子节点的value对应存放是行的data数据，相比MyISAM效率要高一些，但是比较占硬盘内存大小。

环境linux索引文件如何查看
默认数据与索引文件位置: /var/lib/mysql

MyISAM引擎的文件：
.myd 即 my data，表数据文件
.myi 即my index，索引文件
.log 日志文件。

InnoDB引擎的文件：
采用表空间（tablespace）来管理数据，存储表数据和索引，
InnoDB数据库文件（即InnoDB文件集，ib-file set）：
ibdata1、ibdata2等：系统表空间文件，存储InnoDB系统信息和用户数据库表数据和索引，所有表共用。
.ibd文件：单表表空间文件，每个表使用一个表空间文件（file per table），存放用户数据库表数据和索引。
MySQL数据库配置慢查询
参数说明:
slow_query_log 慢查询开启状态
slow_query_log_file 慢查询日志存放的位置（这个目录需要MySQL的运行帐号的可写权限，一般设置为MySQL的数据存放目录）
long_query_time 查询超过多少秒才记录
1.查询慢查询配置
show variables like ‘slow_query%’;
2.查询慢查询限制时间
show variables like ‘long_query_time’;
3.将 slow_query_log 全局变量设置为“ON”状态
set global slow_query_log=‘ON’;
4.查询超过1秒就记录
set global long_query_time=1;
5.查询cat /var/lib/mysql/localhost-slow.log
service mysqld restart

索引为什么会失效？注意那些事项？
1.索引无法存储null值
2.如果条件中有or，即使其中有条件带索引也不会使用(这也是为什么尽量少用or的原因)
要想使用or，又想让索引生效，只能将or条件中的每个列都加上索引
3.对于多列索引，不是使用的第一部分，则不会使用索引
4.like查询以%开头
5.如果列类型是字符串，那一定要在条件中将数据使用引号引用起来,否则不使用索引
6.如果mysql估计使用全表扫描要比使用索引快,则不使用索引

我们都知道，利用了索引查询的语句中如果只包含了那个索引列（覆盖索引），那么这种情况会查询很快。
SELECT * FROM item_type WHERE id>(SELECT id FROM item_type LIMIT 1500000,1) LIMIT 20

联合索引为什么需要遵循左前缀原则？

什么是红黑树？
红黑树（Red Black Tree） 是一种自平衡二叉查找树，是在计算机科学中用到的一种数据结构，典型的用途是实现关联数组。
基本特征：
1.每个节点不是红色就是黑色
2.不可能有连在一起的红色节点
3.根节点都是黑色
4.每个红色节点的两个子节点都是黑色
红黑树变换规则：
1.改变节点颜色
2.左旋转
3.右旋转

二叉搜索树存在的缺点？
不平衡 和时间插入的顺序有关系，使用插入的第一个节点作为平衡点，如果插入第一个是为0的情况下，最后成为了一条线。

所以：查找时间复杂度其实就是为树的深度，也就是变为O(n)
建议使用平衡二叉树，红黑树是平衡二叉树一种实现方案

mysql为什么要使用B+树？
平衡二叉树 树的高度越高，对磁盘的操作也越频繁
B树 继承了平衡二叉树的优点之外，一个节点可以最多可以有2个子节点 相对于二叉树来说降低了树了高低 也就减少了对io的操作次数、那么查询效率也提高了
B+树 继承了B树的优点之外 新增了叶子节点（包含key value）和非叶子节点包含key() 通过非叶子节点来定位到叶子节点， 然后在通过value来查询我们的数据