011、索引的认识

MySQL索引的转变过程

MySQL的索引可以理解为书的目录。

二叉树索引

索引最开始是二叉树的结构，利用二分查找法，折半查找法查找数据。

二分查找法，折半查找法（binary search）：一种在有序数组中查找某一特定元素的搜索算法；

例如：一组数字为1 - 50，现在想查找数字10。取中间值10在25的左边区间中，在1 - 25中，再次取中间值12。数字10在12的左边区间中，最后在1 - 12中查找。（小于中间值的放在左侧，大于中间值的放在右侧）。

• 二分查找法的优点：比较次数少，查找速度快，平均性能好；
• 二分查找法的缺点：要求待查表为有序表，且插入删除困难。

所以，折半查找方法适用于不经常变动而查找频繁的有序列表；

在二分查找法的基础上，产生了二叉树(binary tree)索引。

中间节点(主节点)下有2个子节点，向下，二叉树的每个节点至多只有二棵子树，二叉树的子树有左右有序之分，次序不能颠倒（结合二分查找法的示例）。

平衡二叉树索引

一般的二叉查找树的查询复杂度是跟目标节点到树根的距离有关。

因此当节点的深度普遍较大时，查询的均摊复杂度会上升，为了更高效的查询，出现了平衡树，升级产生了改进的二叉查找树：平衡二叉树索引（balance tree）。

平衡二叉树的特点：

1. 它是一颗空树或其左右两个子树的高度差的绝对值不超过1，且左右两个子树也是平衡二叉树。
2. 不平衡树会通过自旋，变成平衡树。原理是通过取中间值，来展开分支，在分支下挂一个小值和一个大值。
3. 平衡树和二叉查找树最大的区别：前者是平衡的，后者未必。

B树索引

在平衡二叉树的基础上，产生了B树索引，B树，balanced tree，又称 B-树。

B树，一个节点可以拥有多于2个子节点的多叉查找树，适合大量数据的读写操作，普遍运用在数据库和文件系统。

一颗m阶的B树满足条件：

1，树中每个节点至多有m个子节点。

2，除根节点和叶子节点外，其它每个节点至少有m/2个子节点。

3，若根节点不是叶子节点，则至少有2个子节点；

4，所有叶子节点都出现在同一层，叶子节点不包含任何键值信息；

5，有k个子节点的非叶子节点恰好包含有k-1个键值。

叶子节点：在整个B-树结构的最后一层。

非叶子节点：除了根节点和叶子节点，其余的节点。又叫索引节点。

下图是4阶的B-tree结构图：

B + 树索引

B+树，B+tree，是MySQL数据库使用的一种索引。

B+树是B树的变体，也是多路搜索树，其定义基本与B树相同，除了以下几点：

1. 有n棵子树的节点中含有n-1关键字key，每个关键字不保存数据，只用来索引，所有数据都保存在叶子节点。
2. 所有的叶子节点中包含了全部关键字的信息，及指向含这些关键字记录的指针，且叶子节点本身依关键字的大小自小而大顺序链接。
3. 所有的非叶子节点可以看成是索引部分，节点中仅含其子树中的最大或者最小关键字。
4. 在mysql中，为了方便，直接写成Btree

注意：在MySQL里，B+树索引，在文档或者SQL语法中，是以BTREE方式出现的。

B+树结构中，叶子节点包含了所有的键值信息，而且叶子节点间的子节点，都有指向下一个叶子节点的指针。

B+树结构中，子节点间的指针是双向的，又称双向链。B+树索引的检索速度比B-树的检索速度快很多。

hash索引

建立在哈希表的基础上，它只对使用了索引中的每一列的精确查找(等值查询)有用。

在hash表的基础上计算出来一个固定值，针对innodb，myisam存储引擎来说，本身并不支持hash功能，自适应hash index是数据库创建的。

1.对于每一行，存储引擎计算出了被索引的哈希码code(所以只支持精确查找)，它是一个较小的值，并且有可能和其他行的哈希码不同。

2.把哈希码保存在索引中，并且保存了一个指向哈希表中的每一行的指针。

3.散列索引。

B+树索引  VS  哈希索引

1.大量不同数据等值精确查询，hash索引效率通常比B+tree高；

2.hash索引不支持模糊查找；

3.hash索引不支持联合索引中的最左匹配规则；

4.hash索引不支持排序；

5.hash索引不支持范围查询；

mysql：

只有MEMORY引擎支持hash index类型，hash index只能用于等值查询。

来自为知笔记(Wiz)