MySQL-索引详解(上)

♥️作者:小刘在C站

♥️个人主页:小刘主页

♥️每天分享云计算网络运维课堂笔记,努力不一定有回报,但一定会有收获加油!一起努力,共赴美好人生!

♥️树高千尺,落叶归根人生不易,人间真情

目录

索引

1 索引概述

1.1 介绍

2 演示

1). 无索引情况

2). 有索引情况

1.3 特点

2 索引结构

2.1 概述

2.2 二叉树

2.3 B-Tree

 特点:

2.4 B+Tree

2.5 Hash

1). 结构

 2). 特点

3). 存储引擎支持


索引

1 索引概述

1.1 介绍

索引( index )是帮助 MySQL 高效获取数据的数据结构 ( 有序 ) 。在数据之外,数据库系统还维护着满足
特定查找算法的数据结构,这些数据结构以某种方式引用(指向)数据, 这样就可以在这些数据结构
上实现高级查找算法,这种数据结构就是索引。
MySQL-索引详解(上)_第1张图片

 

一提到数据结构,大家都会有所担心,担心自己不能理解,跟不上节奏。不过在这里大家完全不用担 心,我们后面在讲解时,会详细介绍。

2 演示

表结构及其数据如下:
MySQL-索引详解(上)_第2张图片

 假如我们要执行的SQL语句为 : select * from user where age = 45;

1). 无索引情况

MySQL-索引详解(上)_第3张图片

 

在无索引情况下,就需要从第一行开始扫描,一直扫描到最后一行,我们称之为 全表扫描,性能很低。

2). 有索引情况

如果我们针对于这张表建立了索引,假设索引结构就是二叉树,那么也就意味着,会对 age 这个字段建
立一个二叉树的索引结构。
MySQL-索引详解(上)_第4张图片

 此时我们在进行查询时,只需要扫描三次就可以找到数据了,极大的提高的查询的效率。

备注: 这里我们只是假设索引的结构是二叉树,介绍一下索引的大概原理,只是一个示意图,并不是索引的真实结构,索引的真实结构,后面会详细介绍。

1.3 特点

MySQL-索引详解(上)_第5张图片

2 索引结构

2.1 概述

MySQL 的索引是在存储引擎层实现的,不同的存储引擎有不同的索引结构,主要包含以下几种:
MySQL-索引详解(上)_第6张图片

 

上述是 MySQL 中所支持的所有的索引结构,接下来,我们再来看看不同的存储引擎对于索引结构的支持情况。
MySQL-索引详解(上)_第7张图片

 注意: 我们平常所说的索引,如果没有特别指明,都是指B+树结构组织的索引

2.2 二叉树

假如说 MySQL 的索引结构采用二叉树的数据结构,比较理想的结构如下:

MySQL-索引详解(上)_第8张图片

如果主键是顺序插入的,则会形成一个单向链表,结构如下:  

MySQL-索引详解(上)_第9张图片

所以,如果选择二叉树作为索引结构,会存在以下缺点:
     顺序插入时,会形成一个链表,查询性能大大降低。
     大数据量情况下,层级较深,检索速度慢
此时大家可能会想到,我们可以选择红黑树,红黑树是一颗自平衡二叉树,那这样即使是顺序插入数
据,最终形成的数据结构也是一颗平衡的二叉树 , 结构如下 :

MySQL-索引详解(上)_第10张图片

但是,即使如此,由于红黑树也是一颗二叉树,所以也会存在一个缺点:
 

     但是,即使如此,由于红黑树也是一颗二叉树,所以也会存在一个缺点:

所以,在 MySQL 的索引结构中,并没有选择二叉树或者红黑树,而选择的是 B+Tree ,那么什么是
B+Tree 呢?在详解 B+Tree 之前,先来介绍一个 B-Tree 。 

2.3 B-Tree

B-Tree B 树是一种多叉路衡查找树,相对于二叉树, B 树每个节点可以有多个分支,即多叉。
以一颗最大度数( max-degree )为 5(5 ) b-tree 为例,那这个 B 树每个节点最多存储 4 key 5
个指针:

MySQL-索引详解(上)_第11张图片

知识: 树的度数指的是一个节点的子节点个数。

 

插入一组数据: 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88
120 268 250 。然后观察一些数据插入过程中,节点的变化情况。
MySQL-索引详解(上)_第12张图片

 特点:

5 阶的 B 树,每一个节点最多存储 4 key ,对应 5 个指针。
一旦节点存储的 key 数量到达 5 ,就会裂变,中间元素向上分裂。
B 树中,非叶子节点和叶子节点都会存放数据。

2.4 B+Tree

B+Tree B-Tree 的变种,我们以一颗最大度数( max-degree )为 4
4 阶)的 b+tree 为例,来看一下其结构示意图:
MySQL-索引详解(上)_第13张图片

 我们可以看到,两部分:

                       绿色框框起来的部分,是索引部分,仅仅起到索引数据的作用,不存储数据。

                       红色框框起来的部分,是数据存储部分,在其叶子节点中要存储具体的数据。

 

插入一组数据: 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88
120 268 250 。然后观察一些数据插入过程中,节点的变化情况。
MySQL-索引详解(上)_第14张图片

 

最终我们看到, B+Tree B-Tree 相比,主要有以下三点区别:
    所有的数据都会出现在叶子节点。
    叶子节点形成一个单向链表。
    非叶子节点仅仅起到索引数据作用,具体的数据都是在叶子节点存放的
上述我们所看到的结构是标准的 B+Tree 的数据结构,接下来,我们再来看看 MySQL 中优化之后的
B+Tree
MySQL 索引数据结构对经典的 B+Tree 进行了优化。在原 B+Tree 的基础上,增加一个指向相邻叶子节点的链表指针,就形成了带有顺序指针的 B+Tree ,提高区间访问的性能,利于排序。
MySQL-索引详解(上)_第15张图片

2.5 Hash

MySQL 中除了支持 B+Tree 索引,还支持一种索引类型 ---Hash 索引。

1). 结构

哈希索引就是采用一定的 hash 算法,将键值换算成新的 hash 值,映射到对应的槽位上,然后存储在hash 表中。
MySQL-索引详解(上)_第16张图片

 

如果两个 ( 或多个 ) 键值,映射到一个相同的槽位上,他们就产生了 hash 冲突(也称为 hash 碰撞),可以通过链表来解决
MySQL-索引详解(上)_第17张图片

 2). 特点

A. Hash 索引只能用于对等比较 (= in) ,不支持范围查询( between > < ...
B. 无法利用索引完成排序操作
C. 查询效率高,通常 ( 不存在 hash 冲突的情况 ) 只需要一次检索就可以了,效率通常要高于 B+tree

3). 存储引擎支持

MySQL 中,支持 hash 索引的是 Memory 存储引擎。 而 InnoDB 中具有自适应 hash 功能, hash 索引是InnoDB 存储引擎根据 B+Tree 索引在指定条件下自动构建的。

♥️关注,就是我创作的动力

♥️点赞,就是对我最大的认可

♥️这里是小刘,励志用心做好每一篇文章,谢谢大家

你可能感兴趣的:(MySQL入门到实战,数据库,mysql,sql)