快速查询的秘籍—B+树索引上

大家好，我是热心的大肚皮，皮哥。
前段时间和多位大佬讨论过，是聊聊实操还是聊聊八股文呢，一千个读者就会有一千个哈姆雷特，皮哥最后认真思考了下初衷，不知道大家有没有这样的痛点，在学习时或者实操时，找不到成体系的讲解文章，只能从头看书寻找，这样学习效率低下，所以皮哥决定，由浅入深，先学原理，在来实操，正所谓，先学武功，后来退敌。不多说，开整。

如何查询页中数据？

先来回顾下前行、页存储。如下图所示。

细节不过多赘述了，感兴趣的同学，可以看看前几篇文章。

• 在一个页中查询
  根据主键查询：则根据页目录通过二分法快速查询。
  根据其他列查询：从infimum记录开始遍历查询，然后进行记录对比是否符合要求。
• 多个页查询
  根据主键查找：从第一个页开始，遍历每个页采用二分法查找。
  根据其他列查询：从第一个页开始，继而从infimum记录开始遍历查询，然后进行记录对比是否符合要求。

在使用中肯定是多个页的场景居多，那么有没有快速的查询办法呢？当然有，就是索引。

索引如何提效的呢？

有同学还记得我们在讲页中记录存储的时候，其中属性record_type与min_rec_flag是什么含义吗？大家想不到也别回去查了，这个属性会在聊索引的时候讲，也就是现在。

• record_type
  0:普通的用户记录
  1:目录项记录（过会会讲）
  2:Infimum记录
  3:Supremum记录
• min_rec_flag
  1:目录项纪录
  2:普通用户记录

回到正题，如果提高查询效率呢？思路与页中的目录项一样，采用二分法查询，只不过是新增一个页，给所有的页做个目录，这个目录只包含两个信息。

• key
  页中用户记录中最小的主键值。
• 页号
  用page_no 表示。

如果数据记录极多呢？如下图。

那如果记录继续增多呢？如下图。

看到这里，大家有没有眼熟，倒过来看像不像颗树，上面是树根，下面是树叶，这是一种数据结构，就是B+树。真正的数据都是存在最底层，也就是叶子节点，其余存目录项纪录的叫做非叶子节点。
之前聊的页的Page Header中有个PAGE_LEVEL的属性，它代表这个叶作为节点在B+树中的层级。

叶分裂

多补充个知识点，我们工作中经常听到叶分裂，那么什么是叶分裂呢？
第一步，如下图，页1中有1、3、7三条记录，这时候添加了记录5，由于页1空间已满，存入页5中，但是不满足下一个页的最小主键记录要大于上一个页的最小记录。

第二步，将页5中的记录5与页1中的记录7进行位置互换。

这个过程就叫做叶分裂。
下篇会聊聊聚簇索引、二级索引、联合索引等。