谷歌一下：唯一索引和普通索引使用的结构都是B-tree,执行时间复杂度都是O(logn)。1、普通索引普通索引（由关键字KEY或INDEX定义的索引）的唯一任务是加快对数据的访问速度。

B-Tree索引主要作用于WHERE和ORDERBY子句。

utm_source=blog.jobbole.com&utm_medium=relatedPosts伯乐在线补充：本文提到的「B-树」，就是「B树」，都是B-tree的翻译，里面不是减号-，是连接符-

从概念性的思维来审视,无疑会认为R-B树是一种十分平衡的设计,既保持了查询的优点,又不牺牲太多的修改效率,除了因为颜色属性略占空间外(即使这一点也仅是在大数据量时才予考虑的,当然大数据量正是B树适用的场景),作为构造一个Key查询功能的结构的方法,R-B树简直无可挑剔.可惜,事实是,没有万能的数据结构,当我们的数据量过大而必须使用辅助存储时,最好是另想办法——总不能指望靠操作系统的内存管理机制来"

1、B-Tree索引Mysql的大部分存储引擎都支持这种索引类型，它是一个平衡树（任何一个叶子结点最短路径长度都相等）。我们经常使用的Innodb是经过改良的B-Tree，通常叫做B+Tree。

索引大大减少了存储引擎需要的扫描数据量2、帮助我们进行排序避免使用的临时表3、把随机IO变为顺序IO索引是不是越多越好：1、索引增加写入的成本2、太多索引会增加查询优化器的选择时间索引是在存储引擎层的作用：B-tree

在MySQL中，主要有四种类型的索引，分别为：B-Tree索引，Hash索引，Fulltext索引和R-Tree索引。我们主要分析B-Tree索引。

多路平衡查找树（下面简称B-Tree）是一棵自平衡树，可以认为是平衡二叉树的泛化版。一棵m阶B树(balancedtreeoforderm)是一棵平衡的m路搜索树。

B-tree与B+tree基于二叉树的多元二分查找B+tree与B+tree索引不同前者内存后者磁盘MYIsamInnodb均采用B+tree前者采用索引与数据分开后者索引---非聚簇索引与数据不分开存储

其特点是数据本身是用B-TREE来组织，数据本身即是

本文转载自：http://www.cnblogs.com/yangecnu/p/Introduce-B-Tree-and-B-Plus-Tree.html维基百科对B树的定义为“在计算机科学中，B树（B-tree

于是，就出现了平衡二叉树，根据平衡算法的不同有AVL树，B-Tree，B+Tree，红黑树等，

一、MySQL索引类型mysql里目前只支持4种索引分别是：full-text，b-tree，hash，r-treeb-tree索引应该是mysql里最广泛的索引的了，除了archive基本所有的存储引擎都支持它

B树B-tree树即B树，B即Balanced，平衡的意思。因为B树的原英文名称为B-tree，而国内很多人喜欢把B-tree译作B-树，其实，这是个非常不好的直译，很容易让人产生误解。

索引数据结构及数据组织方式1、数据存储单元磁盘：扇区512字节文件系统：块4KBInnoDB：页16KB2、InnoDB索引数据结构1）B-Tree在看B+Tree之前，我们先看看B-TreeB-Tree

为何会锁表首先我们了解一下数据库查询机制，首先我们用工具进行连接查询时，会创建一个connection，此时数据库会将查询语句解析成一棵“树”，各个引擎底层的结构不一样，mysql的话在innodb用的是b-tree

红黑树的性质红黑树本身就是一颗二叉搜索树，只不过给他添加了很多的限制红黑树的性质如下：根节点是黑色不存在两个红色节点相连的情况每个节点不是红色就是黑色所有的叶节点（NiL）都是黑色1.2变换规则2.B树（B-Tree

.索引类型1.1B-tree索引注:名叫btree索引,大的方面看,都用的平衡树,但具体的实现上,各引擎稍有不同,比如,严格的说,NDB引擎,使用的是T-tree，Myisam,innodb中,默认用B-tree

myisam使用的堆组织表(HeapOrganizeTable,HOT),没有聚集索引的概念,使用B-tree索引的存储格式，显示都是随机顺序。

关于事务，可以参照：mysql事务ACID关于行锁，可以参照：mysql行锁B-tree关于B-tree这里先

树、B+树、B*树1.前言：动态查找树主要有：二叉查找树（BinarySearchTree），平衡二叉查找树（BalancedBinarySearchTree），红黑树(Red-BlackTree)，B-tree

B-Tree对数据是顺序组织存

MyISAMMyISAM是mysql5.5.5之前的默认引擎，它支持B-tree/Fu

趋势递增：在MySQLInnoDB引擎中使用的是聚集索引，由于多数RDBMS使用B-tree的数据结构来存储索引数据，在主键的选择上面我们应该尽量使用有序的主键保证写入性能。

权限划分、容灾机制、索引管理、锁管理存储(文件系统)索引模块常见问题为什么要使用索引快速查询数据什么样的信息能成为索引主键、唯一键以及普通键等索引的数据结构生成索引，建立二叉查找树进行二分查找生成索引，建立B-Tree

1.mysql存储引擎myisam:不支持事务安全、不支持外键、表级锁机制、B-tree、快读innodb:事务安全、有commit/rollback机制、支持外键、行级锁、也支持表级锁、b+tree、

1、概念：B树和平衡二叉树稍有不同的是B树属于多叉树又名平衡多路查找树（查找路径不只两个），数据库索引技术里大量使用者B树和B+树的数据结构，让我们来看看他有什么特点;2、规则：（1）树种的每个节点最多拥有m个子节点且m>=2,空树除外（注：m阶代表一个树节点最多有多少个查找路径，m阶=m路,当m=2则是2叉树,m=3则是3叉）；（2）除根节点外每个节点的关键字数量大于等于ceil(m/2)-1个

