浅谈MYSQL的索引以及它的数据结构

什么是索引

mysql的数据是持久化到磁盘的，写SQL查询数据也就是在磁盘的某个位置查找符合条件的数据，但是磁盘IO比起内存效率是极慢的，特别是数据量大的时候，这时候就需要引入索引来提高查询效率；

在我看来索引是为了提高查询效率而诞生的一种手段，借助合适的数据结构将数据有规律的沉淀下来，使得查询的时候能尽量减少磁盘IO快速返回；也可以类比书本或字典的目录，能快速定位数据

索引的类型

mysql的索引可分为：主键索引(唯一且非空)、唯一索引(可为空)、全文索引、联合索引以及普通索引(普通列做索引)

索引的优点

• 减少磁盘IO次数，提升查询效率
• 将随机IO变成顺序IO

索引的数据结构

众所周知,mysql innerDb和myIsam引擎索引的数据结构都是B+树，使用B+树作为索引的数据结构主要是因为相同的磁盘IO次数下B+树的查询表现远高于其他数据结构，并且B+树的叶子节点是收尾相连的，这样更便于顺序查询；下面依次简单介绍下其他数据结构作为索引数据结构的优缺点

HASH表

首先介绍下hash算法，通过hash算法将索引列分散到hash表上去，由于hash是基于内存的，所以效率还是不错的，但是正是因为基于内存导致了其不适合大数据量的计算，浪费内存空间；并且hash算法查询时只有等值计算才会体现他的高效，对于范围查询其还是无能为力；需要注意的是，mysql的memory存储引擎索引的数据结构就是hash表

二叉树

二叉树插入数据时很容易造成树的倾斜，每次插入对应一次IO，效率低下

AVL树

平衡树在二叉树的基础上新增了左旋和右旋，但是需要确保最短子树和最长字树的高度差不大于1；当插入数据量过大时会进行很多次的旋转,导致插入速度极低；查询效率高

红黑树

红黑树相当于是AVL树的一个升级，它通过变色的操作降低了左右旋转的次数，中和了AVL树插入速度慢的缺点；红黑树的要求如下：

• 任意路径上不能有两个红色节点连续出现
• 最长子树不超过最短子树的两倍即可
• 更节点到各子节点的链路中黑色节点的数量一致
  
  虽说红黑树提高了插入效率，但是受限于一个节点最多只有两个子节点的影响，当数据量大时还是会出现树深度过深从而增加IO次数的问题

B树

B树的每个节点可以有N个节点，这就解决了上面说的树深度的问题，B树的每个节点(包括非叶子节点)不仅会存储页码而且还会存储对应的数据；下面我们分析下B树的查询能力：

mysql是通过磁盘预读来查询数据的，每次可以读取页的整数倍，一页等于4KB，inderDb默认读的是16KB,我们假设一行数据占用1KB的内存并且忽略节点上页面占用的空间，这样三次磁盘IO的话B树能读出161616=4096条数据，效率并不是很理想,并不能满足日常工作中的实际需求

B+树

B+树与B树的区别在于，B+树的非叶子节点不存储数据，数据均存储在叶子节点，且叶子节点收尾相连；我们同样来计算下B+树的查询能力：

由于非叶子节点不存储数据只存储页码，假设一个页码占用10个字节的内存，这样一个磁盘块可以容纳的数据为：(16 * 1000)/10=1600条，假设同样进行三次IO，那么能支持查询的数据量是：1600 * 1600 * 16=40960000,轻松达到千万级别；