索引为什么选择B+Tree
文章目录
一、简介
本文主要解答索引为什么选择B+Tree，而不使用哈希、二叉搜索树、二叉平衡树、红黑树、B Tree。
索引选择哪种数据结构，主要从两方面来考虑：
- 数据的存储效率；
- 数据的查询效率。
本文通过讲解每种数据结构在这两方面的效率，以及其他方面的优缺点，来回答为什么选择B+Tree。
二、哈希
哈希数据结构如图所示：
哈希数据结构的哈希值是将键通过某种哈希算法转化而来，哈希算法是多种对样的，也可以自定义的。
优点：只要知道“键”，立马通过哈希算法得到哈希值，从而找到目标数据，查询速度快。
缺点如下：
- 为了防止哈希值冲突，往往需要复杂化的哈希算法；
- 查询数据时，需要将所有数据文件添加到内存中，若数据量大时，耗费内存空间；
- 哈希数据结构无法进行范围查找。实际工作中，往往是范围查找。
总结：哈希数据结构存储效率正常，对于定值查询效率高，但不支持范围查询。
三、树
树的结构为一个节点可以有多个叶节点。如图所示：
缺点：查询数据时，需要对数一层一层的查找，效率低。
四、二叉树
二叉树在树的结构上进行了优化，为了方便管理，规定每个节点最多只能有两个子节点。（这是为了进一步优化为二叉搜索树、二叉平衡树等）
缺点：查询数据时，需要对数一层一层的查找，效率低。
五、二叉搜索树
在二叉树的基础上，二叉搜索树作了进一步规定：
- 左子树必须小于根节点；
- 右子树必须大于根节点。
优点：根据二叉搜索树规定的节点与左右节点的关系，查询数据时，可使用二分查找，查询效率大大提升。
缺点：存储数据时，如果数据是有序的，并按顺序存储时，会导致某一字数过长，如，顺序存储1、2、3、4、5，如图所示：
由图可见，对于这种特殊插入情况，会导致二叉树搜索树失去树的结构，称为了一种链式结构，那么就会导致查询数据时效率低。
六、二叉平衡树
针对二叉搜索树的缺点，二叉平衡树在二叉树的基础上，加入了左右旋，以满足最长子树与最短子树相差不超过1，同时也满足二分查找。
顺序插入1、2、3时，二叉平衡树右旋，如图所示：
顺序插入4、5时，二叉平衡树右旋，最终树如图所示：
优点：查询数据时，可使用二分查找提高查询效率。
缺点：
- 左右旋频繁操作，导致存储数据效率变低；
- 随着存储数据的增多，树的层次加深，那么访问数据的IO次数也增加，导致查询数据效率逐渐变低。
七、红黑树
针对二叉平衡树的左右旋操作，红黑树进行了改进，目的在于，牺牲一点存储效率，以提升查询效率。
红黑树规定：
- 最长子树不超过最短子树的两倍即可。（也就减少了左右旋的次数）
红黑变色规则：
- 插入的每个节点必须是红色；
- 每一条路径不允许有两个连续的红色节点；
- 任何一个分支上，黑色节点个数必须相等。
顺序插入1、2、3、4、5、6时，红黑树如图所示：
优点：相对于二叉平衡树的插入效率要高，因为左右旋的次数降低。
缺点：随着存储数据的增多，树的层次加深，那么访问数据的IO次数也增加，导致查询数据效率逐渐变低。
八、B Tree
基于红黑树的缺点，要想降低树的深度，那么要打破每个节点只能存储两个子节点的限制。
允许每个节点有多个子节点，B Tree如图所示：
优点：相对于红黑树，在相同数据量的条件下，B Tree的深度较小。
缺点：
- 随着存储数量的增加，深度还是会加深，查询效率低；
- 叶子节点没有双向指针，不能范围查找。
九、B+Tree
基于B Tree深度还是会加深的缺点，试图让一个节点存储更对的“键”，一个办法就是将节点中的数据data去掉，这样一个节点存储“键”的个数增加，所以深度就会降低。
基于B Tree不能范围查找的缺点，在叶子节点中，增加双向链表，就可以进行范围查找。
经过从哈希数据结构到B+Tree数据结构的讲解，理解了每一种树要解决的问题，现在很容易理解索引选择B+Tree的原因了吧。
注意：
- InnoDB是通过B+Tree结构对主键创建索引的，然后叶子接机点中存储记录，如果没有主键，那么会选择唯一键，如果没有唯一键，那么会生成一个6位的row_id作为主键；
- 如果创建索引的键是其他字段，那么在叶子节点中存储的是该记录的主键，然后再通过主键索引找到对应的记录，叫做回表。
十、InnoDB一棵B+树可以存放两千万行数据
InnoDB存储引擎的最小储存单元——页（Page），一个页的大小是16K。假设一行数据的大小是1k，那么一个页可以存放16行这样的数据。
假设主键ID为bigint类型，长度为8字节，而指针大小在InnoDB源码中设置为6字节，这样一共14字节，我们一个页中能存放多少这样的单元，其实就代表有多少指针，即16384/14=1170。
可以算出一个高度为3的B+Tree可以存放**：**1170 * 1170 * 16=21902400条这样的记录。
十一、InnoDB与MyISAM中的B+Tree区别
InnoDB中B+Tree的叶子节点存储了数据，而MyISAM中B+Tree的叶子节点存储了数据的地址。
InnoDB的B+Tree：
MyISAM的B+Tree：
十二、索引的相关问题
12.1、聚集索引、非聚集索引
聚集索引：在B+Tree中，叶子节点存储了整行数据的索引。在InnoDB中，只有主键索引是聚集索引，当没有主键时，会选取唯一键；当没有唯一键时，会添加6位row_id作为主键。其他索引都是非聚集索引。
非聚集索引：在B+Tree中，叶子节点没有存储整行数据的索引。比如MyISAM中B+Tree叶子节点存储的是数据的地址。
12.2、回表
在InnoDB中，除主键索引外，比如组合索引，叶子节点存储的是数据的主键信息。当通过组合索引查询到对应的主键信息后，再到主键索引中查询整行数据，该过程称为回表。
12.3、覆盖索引
在InnoDB中，使用索引查询到对应数据的主键信息，该主键正是本次查询的数据，可以直接返回，而不用访问回表，该过程称为覆盖索引。
12.4、索引下推
当有组合索引name、age时，通过该索引查询会先根据name得到主键并回表，回表会增加查询的步骤、降低查询效率，回到主键索引再查询age。
而使用索引下推后，就会优先在索引上进行查询过滤。
使用explain查询会发现：
- 当Extra的值为Using index condition; 说明查询的字段全部在索引上完成了过滤操作，回表时会根据主键直接得到对应的行数据。
- 当Extra的值为Using where时，可能查询字段没有设置索引，这时会直接在主键索引上查询，效率低下。
- 当Extra的值为Using index condition; Using where时，说明查询的一部分部分字段有索引，另一部分没有索引，当有索引的字段完成查询时回表，并不会立马返回数据，而是还要再全表查询那些没有索引的字段。
对应的行数据。 - 当Extra的值为Using where时，可能查询字段没有设置索引，这时会直接在主键索引上查询，效率低下。
- 当Extra的值为Using index condition; Using where时，说明查询的一部分部分字段有索引，另一部分没有索引，当有索引的字段完成查询时回表，并不会立马返回数据，而是还要再全表查询那些没有索引的字段。