二叉樹(shù)是每個(gè)結(jié)點(diǎn)最多有兩個(gè)子樹(shù)的樹(shù)結(jié)構(gòu)。通常子樹(shù)被稱作“左子樹(shù)”（Left Subtree）和“右子樹(shù)”（Right Subtree）。二叉樹(shù)常被用于實(shí)現(xiàn)二叉查找樹(shù)和二叉堆。
二叉樹(shù)有如下特性：
每個(gè)結(jié)點(diǎn)都包含一個(gè)元素以及 n 個(gè)子樹(shù)，這里 0≤n≤2。?
光看概念有點(diǎn)枯燥，假設(shè)我們現(xiàn)在有這樣一組數(shù)[35 27 48 12 29 38 55]，順序的插入到一個(gè)數(shù)的結(jié)構(gòu)中，步驟如下 ：
好了，這就是一棵二叉樹(shù)啦！我們能看到，經(jīng)過(guò)一系列的插入操作之后，原本無(wú)序的一組數(shù)已經(jīng)變成一個(gè)有序的結(jié)構(gòu)了，并且這個(gè)樹(shù)滿足了上面提到的兩個(gè)二叉樹(shù)的特性！
但是如果同樣是上面那一組數(shù)，我們自己升序排列后再插入，也就是說(shuō)按照[12 27 29 35 38 48 55]的順序插入，會(huì)怎么樣呢？
由于是升序插入，新插入的數(shù)據(jù)總是比已存在的結(jié)點(diǎn)數(shù)據(jù)都要大，所以每次都會(huì)往結(jié)點(diǎn)的右邊插入，最終導(dǎo)致這棵樹(shù)嚴(yán)重偏科！
上圖就是最壞的情況，也就是一棵樹(shù)退化為一個(gè)線性鏈表了，這樣查找效率自然就低了，完全沒(méi)有發(fā)揮樹(shù)的優(yōu)勢(shì)了呢！?
為了較大發(fā)揮二叉樹(shù)的查找效率，讓二叉樹(shù)不再偏科，保持各科平衡，所以有了平衡二叉樹(shù)！
平衡二叉樹(shù)是一種特殊的二叉樹(shù)，所以他也滿足前面說(shuō)到的二叉樹(shù)的兩個(gè)特性，同時(shí)還有一個(gè)特性：它的左右兩個(gè)子樹(shù)的高度差的絕對(duì)值不超過(guò) 1，并且左右兩個(gè)子樹(shù)都是一棵平衡二叉樹(shù)。
大家也看到了前面[35 27 48 12 29 38 55]插入完成后的圖，其實(shí)就已經(jīng)是一棵平衡二叉樹(shù)啦。
那如果按照[12 27 29 35 38 48 55]的順序插入一棵平衡二叉樹(shù)，會(huì)怎么樣呢？
我們看看插入以及平衡的過(guò)程：
這棵樹(shù)始終滿足平衡二叉樹(shù)的幾個(gè)特性而保持平衡！這樣我們的樹(shù)也不會(huì)退化為線性鏈表了！
我們需要查找一個(gè)數(shù)的時(shí)候就能沿著樹(shù)根一直往下找，這樣的查找效率和二分法查找是一樣的呢！
一棵平衡二叉樹(shù)能容納多少的結(jié)點(diǎn)呢？這跟樹(shù)的高度是有關(guān)系的，假設(shè)樹(shù)的高度為 h，那每一層最多容納的結(jié)點(diǎn)數(shù)量為 2^(n-1)，整棵樹(shù)最多容納節(jié)點(diǎn)數(shù)為 2^0+2^1+2^2+...+2^(h-1)。
這樣計(jì)算，100w 數(shù)據(jù)樹(shù)的高度大概在 20 左右，也就是說(shuō)從有著 100w 條數(shù)據(jù)的平衡二叉樹(shù)中找一個(gè)數(shù)據(jù)，最壞的情況下需要 20 次查找。
如果是內(nèi)存操作，效率也是很高的！但是我們數(shù)據(jù)庫(kù)中的數(shù)據(jù)基本都是放在磁盤(pán)中的，每讀取一個(gè)二叉樹(shù)的結(jié)點(diǎn)就是一次磁盤(pán) IO，這樣我們找一條數(shù)據(jù)如果要經(jīng)過(guò) 20?次磁盤(pán)的 IO？
那性能就成了一個(gè)很大的問(wèn)題了！那我們是不是可以把這棵樹(shù)壓縮一下，讓每一層能夠容納更多的節(jié)點(diǎn)呢？雖然我矮，但是我胖啊...
