数据库索引，终于懂了
不少朋友留言问MySQL索引底层的实现，让我讲讲B+树。知其然，知其所以然，讲懂B+树其实不难，今天更多聊聊“数据库索引，为什么设计成这样”。图书馆存了1000W本图书，要从中找到《架构师之路》，一本本查，要查到什么时候去？与之类比，数据库存储了1000W条数据，要从中找到name=”shenjian”的记录，一条条查，要查到什么时候去？问题2. 哈希(hash)比树(tree)更快，索引结构为什么要设计成树型？（1）哈希，例如HashMap，查询/插入/修改/删除的平均时间复杂度都是O(1)；（2）树，例如平衡二叉搜索树，查询/插入/修改/删除的平均时间复杂度都是O(lg(n))；可以看到，不管是读请求，还是写请求，哈希类型的索引，都要比树型的索引更快一些，那为什么，索引结构要设计成树型呢？select * from t where name=”shenjian”;画外音：所以，如果业务需求都是单行访问，例如passport，确实可以使用哈希索引。哈希型的索引，时间复杂度会退化为O(n)，而树型的“有序”特性，依然能够保持O(log(n)) 的高效率。画外音：自适应hash索引，是InnoDB内核机制。二叉搜索树，如上图，是为大家所熟知的一种数据结构，就不展开介绍了，它为什么不适合用作数据库索引？（1）当数据量大的时候，树的高度会比较高，数据量大的时候，查询会比较慢；（2）每个节点只存储一个记录，可能导致一次查询有很多次磁盘IO；画外音：这个树经常出现在大学课本里，所以为大家所熟知。画外音，实在不想介绍这个特性：非根节点包含的关键字个数j满足，(┌m/2┐)-1 <= j <= m-1，节点分裂时要满足这个条件。B树被作为实现索引的数据结构被创造出来，是因为它能够完美的利用“局部性原理”。（2）磁盘预读：磁盘读写并不是按需读取，而是按页预读，一次会读一页的数据，每次加载更多的数据，如果未来要读取的数据就在这一页中，可以避免未来的磁盘IO，提高效率；画外音：通常，操作系统一页数据是4K，MySQL的一页是16K。（3）局部性原理：软件设计要尽量遵循“数据读取集中”与“使用到一个数据，大概率会使用其附近的数据”，这样磁盘预读能充分提高磁盘IO；（2）每个节点可以存储j个记录，如果将节点大小设置为页大小，例如4K，能够充分的利用预读的特性，极大减少磁盘IO；B+树，如上图，仍是m叉搜索树，在B树的基础上，做了一些改进：（1）非叶子节点不再存储数据，数据只存储在同一层的叶子节点上；画外音：B+树中根到每一个节点的路径长度一样，而B树不是这样。（2）叶子之间，增加了链表，获取所有节点，不再需要中序遍历；（1）范围查找，定位min与max之后，中间叶子节点，就是结果集，不用中序回溯；画外音：范围查询在SQL中用得很多，这是B+树比B树大的优势。（2）叶子节点存储实际记录行，记录行相对比较紧密的存储，适合大数据量磁盘存储；非叶子节点存储记录的PK，用于查询加速，适合内存存储；（3）非叶子节点，不存储实际记录，而只存储记录的KEY的话，那么在相同内存的情况下，B+树能够存储更多索引；后，量化说下，为什么m叉的B+树比二叉搜索树的高度大大大大降低？（1）局部性原理，将一个节点的大小设为一页，一页4K，假设一个KEY有8字节，一个节点可以存储500个KEY，即j=500；（2）m叉树，大概m/2<= j <=m，即可以差不多是1000叉树；二层树：1000个节点，1000*500=50W个KEY，大小1000*4K=4M三层树：1000*1000个节点，1000*1000*500=5亿个KEY，大小1000*1000*4K=4G可以看到，存储大量的数据（5亿），并不需要太高树的深度（高度3），索引也不是太占内存（4G）。（2）虽然哈希索引是O(1)，树索引是O(log(n))，但SQL有很多“有序”需求，故数据库使用树型索引；（4）数据预读的思路是：磁盘读写并不是按需读取，而是按页预读，一次会读一页的数据，每次加载更多的数据，以便未来减少磁盘IO（5）局部性原理：软件设计要尽量遵循“数据读取集中”与“使用到一个数据，大概率会使用其附近的数据”，这样磁盘预读能充分提高磁盘IO - 很适合磁盘存储，能够充分利用局部性原理，磁盘预读； - 能够很好的支持单点查询，范围查询，有序性查询；
原文链接：https://mp.weixin.qq.com/s/0x5T-wbAoNVHkKTT61lIUQ