MySQL的索引爲什麼用B+Tree？InnoDB的數據存儲文件和MyISAM的有何不同？

前言

這篇文章的題目，是我真實在面試過程中遇到的問題，某互聯網衆籌公司在考察面試者MySQL相關知識的第一個問題，我當時還是比較懵的，沒想到這年輕人不講武德，不按套路出牌，一般的問MySQL的相關知識的時候，不都是問索引優化以及索引失效等相關問題嗎？怎麼還出來了，存儲文件的不同？哪怕考察個MVCC機制也行啊。所以這次我就好好總結總結這部分知識點。

爲什麼需要建立索引

首先，我們都知道建立索引的目的是爲了提高查詢速度，那麼爲什麼有了索引就能提高查詢速度呢？
我們來看一下，一個索引的示意圖。

如果我有一個SQL語句是：select * from Table where id = 15 那麼在沒有索引的情況下其實是會進行全表掃描的，就是挨個去找，直到找到id=15的這條記錄，時間複雜度是O(n)；

如果在有索引的情況下去進行查詢呢。首先會根據id=15，在索引值裏面進行二分查找，二分查找的效率是很高的，它的時間複雜度是O(logn)；

這就是索引爲什麼能提高查詢效率了，但是索引數據的量也是比較大的，所以一般並不是存儲在內存中的，都是直接存儲在磁盤中的，所以對磁盤中的文件內容進行讀取，免不了要進行磁盤IO。

MySQL的索引爲什麼使用B+Tree

上面我們也說了，索引數據一般是存儲在磁盤中的，但是計算數據都是要在內存中進行的，如果索引文件很大的話，並不能一次都加載進內存，所以在使用索引進行數據查找的時候是會進行多次磁盤IO，將索引數據分批的加載到內存中，因此一個好的索引的數據結構，在得到正確的結果前提下，一定是磁盤IO次數最少的。

Hash類型

目前MySQL其實是有兩種索引數據類型可以選擇的，一個是BTree（實際是B+Tree）、一個Hash。

但是爲什麼在實際的使用過程中，基本上大部分都是選擇BTree呢？

因爲如果使用Hash類型的索引，MySQL在創建索引的時候，會對索引數據進行一次Hash運算，這樣根據Hash值就能快速的定位到磁盤指針了，就算數據量很大，也能快速精準的定位到數據。

但是像select * from Table where id > 15這種範圍查詢，Hash類型的索引就搞不定了，對這種範圍查詢，會直接全表掃描，另外Hash類型的索引也搞不定排序。
還有就是雖然MySQL底層做了一系列的處理，但還是不能完全的保證，不產生Hash碰撞。

二叉樹

那MySQL爲什麼沒有二叉樹作爲它的索引數據結構呢？我們都知道，二叉樹是通過二分查找來進行定位數據的，所以效果還是不錯的，時間複雜度是O(logn)；

但是二叉樹有個問題，就是在特殊情況下，它會退化成一根棍子，也就是一個單向鏈表。這個時候，它的時間複雜度就會退化成O(n)；

所以當我們要查詢id=50的記錄時，其實和全表掃描是一樣的了。所以因爲存在這種情況，二叉樹不適合作爲索引的數據結構。

平衡二叉樹

那麼既然二叉樹，在特殊情況下會退化成鏈表，那麼平衡二叉樹爲什麼不可以呢？

平衡二叉樹的子節點高度差不能超過1，像下圖中的二叉樹，關鍵字爲15的節點，它的左子節點高度爲0，右子節點高度爲1，高度差不超過1，所以下面這棵樹是一棵平衡二叉樹。

因爲能保持平衡，所以它的查詢時間複雜度爲O(logN)，至於怎麼保持平衡的，主要是做一些左旋，右旋等，具體保持平衡的細節不是本文主要內容，想了解的可自行搜索。

用這個數據結構來做MySQL的索引會有什麼問題呢？

磁盤IO過多：在MySQL當中，一次IO操作只讀取一個節點，那麼一個節點若是最多就兩個子節點的話，那麼就只有這兩個子節點的查詢範圍，所以要精確到具體的數據時，就需要進行多次讀取，如果樹非常深的話，那麼將會進行大量的磁盤IO。性能自然下降了。
空間利用率低：對於平衡二叉樹來說，每個節點值保存一個關鍵字，一個數據區，兩個子節點的指針。這樣導致了，一次辛辛苦苦的IO操作就只加載這麼點數據，實在是有點殺雞用牛刀了。
查詢效果不穩定：如果在一個高度很深的平衡二叉樹中，若是查詢的數據正好是根節點，那麼就會很快的查到，若是查詢的數據正好是葉子節點，那麼會進行多次磁盤IO後才能返回，響應時間有可能和根節點的不在一個數量級上。

