本篇內(nèi)容介紹了“MySQL索引模型B+樹(shù)的詳細(xì)介紹”的有關(guān)知識(shí)，在實(shí)際案例的操作過(guò)程中，不少人都會(huì)遇到這樣的困境，接下來(lái)就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！
創(chuàng)新互聯(lián)是一家集網(wǎng)站建設(shè),鳳凰企業(yè)網(wǎng)站建設(shè),鳳凰品牌網(wǎng)站建設(shè),網(wǎng)站定制,鳳凰網(wǎng)站建設(shè)報(bào)價(jià),網(wǎng)絡(luò)營(yíng)銷(xiāo),網(wǎng)絡(luò)優(yōu)化,鳳凰網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強(qiáng)企業(yè)競(jìng)爭(zhēng)力?？沙浞譂M(mǎn)足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時(shí)我們時(shí)刻保持專(zhuān)業(yè)、時(shí)尚、前沿，時(shí)刻以成就客戶(hù)成長(zhǎng)自我，堅(jiān)持不斷學(xué)習(xí)、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實(shí)用型網(wǎng)站。
索引是一種數(shù)據(jù)結(jié)構(gòu)，用于幫助我們?cè)诖罅繑?shù)據(jù)中快速定位到我們想要查找的數(shù)據(jù)。
索引最形象的比喻就是圖書(shū)的目錄了。注意這里的大量，數(shù)據(jù)量大了索引才顯得有意義，如果我想要在 [1,2,3,4] 中找到 4 這個(gè)數(shù)據(jù)，直接對(duì)全數(shù)據(jù)檢索也很快，沒(méi)有必要費(fèi)力氣建索引再去查找。
B+ 樹(shù)索引
Hash 索引
全文索引
我們今天要介紹的是工作開(kāi)發(fā)中最常接觸到的 InnoDB 存儲(chǔ)引擎中的 B+ 樹(shù)索引。要介紹 B+ 樹(shù)索引，就不得不提二叉查找樹(shù)，平衡二叉樹(shù)和 B 樹(shù)這三種數(shù)據(jù)結(jié)構(gòu)。B+ 樹(shù)就是從他們仨演化來(lái)的。
首先，讓我們先看一張圖：
從圖中可以看到，我們?yōu)?user 表（用戶(hù)信息表）建立了一個(gè)二叉查找樹(shù)的索引。
圖中的圓為二叉查找樹(shù)的節(jié)點(diǎn)，節(jié)點(diǎn)中存儲(chǔ)了鍵（key）和數(shù)據(jù)（data）。鍵對(duì)應(yīng) user 表中的 id，數(shù)據(jù)對(duì)應(yīng) user 表中的行數(shù)據(jù)。
二叉查找樹(shù)的特點(diǎn)就是任何節(jié)點(diǎn)的左子節(jié)點(diǎn)的鍵值都小于當(dāng)前節(jié)點(diǎn)的鍵值，右子節(jié)點(diǎn)的鍵值都大于當(dāng)前節(jié)點(diǎn)的鍵值。頂端的節(jié)點(diǎn)我們稱(chēng)為根節(jié)點(diǎn)，沒(méi)有子節(jié)點(diǎn)的節(jié)點(diǎn)我們稱(chēng)之為葉節(jié)點(diǎn)。
如果我們需要查找 id=12 的用戶(hù)信息，利用我們創(chuàng)建的二叉查找樹(shù)索引，查找流程如下：
將根節(jié)點(diǎn)作為當(dāng)前節(jié)點(diǎn)，把 12 與當(dāng)前節(jié)點(diǎn)的鍵值 10 比較，12 大于 10，接下來(lái)我們把當(dāng)前節(jié)點(diǎn)>的右子節(jié)點(diǎn)作為當(dāng)前節(jié)點(diǎn)。
