InnoDB索引模型

索引: 数据库管理系统（DBMS）中一个排序的数据结构，以协助快速查询、更新数据库表中数据。
MySQL中有三大索引:B+树索引,Hash索引,全文索引
InnoDB不支持Hash索引

索引的原理就是二分查找:
最基本的想到的数据结构就是二叉树

• 二叉查找树: 如果插入的数字恰好是有序递增的,那么就是一颗斜树,就和数组一样了
• 平衡二叉树: 左右子树深度差绝对值不能超过 1
  
  平衡二叉树中,一个节点的大小是一个固定的单位
  索引中存储的位置:

1. 索引的键值,比如我们在 id 上面创建了一个索引，我在用 where id =1 的条件查询的时候就会找到索引里面的 id 的这个键值
2. 数据的磁盘地址,索引的作用就是去查找数据的存放的地址
3. 左右子节点的指针
   
   缺点:
   InnoDB 操作磁盘的最小的单位是一页（或者叫一个磁盘块），大小是 16K（16384字节）,那么一个树的节点就是16K的大小。如果一个节点只存一个键值+数据+引用，占用的可能只是几十字节，但是访问树的一个节点就要发生一次IO，就是发生一次IO的访问造成了大量的浪费

• 多路平衡查找树：

特点：分叉数（路数）永远比关键字数多 1。比如下面的这棵树，每个节点存储两个关键字，那么就会有三个指针指向三个子节点

如何保持的平衡?
比如 Max Degree（路数）是 3 的时候，我们插入数据 1、2、3，在插入 3 的时候，本来应该在第一个磁盘块，但是如果一个节点有三个关键字的时候，意味着有 4 个指针， 子节点会变成 4 路，所以这个时候必须进行分裂（其实就是 B+Tree）。把中间的数据 2提上去，把 1 和 3 变成 2 的子节点
如果删除节点，会有相反的合并的操作

在更新索引的时候会有大量索引的结构的调整,所以:
不要在频繁更新的列上建索引,不要更新主键
节点的分裂和合并，其实就是 InnoDB 页（page）的分裂和合并。

• B+树:
  
  MySQL 中的 B+Tree 有两个特点：

1. 它的关键字的数量是跟路数相等的
2. B+Tree根节点和枝节点中都不会存储数据,只有叶子结点才存储数据
   搜索到的关键字不会直接返回,会到最后一层的叶子节点拿数据
3. B+Tree的每个叶子结点增加了一个指向相邻叶子节点的指针,它的最后一个数据会指向下一个叶子节点的第一个数据,形成了一个有序链表的结构
   InnoDB中的B+Tree这种特点带来的优势:
4. 扫库,扫表的能力更强,如果我们要对表进行全表扫描,只需要遍历叶子节点就可以了,不需要遍历整颗B+树拿到数据
5. B+Tree的磁盘读写能力相对于B tree来说更强:根节点和枝节点不保存数据区,所以一个节点可以保存更多的关键字,一次磁盘加载的关键字更多
6. 排序能力更强:因为叶子节点上有下一个数据区的指针,数据形成了链表
7. 效率更加稳定: B+Tree永远是在叶子节点拿到数据,所以IO次数是稳定的