平衡多路查找树（B-Tree）B-Tree是为磁盘等外存储设备设计的一种平衡查找树。因此在讲B-Tree之前先了解下磁盘的相关知识。

与大多数数据库一样，SQLite使用B-tree做索引，使用B+-tree处理表。因此，在对单表进行查询时，平均而言，SQLite与其他数据库一样快（至少不慢于）。

InnoDB索引的数据结构InnoDB索引采用了B-Tree的数据结构，数据存储在叶子节点上，每个叶子节点默认的大小是16KB。

袖珍型的SQLite可以支持高达2TB大小的数据库，每个数据库都是以单个文件的形式存在，这些数据都是以B-Tree的数据结构形式存储在磁盘上。

前言在上一篇博客中详细说明了MySQL的索引使用的是B+Tree这种数据结构，而不是B-Tree，然而平时我们接触到了很多高效的数据结构，例如数组、哈希表、二叉搜索树、红黑树等，那为什么MySQL不选择这些数据结构作为索引呢

就遇到上亿(MySQL)大表的优化图解MySQL索引--B-Tree（B+Tree）MySQL百万级数据量分页查询方法及其优化2020最新版MySQL数据库面试题（三）四、索引的实现原理MySQL支持诸多存储引擎

默认的页大小为16KB，每个页中至少存储有2条或以上的行记录，本文主要分析的是页与行记录的数据结构，有关索引和B-tree的部分在后续文章中介绍。

《高性能Mysql》原文聚簇索引如下图为聚簇所有的存储方式，聚簇实际不是一种索引，而是一种数据的存储方式，InnoDB的聚簇事假在同一个结构中保存了B-Tree索引和数据行。

mysql的引擎大致分为三类：•官方引擎，如MyISAM，Innodb；•社区引擎•第三方引擎索引的类型•B-TREE索引•哈希索引•R-TREE空间数据索引•全文索引•聚簇索引•覆盖索引•

（是一种数据结构，如二叉树、红黑树、Hash表和B-Tree等）。相关数据结构二叉树：比起按顺序挨个扫描有一定的优化。但是底层不用，因为会形成只有一个儿子的树。红黑树：比起二叉树形成单链有一定的优化。

mysql中索引的Btree中的B+tree，B-tree，B*tree的用法总结：Btree，是一种常见的数据结构。(多路搜索树)B-tree，叫做多路搜索的平衡二叉树。2.1可以有多个字结点。

网络上看了很多关于B-TREE的总结，b树,B-树,B+树,B*树(艾玛怎么还4个呢？都快蒙圈了呢)，有的真的很精彩令人佩服，但是都是篇幅太长啊，一大长段的文字就让人望而生畏啊。

MongoDB2.6及以下）：增加了wiredtiger引擎：开源的存储引擎；支持多核CPU、充分利用内存/芯片级别缓存(注：10月14日刚刚发布的3.0.7版本中，进一步改进了内存操作的性能)；基于B-TREE

MongoDB索引的数据结构是B-tree。MongoDB提供了非常多的索引类型来支持特定类型的数据和查询，例如单字段索引、复合索引、多键索引、文字索引、2d索引、散列索引和稀疏索引等。

我们将进行部分重构，以使B-Tree更加容易实施。我们将添加一个Cursor对象，该对象代表表中的位置。你可能要对游标执行的操作：

B-tree即B树，B即Balance，平衡的意思。B-树是一种多路搜索树(并不一定是二叉的)。

Hash索引结构的特殊性，其检索效率非常高，索引的检索可以一次定位，不像B-Tree索引需要从根节点到枝节点，最后才能访问到页节点这样多次的IO访问，所以Hash索引的查询效率要远高于B-Tr

1、从存储结构上来划分：BTree索引（B-Tree或B+Tree索引），Hash索引，full-index全文索引，R-Tree索引。这里所描述的是索引存

但是有一种特殊的二叉树，称为B-Tree，其中一个节点包含多个值（键）和两个以上的子代。

通过以下实验，来验证Bitmap位图索引较之普通的B-Tree索引锁的“高昂代价”。位图索引会带来“位图段级锁”，实际使用过程一定要充分了解不同索引带来的锁代价情况。

IndexOrganizedTable索引组织表是一种表的组织形式，和普通表（heaporganized）不同，它是按照B-tree索引对数据进行有组织的存储，所有的leafblock在IOT中，不仅存储了键的值

B树、B-树、B+树、B*树都是什么B树即二叉搜索树：1.所有非叶子结点至多拥有两个儿子（Left和Right）；2.所有结点存储一个关键字；3.非叶子结点的左指针指向小于其关键字的子树，右指针指向大于其关键字的子树；如：B树的搜索，从根结点开始，如果查询的关键字与结点的关键字相等，那么就命中；否则，如果查询关键字比结点关键字小，就进入左儿子；如果比结点关键字大，就进入右儿子；如果左儿子或右儿子的

数据库最基本的两件事情:插入和查询涉及2个问题，如何存储数据和查找数据。最简单的结构底层结构:一个纯文本文件，其中每行包含一个key-value对插入:每次插入即追加新的内容到文件末尾，相同的值不会覆盖。查询:查看文件中最后一次出现的值来找到最新的值。追加到文件尾部的方式通常足够高效，这种机制叫做日志(log)，这里的日志表示的是一个仅能追加的记录序列集合。问题:查找会很慢，需要遍历从头到尾，o(