雖然說二叉樹解決的平衡的問題，但是也帶來了新的問題，那就是由於它本身樹的深度的，會造成一系列的效率問題。

那麼爲了解決平衡二叉樹的這類問題，平衡多叉樹（Balance Tree）就成爲了更好的選擇。

平衡多叉樹（Balance Tree--B-Tree）

B-Tree的意思是平衡多叉樹，一般B-Tree中的一個節點有多少個子節點，我們就稱爲多少階的B-Tree。通常用m表示階數，當m爲2的時候，就是平衡二叉樹。

一棵B-Tree的每個節點上最多能有m-1個關鍵字，最少要存放Math.ceil(m/2)-1個關鍵字，所有的葉子節點都在同一層。如下圖就是一個4階的B-Tree。

那麼我們看一下B-Tree是如何進行查找數據的：

若是查詢id=7的數據，先將關鍵字20的節點加載進內存，判斷出7比20小；
那麼加載第一個子節點，若查詢的數據等於12或17則直接返回，不等於就繼續向下找，發現7小於12；
那麼繼續加載第一個子節點中去，找到7之後，直接將7下面的data數據返回。

這樣整個操作其實進行了3次IO操作，但實際上一般的B-Tree每層都是有很多分支（通常都大於100）。

MySQL爲了能更好的利用磁盤的IO能力，將操作頁的大小設置爲了16K，即每個節點的大小爲16K。如果每個節點中的關鍵字都是int類型的，那麼就是4個字節，若數據區的大小爲8個字節，節點指針再佔4個字節，那麼B-Tree的每個節點中可以保存的關鍵字個數爲：(16*1000) / (4+8+4)=1000，每個節點最多可存儲1000個關鍵字，每一個節點最多可以有1001個分支節點。

這樣在查詢索引數據的時候，一次磁盤IO操作可以將1000個關鍵字，讀取到內存中進行計算，B-Tree的一次磁盤IO的操作，頂上平衡二叉數據的N次磁盤IO操作了。

要注意的是：B-Tree爲了保證數據的平衡，會做一系列的操作，這個保持平衡的過程比較耗時間，所以在創建索引的時候，要選擇合適的字段，並且不要過多的創建索引，創建索引過多的話，在更新數據的時候，更新索引的過程也比較耗時。

還有就是不要選擇低區分度字段值作爲索引，例如性別字段，總共就兩個值，那麼就有可能會造成B-Tree的深度過大，索引效率降低。

B+Tree

B-Tree已經很好的解決平衡二叉樹的問題了，並且也能保證查詢效率了，那麼爲什麼會有B+Tree呢？

我們先來B+Tree是什麼樣子的。

B+Tree是B-Tree的變種，B+Tree的每個節點關鍵字和m階的公式關係和B-Tree的不一樣了。

首先每個節點的子節點數量和每個節點可存儲的關鍵字比例是1:1，其次就是查詢數據的時候採用的是左閉合區間進行查詢，還有就是分支節點中沒有數據了只保存關鍵字和子節點指向，數據都存儲在葉子節點。

那麼來看一下在B+Tree中是如何進行數據查詢的。

例如：

現在要查詢id=2的數據，那麼會先將根節點取出，加載到內存中，發現id=2存在於根節點，因爲是左閉合區間存儲數據，所以id<=2的都在根節點的第一個子節點上；
那麼取出第一個子節點，加載到內存中，發現當前節點存在id=2的關鍵字，並且已經到了葉子節點了，那麼直接取出葉子節點中的數據返回。

現在來看一下B-Tree和B+Tree的區別

B+Tree的查詢採用的左閉合區間，這樣能更好的支持了自增索引的查詢效果，所以一般在創建主鍵的時候通常都是自增的。這一點和B-Tree是不一樣的。
B+Tree中的根節點和分支節點上是不保存數據的，關鍵字相關的數據只保存在葉子節點上，這樣保證了查詢效果的穩定，任何查詢都要走到葉子節點才能獲取數據。而B-Tree在分支節點中保存了數據，若是命中關鍵字則直接返回數據。
B+Tree的葉子節點是順序排列的，並且相鄰的兩個葉子節點中具有順序引用的關係，這樣能更好的支持了範圍查詢。而B-Tree是沒有這個順序關係的。