繼續(xù)把 12 和當(dāng)前節(jié)點(diǎn)的鍵值 13 比較，發(fā)現(xiàn) 12 小于 13，把當(dāng)前節(jié)點(diǎn)的左子節(jié)點(diǎn)作為當(dāng)前節(jié)點(diǎn)。
把 12 和當(dāng)前節(jié)點(diǎn)的鍵值 12 對(duì)比，12 等于 12，滿(mǎn)足條件，我們從當(dāng)前節(jié)點(diǎn)中取出 data，即 id=12，name=xm。
利用二叉查找樹(shù)我們只需要 3 次即可找到匹配的數(shù)據(jù)。如果在表中一條條的查找的話(huà)，我們需要 6 次才能找到。
上面我們講解了利用二叉查找樹(shù)可以快速的找到數(shù)據(jù)。但是，如果上面的二叉查找樹(shù)是這樣的構(gòu)造：
這個(gè)時(shí)候可以看到我們的二叉查找樹(shù)變成了一個(gè)鏈表。如果我們需要查找 id=17 的用戶(hù)信息，我們需要查找 7 次，也就相當(dāng)于全表掃描了。 導(dǎo)致這個(gè)現(xiàn)象的原因其實(shí)是二叉查找樹(shù)變得不平衡了，也就是高度太高了，從而導(dǎo)致查找效率的不穩(wěn)定。為了解決這個(gè)問(wèn)題，我們需要保證二叉查找樹(shù)一直保持平衡，就需要用到平衡二叉樹(shù)了。 平衡二叉樹(shù)又稱(chēng) AVL 樹(shù)，在滿(mǎn)足二叉查找樹(shù)特性的基礎(chǔ)上，要求每個(gè)節(jié)點(diǎn)的左右子樹(shù)的高度差不能超過(guò) 1。 下面是平衡二叉樹(shù)和非平衡二叉樹(shù)的對(duì)比：
由平衡二叉樹(shù)的構(gòu)造我們可以發(fā)現(xiàn)第一張圖中的二叉樹(shù)其實(shí)就是一棵平衡二叉樹(shù)。
平衡二叉樹(shù)保證了樹(shù)的構(gòu)造是平衡的，當(dāng)我們插入或刪除數(shù)據(jù)導(dǎo)致不滿(mǎn)足平衡二叉樹(shù)不平衡時(shí)，平衡二叉樹(shù)會(huì)進(jìn)行調(diào)整樹(shù)上的節(jié)點(diǎn)來(lái)保持平衡。具體的調(diào)整方式這里就不介紹了。平衡二叉樹(shù)相比于二叉查找樹(shù)來(lái)說(shuō)，查找效率更穩(wěn)定，總體的查找速度也更快。
因?yàn)閮?nèi)存的易失性。一般情況下，我們都會(huì)選擇將 user 表中的數(shù)據(jù)和索引存儲(chǔ)在磁盤(pán)這種外圍設(shè)備中。但是和內(nèi)存相比，從磁盤(pán)中讀取數(shù)據(jù)的速度會(huì)慢上百倍千倍甚至萬(wàn)倍，所以，我們應(yīng)當(dāng)盡量減少?gòu)拇疟P(pán)中讀取數(shù)據(jù)的次數(shù)。另外，從磁盤(pán)中讀取數(shù)據(jù)時(shí)，都是按照磁盤(pán)塊來(lái)讀取的，并不是一條一條的讀。如果我們能把盡量多的數(shù)據(jù)放進(jìn)磁盤(pán)塊中，那一次磁盤(pán)讀取操作就會(huì)讀取更多數(shù)據(jù)，那我們查找數(shù)據(jù)的時(shí)間也會(huì)大幅度降低。如果我們用樹(shù)這種數(shù)據(jù)結(jié)構(gòu)作為索引的數(shù)據(jù)結(jié)構(gòu)，那我們每查找一次數(shù)據(jù)就需要從磁盤(pán)中讀取一個(gè)節(jié)點(diǎn)，也就是我們說(shuō)的一個(gè)磁盤(pán)塊。我們都知道平衡二叉樹(shù)可是每個(gè)節(jié)點(diǎn)只存儲(chǔ)一個(gè)鍵值和數(shù)據(jù)的。那說(shuō)明什么？說(shuō)明每個(gè)磁盤(pán)塊僅僅存儲(chǔ)一個(gè)鍵值和數(shù)據(jù)！那如果我們要存儲(chǔ)海量的數(shù)據(jù)呢？
