mysql索引底层数据结构与算法

---恢复内容开始---

索引是什么

　　索引是帮助MySql高效获取数据的排好序的数据结构

　　索引存储在文件里

索引结构

　　推荐数据结构学习的网站：https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

　　（二叉树、红黑树、BTREE、B+TREE、HASH）

　　二叉树

　　　　二叉树是n(n>=0)个结点的有限集合，该集合或者为空集（称为空二叉树），或者由一个根结点和两棵互不相交的、分别称为根结点的左子树和右子树组成。

　　　　二叉树存储方式：

　　　　　　以节点为基础，每新插入一个数据，则与父节点比较，若小于节点值则以节点为基础向左侧存储，反之向右，例如：

　　　　　　

 

　　　　　二叉树缺点：如果数据为有序递增，那么存入的数据结构为右侧连续，则该根节点只有右孩子，没有左子树，（称为斜树）从而失去二叉树本身的特性：

　　　　　　

 

 

　　红黑树

　　　　红黑树针对二叉树的斜树做了一定优化，在二叉树的基础上，如果出现“斜树”的情况，则会自动均衡，均衡规则依旧按照二叉树特性（中间数值为节点，左侧子节点小，右侧子节点大）：

　　　　

 

　　　　红黑树的自动均衡，会使索引的存储结构更加优化，从而保证数据查询的效率

　　　　注意：如果数据库表中存储的数据量过大，会导致红黑树的高度过高（不断往下扩展子节点），恰好要查询的目标数据在树结构的最低端，同样会比较消耗查询性能，

　　　　可以发现：如果尽量降低树的高度，则会更大的提升查询效率，BTREE则针对此特点进行了优化

 

　　BTREE（B树）

　　　　从红黑树得知：每一个节点只会保存一个索引，而BTREE将每个节点的内存进行扩容，从而使每个节点可以保存更多的索引，从而降低树的高度，提升查询效率：

 

　　　　可以发现：相比红黑树，BTree的两层结构保存了更多的节点

　　　　BTree特点:

　　　　　　叶节点具有相同的深度

　　　　　　叶节点的指针为空

　　　　　　叶节点的数据key从左到右递增排列　　　　

　　　　如上图（右）可看到：BTree的每个节点会同时保存索引（key）和此索引对应的值（data）

　　　　so：如果可以减少每个索引的数据量，则减少每个索引的占用空间，从而在节点内存大小固定的情况下，每个节点可以保存更多的索引，会更进一步的降低树的高度（优化查询效率）

 

　　B+TREE（B+树）

　　　　B+Tree 相当于是BTree的变种，在BTree的基础上做了如下优化：

　　　　　　非叶子节点不存储data，只存储key，非叶子节点之间保存了指针，指向下一级，最终指向保存data的最底层叶子节点

　　　　　　叶子节点不存储指针

　　　　　　顺序访问指针，提高区间访问的性能（叶子节点的key从左到右依次递增，通过访问指针，如果遇到范围查询时可直接通过叶子节点的指针找到下一个索引，而不需要重新从根节点进行搜索）

　　　　Hash

　　　　　　hash与树结构毫无关系，数据库如果使用hash的数据结构，则会将索引通过hash算法生成一个hash值保存在表中，并与此索引对应的文件指针直接对应，查询效率会很高

　　　　　　但是大部分数据库的索引结构都用B+Tree，原因是hash结构只是在等号查询的时候效率很高，如果是其他查询（比如范围查询，则没有B+Tree如此高的效率）

 

 

---恢复内容结束---