這顆矮胖的樹(shù)就是 B-Tree，注意中間是杠精的杠而不是減，所以也不要讀成 B 減 Tree 了~
那 B-Tree 有哪些特性呢？一棵 m 階的 B-Tree 有如下特性：
每個(gè)結(jié)點(diǎn)最多 m 個(gè)子結(jié)點(diǎn)。?
除了根結(jié)點(diǎn)和葉子結(jié)點(diǎn)外，每個(gè)結(jié)點(diǎn)最少有 m/2（向上取整）個(gè)子結(jié)點(diǎn)。?
如果根結(jié)點(diǎn)不是葉子結(jié)點(diǎn)，那根結(jié)點(diǎn)至少包含兩個(gè)子結(jié)點(diǎn)。?
所有的葉子結(jié)點(diǎn)都位于同一層。?
每個(gè)結(jié)點(diǎn)都包含 k 個(gè)元素（關(guān)鍵字），這里 m/2≤k。
每個(gè)節(jié)點(diǎn)中的元素（關(guān)鍵字）從小到大排列。?
是不是感覺(jué)跟丈母娘張口問(wèn)你要彩禮一樣，列一堆的條件，而且每一條都讓你很懵逼！
下面我們以一個(gè)[0,1,2,3,4,5,6,7]的數(shù)組插入一棵 3 階的 B-Tree 為例，將所有的條件都串起來(lái)，你就明白了！
那么，你是否對(duì) B-Tree 的幾點(diǎn)特性都清晰了呢？在二叉樹(shù)中，每個(gè)結(jié)點(diǎn)只有一個(gè)元素。
但是在 B-Tree 中，每個(gè)結(jié)點(diǎn)都可能包含多個(gè)元素，并且非葉子結(jié)點(diǎn)在元素的左右都有指向子結(jié)點(diǎn)的指針。
如果需要查找一個(gè)元素，那流程是怎么樣的呢？我們看下圖，如果我們要在下面的 B-Tree 中找到關(guān)鍵字 24，那流程如下：
從這個(gè)流程我們能看出，B-Tree 的查詢效率好像也并不比平衡二叉樹(shù)高。但是查詢所經(jīng)過(guò)的結(jié)點(diǎn)數(shù)量要少很多，也就意味著要少很多次的磁盤(pán) IO，這對(duì)性能的提升是很大的。
從前面對(duì) B-Tree 操作的圖，我們能看出來(lái)，元素就是類似 1、2、3 這樣的數(shù)值。
但是數(shù)據(jù)庫(kù)的數(shù)據(jù)都是一條條的數(shù)據(jù)，如果某個(gè)數(shù)據(jù)庫(kù)以 B-Tree 的數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)數(shù)據(jù)，那數(shù)據(jù)怎么存放的呢？
我們看下一張圖：
普通的 B-Tree 的結(jié)點(diǎn)中，元素就是一個(gè)個(gè)的數(shù)字。但是上圖中，我們把元素部分拆分成了 key-data 的形式，Key 就是數(shù)據(jù)的主鍵，Data 就是具體的數(shù)據(jù)。
這樣我們?cè)谡乙粭l數(shù)的時(shí)候，就沿著根結(jié)點(diǎn)往下找就 OK 了，效率是比較高的。
B+Tree 是在 B-Tree 基礎(chǔ)上的一種優(yōu)化，使其更適合實(shí)現(xiàn)外存儲(chǔ)索引結(jié)構(gòu)。
B+Tree 與 B-Tree 的結(jié)構(gòu)很像，但是也有幾個(gè)自己的特性：
所有的非葉子節(jié)點(diǎn)只存儲(chǔ)關(guān)鍵字信息。?
所有衛(wèi)星數(shù)據(jù)（具體數(shù)據(jù)）都存在葉子結(jié)點(diǎn)中。?
所有的葉子結(jié)點(diǎn)中包含了全部元素的信息。?
如果上面 B-Tree 的圖變成 B+Tree，那應(yīng)該如下：?
