MySQL数据库——索引（1）-概述以及B-Tree结构

目录

索引概述

介绍

优缺点

索引结构（1）

介绍

二叉树

B-Tree

---

索引这一个章节将分为以下几个部分来学习：

• 索引概述
• 索引结构
• 索引分类
• 索引语法
• SQL性能分析
• 索引使用
• 索引设计原则

索引概述

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。

在没有索引的情况下，对表数据进行查询时（例如查询年龄等于45），

需要对整个表进行扫描，一条一条地匹配是否符合查询的条件 ；

如果运用了二叉搜索树的结构去索引，查询时就不需要进行全表扫描，很快就能找到表中年龄等于45的信息。

优缺点

优势	劣势
提高数据检索的效率，降低数据库的IO成本	索引列也需要占用空间
通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗	索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行INSERT、UPDATE、DELETE时，效率降低。

若频繁修改表中索引字段数据，索引的维护工作也会随之而频繁，甚至数据的不一致性问题出现

索引结构（1）

介绍

前面我们在学习存储引擎的时候了解到，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（有一些数据结构基础的更好理解）：

索引结构	描述
B+Tree索引	最常见的索引类型，大部分引擎都支持 B+ 树索引
Hash 索引	底层数据结构是用哈希表实现的 , 只有精确匹配索引列的查询才有效 , 不 支持范围查询
R-tree( 空间索 引）	空间索引是 MyISAM 引擎的一个特殊索引类型，主要用于地理空间数据类 型，通常使用较少
Full-text( 全文 索引 )	是一种通过建立倒排索引 , 快速匹配文档的方式。类似于 Lucene,Solr,ES

B+树是使用得最多的，我们重点研究B+树，

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：

索引	InnoDB	MyISAM	Memory
B+tree 索引	支持	支持	支持
Hash 索引	不支持	不支持	支持
R-tree 索引	不支持	支持	不支持
Full-text	5.6 版本之后支持	支持	不支持

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。

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：

如果主键是顺序插入的，则会形成一个单向链表，结构如下：

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。

此时可能会想到，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：

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：

• 大数据量情况下，层级较深，检索速度慢。

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。

在学习B+Tree之前，先来介绍一个B-Tree。

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阶)的b-tree为例，那这个B树每个节点最多存储4个key，5个指针。

注：树的度数指的是一个节点的子节点个数。

我们可以通过一个数据结构可视化的网站来简单演示一下。

https://www.cs.usfca.edu/~galles/visualization/BTree.html

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。

特点：

• 5阶的B树，每一个节点最多存储4个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。
• 在B树中，非叶子节点和叶子节点都会存放数据。

---

END

---

学习自：黑马程序员——MySQL数据库课程