mysql索引的数据结构为什么用B+树，知其所以然

Posted 2022-01-08 MrYushiwen

前提：
以下的一些数据结构大家需提前知道，否则看起来会比较有困难，大家也可以按照本文所提到的知识点去主动查阅学习。

1.Hash表？No

因考虑到在数据检索的过程中经常会有范围的查询（如下），而hash表不能提供这种功能。

SELECT * FROM hero WHERE age>5 AND age<20;

使用哈希算法实现的索引虽然可以做到快速检索数据，但是没办法做数据高效范围查找，因此哈希索引是不适合作为 mysql 的底层索引的数据结构。

2.二叉查找树(BST)？No

二叉查找树（Binary Search Tree）虽然可以达到范围搜索，但是在树的插入过程中，如果插入的数据本来就是有顺序的，那么就会形成一条链（如下），它的最坏情况是O(n)。

3.红黑树？No

红黑树虽然看似达到了平衡状态，但是也会有极端情况存在，和上述BST树一样，虽然不会成为链状，但是红黑树会存在右倾的现象。

图片来自网络

在数据库中的基本主键自增操作，主键一般都是数百万数千万的，如果红黑树存在这种问题，对于查找性能而言也是巨大的消耗，我们数据库不可能忍受这种无意义的等待的。

4.平衡二叉树(AVL)？差那么二点意思

平衡二叉树，英文翻译为Balanced Binary Tree，为啥叫AVL呢？
AVL 是大学教授 G.M. Adelson-Velsky 和 E.M. Landis 名称的缩写，他们提出的平衡二叉树的概念，为了纪念他们，将平衡二叉树称为 AVL树。

AVL树本质上是一颗二叉查找树，但是它又具有以下特点：

• 它是一棵空树或它的左右两个子树的高度差的绝对值不超过1，
• 左右两个子树也都是一棵平衡二叉树。

它不存在红黑树这种右倾的现象，也具备数据高效范围查找的能力，但是数据库查询数据的瓶颈在于磁盘的IO，树节点在磁盘空间中存储可能是不连续的，假设我们一次IO读取一个树的节点，此次读入内存的这页中没有其他树的节点，那么每读取一个树的节点，就要进行一次IO，这是多么消耗时间啊，所以我们设计数据库索引时需要首先考虑怎么尽可能减少磁盘 IO 的次数。

磁盘读取依靠的是机械运动，分为寻道时间、旋转延迟、传输时间三个部分，这三个部分耗时相加就是一次磁盘IO的时间；这个花费的时间成本是内存访问的十几万倍左右。

正是由于磁盘IO是非常昂贵的操作，所以计算机操作系统对此做了优化：预读；每一次IO时，不仅仅把当前磁盘地址的数据加载到内存，同时也把相邻数据也加载到内存缓冲区中。因为局部预读原理说明：当访问一个地址数据的时候，与其相邻的数据很快也会被访问到。每次磁盘IO读取的数据我们称之为一页（page）。一页的大小与操作系统有关，一般为4k或者8k。这也就意味着读取一页内数据的时候，实际上发生了一次磁盘IO。

相关术语解释：

• 扇区(sector)：
  • 磁盘上的每个磁道被等分成多个弧段，这个弧段便称作扇区（sector）。
  • 扇区是磁盘物理层面的名称，它是实际发生读写的最底层。
• 磁盘块(IO Block)：
  • 操作系统不与扇区直接进行交互，因为一般情况下一个扇区是512byte，如果1T去用512byte进行划分，那划分的地址空间太多了，为了让操作系统能够寻址到更大的地址空间，操作系统将相邻的扇区组合在一起，形成一个块，对块进行管理。每个磁盘块可以包括 2、4、8、16、32 或 64 个扇区，这便是磁盘块（IO Block）。
  • 磁盘块是操作系统中出现的名称，文件系统读写数据的最小单位，它同时也被叫做磁盘簇。
• 页(page)：
  • 页是内存中出现的名称，它是内存的最小存储单位，页的大小通常为磁盘块大小的 2^n 倍。

4.B-tree(B-树也称B树)？差那么一点意思

B树是一种平衡的多叉树，B树相比于平衡二叉树(AVL)，它能够在单个节点中存储大量键，也降低了树的高度，从而减少了IO的次数。

图片来自网络

B树的节点中存储的是数据，单个节点存储的内容还是太少了，如何让一个节点存储的内容更多呢？B+树它来了。

5.B+树

在节点中存储某段数据的首地址，并且B+树的叶子节点用了一个链表串联起来，便于范围查找。

B+树高度降低，减少了磁盘 IO。其次，B+树的叶子节点是真正数据存储的地方，叶子节点用了链表连接起来，这个链表本身就是有序的，在数据范围查找时，更具备效率。因此 Mysql 的索引用的就是 B+树，B+树在查找效率、范围查找中都有着非常不错的性能。