大家仔細(xì)對(duì)比于 B-Tree 的圖能發(fā)現(xiàn)什么不同？
非葉子結(jié)點(diǎn)上已經(jīng)只有 Key 信息了，滿足上面第 1 點(diǎn)特性！?
所有葉子結(jié)點(diǎn)下面都有一個(gè) Data 區(qū)域，滿足上面第 2 點(diǎn)特性！?
非葉子結(jié)點(diǎn)的數(shù)據(jù)在葉子結(jié)點(diǎn)上都能找到，如根結(jié)點(diǎn)的元素 4、8 在最底層的葉子結(jié)點(diǎn)上也能找到，滿足上面第 3 點(diǎn)特性！?
在講這兩種數(shù)據(jù)結(jié)構(gòu)在數(shù)據(jù)庫(kù)中的選擇之前，我們還需要了解的一個(gè)知識(shí)點(diǎn)是操作系統(tǒng)從磁盤(pán)讀取數(shù)據(jù)到內(nèi)存是以磁盤(pán)塊（Block）為基本單位的，位于同一個(gè)磁盤(pán)塊中的數(shù)據(jù)會(huì)被一次性讀取出來(lái)，而不是需要什么取什么。
即使只需要一個(gè)字節(jié)，磁盤(pán)也會(huì)從這個(gè)位置開(kāi)始，順序向后讀取一定長(zhǎng)度的數(shù)據(jù)放入內(nèi)存。
這樣做的理論依據(jù)是計(jì)算機(jī)科學(xué)中著名的局部性原理：當(dāng)一個(gè)數(shù)據(jù)被用到時(shí)，其附近的數(shù)據(jù)也通常會(huì)馬上被使用。?
預(yù)讀的長(zhǎng)度一般為頁(yè)（Page）的整倍數(shù)。頁(yè)是計(jì)算機(jī)管理存儲(chǔ)器的邏輯塊，硬件及操作系統(tǒng)往往將主存和磁盤(pán)存儲(chǔ)區(qū)分割為連續(xù)的大小相等的塊，每個(gè)存儲(chǔ)塊稱為一頁(yè)（在許多操作系統(tǒng)中，頁(yè)的大小通常為 4K）。
B-Tree 和 B+Tree 該如何選擇呢？都有哪些優(yōu)劣呢？
①B-Tree 因?yàn)榉侨~子結(jié)點(diǎn)也保存具體數(shù)據(jù)，所以在查找某個(gè)關(guān)鍵字的時(shí)候找到即可返回。
而 B+Tree 所有的數(shù)據(jù)都在葉子結(jié)點(diǎn)，每次查找都得到葉子結(jié)點(diǎn)。所以在同樣高度的 B-Tree 和 B+Tree 中，B-Tree 查找某個(gè)關(guān)鍵字的效率更高。?
②由于 B+Tree 所有的數(shù)據(jù)都在葉子結(jié)點(diǎn)，并且結(jié)點(diǎn)之間有指針連接，在找大于某個(gè)關(guān)鍵字或者小于某個(gè)關(guān)鍵字的數(shù)據(jù)的時(shí)候，B+Tree 只需要找到該關(guān)鍵字然后沿著鏈表遍歷就可以了，而 B-Tree 還需要遍歷該關(guān)鍵字結(jié)點(diǎn)的根結(jié)點(diǎn)去搜索。?
③由于 B-Tree 的每個(gè)結(jié)點(diǎn)（這里的結(jié)點(diǎn)可以理解為一個(gè)數(shù)據(jù)頁(yè)）都存儲(chǔ)主鍵+實(shí)際數(shù)據(jù)，而 B+Tree 非葉子結(jié)點(diǎn)只存儲(chǔ)關(guān)鍵字信息，而每個(gè)頁(yè)的大小是有限的，所以同一頁(yè)能存儲(chǔ)的 B-Tree 的數(shù)據(jù)會(huì)比 B+Tree 存儲(chǔ)的更少。
這樣同樣總量的數(shù)據(jù)，B-Tree 的深度會(huì)更大，增大查詢時(shí)的磁盤(pán) I/O 次數(shù)，進(jìn)而影響查詢效率。?