MySQL的索引爲什麼選擇了B+Tree

經過上面的層層分析，現在我們可以總結一下MySQL爲什麼選擇了B+Tree作爲它索引的數據結構呢。

首先和平衡二叉樹相比，B+Tree的深度更低，節點保存關鍵字更多，磁盤IO次數更少，查詢計算效率更好。
B+Tree的全局掃描能力更強，若是想根據索引數據對數據表進行全局掃描，B-Tree會將整棵樹進行掃描，然後逐層遍歷。而B+Tree呢，只需要遍歷葉子節點即可，因爲葉子節點之間存在順序引用的關係。
B+Tree的磁盤IO讀寫能力更強，因爲B+Tree的每個分支節點上只保存了關鍵字，這樣每次磁盤IO在讀寫的時候，一頁16K數據量可以存儲更多的關鍵字了，每個節點上保存的關鍵字也比B-Tree更多了。這樣B+Tree的一次磁盤IO加載的數據比B-Tree的多很多了。
B+Tree數據結構中有天然的排序能力，比其他數據結構排序能力更強而且排序時，是通過分支節點來進行的，若是需要將分支節點加載到內存中排序，一次加載的數據更多。
B+Tree的查詢效果更穩定，因爲所有的查詢都是需要掃描到葉子節點纔將數據返回的。效果只是穩定而不一定是最優，若是直接查詢B-Tree的根節點數據，那麼B-Tree只需要一次磁盤IO就可以直接將數據返回，反而是效果最優。

經過以上幾點的分析，MySQL最終選擇了B+Tree作爲了它的索引的數據結構。

InnDB的數據存儲文件和MyISAM的有何不同？

上面總結了MySQL的索引的數據結構，這次就可以說第二個問題了，因爲這個問題其實和MySQL的索引還是有一定的關係的。
下面來看一下，先找到服務器桑MySQL存儲數據的目錄：
登錄MySQL，打開MySQL的命令行界面：輸入show variables like '%datadir%';，就能看到存儲數據的目錄了。
我的服務器中MySQL的存儲數據的目錄是在：

/var/lib/mysql/

進入到這個目錄裏後，能看到所有數據庫的目錄，新建一個study_test的數據庫。
然後就進入

/var/lib/mysql/study_test

這個目錄下，目前就只有一個文件，這個文件是用來記錄創建數據庫時配置的字符集的內容。

-rw-r----- 1 mysql mysql     60 1月  31 10:28 db.opt

現在新建兩個表，第一個表的引擎類型選擇InnoDB，第二個表的引擎類型選擇MyISAM。

student_innodb：

CREATE TABLE `student_innodb` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `name` varchar(50) COLLATE utf8mb4_bin DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `address` varchar(100) COLLATE utf8mb4_bin DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `idx_name` (`name`) USING BTREE COMMENT 'name索引'
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='innodb引擎表';

student_myisam：

CREATE TABLE `student_myisam` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `name` varchar(50) COLLATE utf8mb4_bin DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `address` varchar(100) COLLATE utf8mb4_bin DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `idx_name` (`name`) USING BTREE COMMENT 'name索引'
) ENGINE=MyISAM DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='myISAM引擎類型表';

將兩個表創建完成後，我們再進入到/var/lib/mysql/study_test看一下：

-rw-r----- 1 mysql mysql     60 1月  31 10:28 db.opt
-rw-r----- 1 mysql mysql   8650 1月  31 10:41 student_innodb.frm
-rw-r----- 1 mysql mysql 114688 1月  31 10:41 student_innodb.ibd
-rw-r----- 1 mysql mysql   8650 1月  31 10:58 student_myisam.frm
-rw-r----- 1 mysql mysql      0 1月  31 10:58 student_myisam.MYD
-rw-r----- 1 mysql mysql   1024 1月  31 10:58 student_myisam.MYI

通過目錄中的文件可看到創建表之後多了幾個文件，這樣也看出來了，InnoDB引擎類型的表和MyISAM引擎類型的表的文件差異。

這幾個文件每個都是有自己的作用：

InnoDB引擎的表文件，一共有兩個：
- *.frm 這類文件是表的定義文件。
- *.ibd 這類文件是數據和索引存儲文件。表數據和索引聚集存儲，通過索引能直接查詢到數據。
MyIASM引擎的表文件，一共有三個：
- *.frm 這類文件是表的定義文件。
- *.MYD 這類文件是表數據文件，表中的所有數據都保存在此文件中。
- *.MYI 這類文件是表的索引文件，MyISAM存儲引擎的索引數據單獨存儲。

