MySQL性能调优（1）索引的数据结构

一般的生产环境中，对数据库读的操作远远大于写的操作，而且插入操作和一般的更新操作很少出现性能问题，我们遇到最多的问题，还是一些复杂的查询操作，因此对查询语句的优化显然是重中之重。而对查询的优化，最容易想到的便是给字段加索引，这涉及到了如何加索引，加什么索引，怎么进行索引优化等一系列问题，解决这些问题之前我们需要先学习索引的底层数据结构，从底层去解决问题。

索引用一句话概括，就是排好序的数据结构。

索引的数据结构

（1）二叉搜索树

说到排好序的数据结构，最容易想到的就是二叉搜索树了，如下图：

利用二叉搜索树左小右大的特点，可以将平均每次搜索时间降为O(logn)。但是它有个缺点，如果插入的数据是从小到大排列时，那么它的形状会变为一个链表，它的搜索的时间复杂度又会变为O(n)，如下图：

（2）红黑树

红黑树是一种平衡二叉树，当数据从小到大依次插入时红黑树不会形成一个链表，而是进行了一系列平衡操作（变色、旋转），如下图：

虽然红黑树解决了二叉搜索树的问题，但是如果当数据特别多时，红黑树的高度h也会变得很高。而数据库的数据都是存于磁盘中的，每次对一个节点的查找，需要从磁盘加载到内存，进行一次I/O操作，这种操作是比较费时的。所以，当h增大时，意味着进行的I/O操作变多，也就会导致性能变低。

（3）B-TREE（B树）

为了减少I/O操作，很容易想到的就是让一个节点多从磁盘中读取一些数据并排好序，这样就形成了一颗B-TREE，如下图：

可以看到，每个节点存储了多个索引和数据，这样大大减少了树的高度，也就减少了I/O操作的次数。但是B树还是有些问题，比如由于每个节点的存储大小都是固定的，但是B树每个节点都是存有索引和数据的，如果数据很大（字段很多），那么每个节点所能装下的节点数量也就很少了，那么这又会导致树的高度增大。又比如进行范围查找，那么每查到一个数据又要从根节点重新查找下一条数据，比较费时。

（4）B+TREE（B+树）

通过对B树缺点进行优化，最终形成了B+树，B+树结构如下：

可以看到非叶子节点只存储了索引，而数据大部分存放在叶子节点上，这样非叶子节点可存储的索引数大大提升，树的高度进一步下降（B+树的高度一般小于3），性能也就提高了。此外，不同叶子节点间有双向指针连接，这样进行范围查询时可以通过指针直接查询，大大提高了查询速度。

（5）Hash表

其实MySQL索引除了B+树，还有一个较少使用的Hash表。原理是将数据进行Hash运算，将 Hash运算结果的Hash值和所对应的行指针信息存放于一个Hash表，再查找时则只需查找对应的Hash值即可，速度是非常快的。

但是由于Hash存储是无序存储的，所以范围查找时会导致重复扫描，效率也比较低，所以只适用于特定的场合，用处较少。