鑒于以上的比較，所以在常用的關(guān)系型數(shù)據(jù)庫(kù)中，都是選擇 B+Tree 的數(shù)據(jù)結(jié)構(gòu)來(lái)存儲(chǔ)數(shù)據(jù)！
下面我們以 MySQL 的 InnoDB 存儲(chǔ)引擎為例講解，其他類似 SQL Server、Oracle 的原理！
在 InnoDB 存儲(chǔ)引擎中，也有頁(yè)的概念，默認(rèn)每個(gè)頁(yè)的大小為 16K，也就是每次讀取數(shù)據(jù)時(shí)都是讀取 4*4K 的大??！
假設(shè)我們現(xiàn)在有一個(gè)用戶表，我們往里面寫(xiě)數(shù)據(jù)：
這里需要注意的一點(diǎn)是，在某個(gè)頁(yè)內(nèi)插入新行時(shí)，為了減少數(shù)據(jù)的移動(dòng)，通常是插入到當(dāng)前行的后面或者是已刪除行留下來(lái)的空間，所以在某一個(gè)頁(yè)內(nèi)的數(shù)據(jù)并不是完全有序的（后面頁(yè)結(jié)構(gòu)部分有細(xì)講）。
但是為了數(shù)據(jù)訪問(wèn)順序性，在每個(gè)記錄中都有一個(gè)指向下一條記錄的指針，以此構(gòu)成了一條單向有序鏈表，不過(guò)在這里為了方便演示我是按順序排列的！
由于數(shù)據(jù)還比較少，一個(gè)頁(yè)就能容下，所以只有一個(gè)根結(jié)點(diǎn)，主鍵和數(shù)據(jù)也都是保存在根結(jié)點(diǎn)（左邊的數(shù)字代表主鍵，右邊名字、性別代表具體的數(shù)據(jù)）。
假設(shè)我們寫(xiě)入 10 條數(shù)據(jù)之后，Page1 滿了，再寫(xiě)入新的數(shù)據(jù)會(huì)怎么存放呢？
我們繼續(xù)看下圖：
有個(gè)叫“秦壽生”的朋友來(lái)了，但是 Page1 已經(jīng)放不下數(shù)據(jù)了，這時(shí)候就需要進(jìn)行頁(yè)分裂，產(chǎn)生一個(gè)新的 Page。
在 InnoDB 中的流程是怎么樣的呢？
產(chǎn)生新的 Page2，然后將 Page1 的內(nèi)容復(fù)制到 Page2。?
產(chǎn)生新的 Page3，“秦壽生”的數(shù)據(jù)放入 Page3。?
這里有兩個(gè)問(wèn)題需要注意的是：
①為什么要復(fù)制 Page1 為 Page2 而不是創(chuàng)建一個(gè)新的頁(yè)作為根結(jié)點(diǎn)，這樣就少了一步復(fù)制的開(kāi)銷了？
如果是重新創(chuàng)建根結(jié)點(diǎn)，那根結(jié)點(diǎn)存儲(chǔ)的物理地址可能經(jīng)常會(huì)變，不利于查找。
并且在 InnoDB 中根結(jié)點(diǎn)是會(huì)預(yù)讀到內(nèi)存中的，所以結(jié)點(diǎn)的物理地址固定會(huì)比較好！
②原來(lái) Page1 有 10?條數(shù)據(jù)，在插入第 11 條數(shù)據(jù)的時(shí)候進(jìn)行裂變，根據(jù)前面對(duì) B-Tree、B+Tree 特性的了解，那這至少是一棵 11 階的樹(shù)，裂變之后每個(gè)結(jié)點(diǎn)的元素至少為 11/2=5 個(gè)。
那是不是應(yīng)該頁(yè)裂變之后主鍵 1-5 的數(shù)據(jù)還是在原來(lái)的頁(yè)，主鍵 6-11 的數(shù)據(jù)會(huì)放到新的頁(yè)，根結(jié)點(diǎn)存放主鍵 6？?