MyISAM數據存儲引擎，索引與數據的存儲結構

MyISAM存儲引擎在存儲索引的時候，是將索引數據單獨存儲，並且索引的B+Tree最終指向的是數據存在的物理地址，而不是具體的數據。然後再根據物理地址去數據文件（*.MYD）中找到具體的數據。

如下圖所示：

那麼當存在多個索引時，多個索引都指向相同的物理地址。
如下圖所示：

通過這個結構，我們可以看出來，MyISAM的存儲引擎的索引都是同級別的，主鍵和非主鍵索引結構和查詢方式完全一樣。

InnoDB數據存儲引擎，索引與數據的存儲結構

首先InnoDB的索引分爲聚簇索引和非聚簇索引，聚簇索引即保存關鍵字又保存數據，在B+Tree的每個分支節點上保存關鍵字，葉子節點上保存數據。
“聚簇”的意思是數據行被按照一定順序一個個緊密地排列在一起存儲。一個表只能有一個聚簇索引，因爲在一個表中數據的存放方式只有一種，一般是主鍵作爲聚簇索引，如果沒有主鍵，InnoDB會默認生成一個隱藏的列作爲主鍵。

如下圖所示：

非聚簇索引，又稱爲二級索引，雖然也是在B+Tree的每個分支節點上保存關鍵字，但是葉子節點不是保存的數據，而是保存的主鍵值。通過二級索引去查詢數據會先查詢到數據對應的主鍵，然後再根據主鍵查詢到具體的數據行。

如下圖所示：

由於非聚簇索引的設計結構，導致了，非聚簇索引在查詢的時候要進行兩次索引檢索，這樣設計的好處，可以保證了一旦發生數據遷移的時候，只需要更新主鍵索引即可，非聚簇索引並不用動，而且也規避了像MyISAM的索引那樣存儲物理地址，在數據遷移的時候的需要重新維護所有索引的問題。

總結

這次把MySQL的索引的數據結構，以及文件存儲結構，總結清楚了，後面在實際的工作過程中，設計索引的時候能夠考慮的更全了，通過了解了索引的數據結構，也能讓自己在實際寫SQL的時候，能考慮到哪些情況走索引哪些不走索引了。

MySQL使用B+Tree作爲索引的數據結構，因爲B+Tree的深度低，節點保存的關鍵字多，磁盤IO次數少，從而保證了查詢效率更高。
B+Tree能夠保證MySQL無論是主鍵索引還是非主鍵索引的查詢效果都是穩定的，每次都要查詢到葉子節點才能返回數據，B+Tree的葉子節點的深度是一樣的，而且爲了更好的支持自增主鍵，B+Tree的查詢節點範圍是左閉合右開放。
MySQL的MyISAM存儲引擎，表數據和索引數據是分別放到兩個文件中進行存儲的，由於它本身的索引的B+Tree的葉子節點指向的表數據所在的磁盤地址，而且索引沒有主鍵和非主鍵之分，所以分開存儲，能夠更好的統一管理索引；
MySQL的InnoDB存儲引擎，表數據和索引數據是存儲在一個文件中的，因爲InnoDB的聚簇索引的葉子節點指向的具體的數據行，而且爲了保證查詢效果的穩定，InnoDB表中必須要有一個聚簇索引，二級索引在進行索引檢索時，會先通過二級索引檢索到數據的主鍵值，再根據主鍵去聚簇索引中檢索到具體的數據。

微信公衆號：Jimoer

MySQL的索引爲什麼用B+Tree？InnoDB的數據存儲文件和MyISAM的有何不同？

前言

爲什麼需要建立索引

MySQL的索引爲什麼使用B+Tree

Hash類型

二叉樹

平衡二叉樹

平衡多叉樹（Balance Tree--B-Tree）

B+Tree

現在來看一下B-Tree和B+Tree的區別

MySQL的索引爲什麼選擇了B+Tree

InnDB的數據存儲文件和MyISAM的有何不同？

MyISAM數據存儲引擎，索引與數據的存儲結構

InnoDB數據存儲引擎，索引與數據的存儲結構

總結

win11關閉自動檢測病毒刪文件

千兆寬帶實際網速能到達多少？

春節做的2021年終總結

Elasticsearch寫入數據的過程是什麼樣的？以及是如何快速更新索引數據的？

你說說RPC的一個請求的流程是怎麼樣的？

用Java如何設計一個阻塞隊列，然後說說ArrayBlockingQueue和LinkedBlockingQueue

Java中的線程池用過吧？來說說你是怎麼理解線程池吧？

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結