如果是這樣的話，新的頁(yè)空間利用率只有 50%，并且會(huì)導(dǎo)致更為頻繁的頁(yè)分裂。
所以 InnoDB 對(duì)這一點(diǎn)做了優(yōu)化，新的數(shù)據(jù)放入新創(chuàng)建的頁(yè)，不移動(dòng)原有頁(yè)面的任何記錄。
隨著數(shù)據(jù)的不斷寫(xiě)入，這棵樹(shù)也逐漸枝繁葉茂，如下圖：
每次新增數(shù)據(jù)，都是將一個(gè)頁(yè)寫(xiě)滿，然后新創(chuàng)建一個(gè)頁(yè)繼續(xù)寫(xiě)，這里其實(shí)是有個(gè)隱含條件的，那就是主鍵自增！
主鍵自增寫(xiě)入時(shí)新插入的數(shù)據(jù)不會(huì)影響到原有頁(yè)，插入效率高！且頁(yè)的利用率高！
但是如果主鍵是無(wú)序的或者隨機(jī)的，那每次的插入可能會(huì)導(dǎo)致原有頁(yè)頻繁的分裂，影響插入效率！降低頁(yè)的利用率！這也是為什么在 InnoDB 中建議設(shè)置主鍵自增的原因！
這棵樹(shù)的非葉子結(jié)點(diǎn)上存的都是主鍵，那如果一個(gè)表沒(méi)有主鍵會(huì)怎么樣？在 InnoDB 中，如果一個(gè)表沒(méi)有主鍵，那默認(rèn)會(huì)找建了唯一索引的列，如果也沒(méi)有，則會(huì)生成一個(gè)隱形的字段作為主鍵！
有數(shù)據(jù)插入那就有刪除，如果這個(gè)用戶表頻繁的插入和刪除，那會(huì)導(dǎo)致數(shù)據(jù)頁(yè)產(chǎn)生碎片，頁(yè)的空間利用率低，還會(huì)導(dǎo)致樹(shù)變的“虛高”，降低查詢效率！這可以通過(guò)索引重建來(lái)消除碎片提高查詢效率！
數(shù)據(jù)插入了怎么查找呢？
找到數(shù)據(jù)所在的頁(yè)。這個(gè)查找過(guò)程就跟前面說(shuō)到的 B+Tree 的搜索過(guò)程是一樣的，從根結(jié)點(diǎn)開(kāi)始查找一直到葉子結(jié)點(diǎn)。?
這跟我們?cè)谛氯A字典中找某個(gè)漢字是一樣的，先通過(guò)字典的索引定位到該漢字拼音所在的頁(yè)，然后到指定的頁(yè)找到具體的漢字。
InnoDB 中定位到頁(yè)后用了哪種策略快速查找某個(gè)主鍵呢？這我們就需要從頁(yè)結(jié)構(gòu)開(kāi)始了解。
左邊藍(lán)色區(qū)域稱為 Page Directory，這塊區(qū)域由多個(gè) Slot 組成，是一個(gè)稀疏索引結(jié)構(gòu)，即一個(gè)槽中可能屬于多個(gè)記錄，最少屬于 4 條記錄，最多屬于 8 條記錄。
槽內(nèi)的數(shù)據(jù)是有序存放的，所以當(dāng)我們尋找一條數(shù)據(jù)的時(shí)候可以先在槽中通過(guò)二分法查找到一個(gè)大致的位置。
右邊區(qū)域?yàn)閿?shù)據(jù)區(qū)域，每一個(gè)數(shù)據(jù)頁(yè)中都包含多條行數(shù)據(jù)。注意看圖中最上面和最下面的兩條特殊的行記錄 Infimum 和 Supremum，這是兩個(gè)虛擬的行記錄。
在沒(méi)有其他用戶數(shù)據(jù)的時(shí)候 Infimum 的下一條記錄的指針指向 Supremum。
當(dāng)有用戶數(shù)據(jù)的時(shí)候，Infimum 的下一條記錄的指針指向當(dāng)前頁(yè)中最小的用戶記錄，當(dāng)前頁(yè)中大的用戶記錄的下一條記錄的指針指向 Supremum，至此整個(gè)頁(yè)內(nèi)的所有行記錄形成一個(gè)單向鏈表。
行記錄被 Page Directory 邏輯的分成了多個(gè)塊，塊與塊之間是有序的，也就是說(shuō)“4”這個(gè)槽指向的數(shù)據(jù)塊內(nèi)大的行記錄的主鍵都要比“8”這個(gè)槽指向的數(shù)據(jù)塊內(nèi)最小的行記錄的主鍵要小。但是塊內(nèi)部的行記錄不一定有序。
每個(gè)行記錄的都有一個(gè) n_owned 的區(qū)域（圖中粉紅色區(qū)域），n_owned 標(biāo)識(shí)這個(gè)塊有多少條數(shù)據(jù)。
偽記錄 Infimum 的 n_owned 值總是 1，記錄 Supremum 的 n_owned 的取值范圍為[1,8]，其他用戶記錄 n_owned 的取值范圍[4,8]。
并且只有每個(gè)塊中大的那條記錄的 n_owned 才會(huì)有值，其他的用戶記錄的 n_owned 為 0。
所以當(dāng)我們要找主鍵為 6 的記錄時(shí)，先通過(guò)二分法在稀疏索引中找到對(duì)應(yīng)的槽，也就是 Page Directory 中“8”這個(gè)槽。
“8”這個(gè)槽指向的是該數(shù)據(jù)塊中大的記錄，而數(shù)據(jù)是單向鏈表結(jié)構(gòu)，所以無(wú)法逆向查找。
所以需要找到上一個(gè)槽即“4”這個(gè)槽，然后通過(guò)“4”這個(gè)槽中大的用戶記錄的指針沿著鏈表順序查找到目標(biāo)記錄。
前面關(guān)于數(shù)據(jù)存儲(chǔ)的都是演示的聚集索引的實(shí)現(xiàn)，如果上面的用戶表需要以“用戶名字”建立一個(gè)非聚集索引，是怎么實(shí)現(xiàn)的呢？
我們看下圖：
非聚集索引的存儲(chǔ)結(jié)構(gòu)與前面是一樣的，不同的是在葉子結(jié)點(diǎn)的數(shù)據(jù)部分存的不再是具體的數(shù)據(jù)，而是數(shù)據(jù)的聚集索引的 Key。
所以通過(guò)非聚集索引查找的過(guò)程是先找到該索引 Key 對(duì)應(yīng)的聚集索引的 Key，然后再拿聚集索引的 Key 到主鍵索引樹(shù)上查找對(duì)應(yīng)的數(shù)據(jù)，這個(gè)過(guò)程稱為回表！
PS：圖中的這些名字均來(lái)源于網(wǎng)絡(luò)，希望沒(méi)有誤傷正在看這篇文章的你~^_^
上面包括存儲(chǔ)和搜索都是拿的 InnoDB 引擎為例，那 MyISAM 與 InnoDB 在存儲(chǔ)上有啥不同呢？憋縮話，看圖：
上圖為 MyISAM 主鍵索引的存儲(chǔ)結(jié)構(gòu)，我們能看到的不同是：
主鍵索引樹(shù)的葉子結(jié)點(diǎn)的數(shù)據(jù)區(qū)域沒(méi)有存放實(shí)際的數(shù)據(jù)，存放的是數(shù)據(jù)記錄的地址。?
也就是說(shuō) InnoDB 引擎數(shù)據(jù)在物理上是按主鍵順序存放，而 MyISAM 引擎數(shù)據(jù)在物理上按插入的順序存放。
并且 MyISAM 的葉子結(jié)點(diǎn)不存放數(shù)據(jù)，所以非聚集索引的存儲(chǔ)結(jié)構(gòu)與聚集索引類似，在使用非聚集索引查找數(shù)據(jù)的時(shí)候通過(guò)非聚集索引樹(shù)就能直接找到數(shù)據(jù)的地址了，不需要回表，這比 InnoDB 的搜索效率會(huì)更高呢！
大家經(jīng)常會(huì)在很多的文章或書(shū)中能看到一些索引的使用建議，比如說(shuō)：
like 的模糊查詢以 % 開(kāi)頭，會(huì)導(dǎo)致索引失效。?
一個(gè)表建的索引盡量不要超過(guò) 5 個(gè)。?
盡量使用覆蓋索引。?
盡量不要在重復(fù)數(shù)據(jù)多的列上建索引。?
很多這里就不一一列舉了！那看完這篇文章，我們能否帶著疑問(wèn)去分析一下為什么要有這些建議？
為什么 like 的模糊查詢以 % 開(kāi)頭，會(huì)導(dǎo)致索引失效？為什么一個(gè)表建的索引盡量不要超過(guò) 5 個(gè)？
為什么？為什么？？為什么？？？相信看到這里的你再加上自己的一些思考應(yīng)該有答案了吧？
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。
重慶分公司
重慶分公司