可以想象到二叉樹(shù)的節(jié)點(diǎn)將會(huì)非常多，高度也會(huì)極其高，我們查找數(shù)據(jù)時(shí)也會(huì)進(jìn)行很多次磁盤(pán) IO，我們查找數(shù)據(jù)的效率將會(huì)極低！
為了解決平衡二叉樹(shù)的這個(gè)弊端，我們應(yīng)該尋找一種單個(gè)節(jié)點(diǎn)可以存儲(chǔ)多個(gè)鍵值和數(shù)據(jù)的平衡樹(shù)。也就是我們接下來(lái)要說(shuō)的 B 樹(shù)。
B 樹(shù)（Balance Tree）即為平衡樹(shù)的意思，下圖即是一棵 B 樹(shù)：
圖中的 p 節(jié)點(diǎn)為指向子節(jié)點(diǎn)的指針，二叉查找樹(shù)和平衡二叉樹(shù)其實(shí)也有，因?yàn)閳D的美觀性，被省略了。
圖中的每個(gè)節(jié)點(diǎn)稱(chēng)為頁(yè)，頁(yè)就是我們上面說(shuō)的磁盤(pán)塊，在 MySQL 中數(shù)據(jù)讀取的基本單位都是頁(yè)，所以我們這里叫做頁(yè)更符合 MySQL 中索引的底層數(shù)據(jù)結(jié)構(gòu)。
從上圖可以看出，B 樹(shù)相對(duì)于平衡二叉樹(shù)，每個(gè)節(jié)點(diǎn)存儲(chǔ)了更多的鍵值（key）和數(shù)據(jù)（data），并且每個(gè)節(jié)點(diǎn)擁有更多的子節(jié)點(diǎn)，子節(jié)點(diǎn)的個(gè)數(shù)一般稱(chēng)為階，上述圖中的 B 樹(shù)為 3 階 B 樹(shù)，高度也會(huì)很低。
基于這個(gè)特性，B 樹(shù)查找數(shù)據(jù)讀取磁盤(pán)的次數(shù)將會(huì)很少，數(shù)據(jù)的查找效率也會(huì)比平衡二叉樹(shù)高很多。
假如我們要查找 id=28 的用戶(hù)信息，那么我們?cè)谏蠄D B 樹(shù)中查找的流程如下：
先找到根節(jié)點(diǎn)也就是頁(yè) 1，判斷 28 在鍵值 17 和 35 之間，那么我們根據(jù)頁(yè) 1 中的指針 p2 找到頁(yè) 3。
將 28 和頁(yè) 3 中的鍵值相比較，28 在 26 和 30 之間，我們根據(jù)頁(yè) 3 中的指針 p2 找到頁(yè) 8。
將 28 和頁(yè) 8 中的鍵值相比較，發(fā)現(xiàn)有匹配的鍵值 28，鍵值 28 對(duì)應(yīng)的用戶(hù)信息為（28，bv）。
B+ 樹(shù)是對(duì) B 樹(shù)的進(jìn)一步優(yōu)化。讓我們先來(lái)看下 B+ 樹(shù)的結(jié)構(gòu)圖：
根據(jù)上圖我們來(lái)看下 B+ 樹(shù)和 B 樹(shù)有什么不同：
①B+ 樹(shù)非葉子節(jié)點(diǎn)上是不存儲(chǔ)數(shù)據(jù)的，僅存儲(chǔ)鍵值，而 B 樹(shù)節(jié)點(diǎn)中不僅存儲(chǔ)鍵值，也會(huì)存儲(chǔ)數(shù)據(jù)。
之所以這么做是因?yàn)樵跀?shù)據(jù)庫(kù)中頁(yè)的大小是固定的，InnoDB 中頁(yè)的默認(rèn)大小是 16KB。
如果不存儲(chǔ)數(shù)據(jù)，那么就會(huì)存儲(chǔ)更多的鍵值，相應(yīng)的樹(shù)的階數(shù)（節(jié)點(diǎn)的子節(jié)點(diǎn)樹(shù)）就會(huì)更大，樹(shù)就會(huì)更矮更胖，如此一來(lái)我們查找數(shù)據(jù)進(jìn)行磁盤(pán)的 IO 次數(shù)又會(huì)再次減少，數(shù)據(jù)查詢(xún)的效率也會(huì)更快。
另外，B+ 樹(shù)的階數(shù)是等于鍵值的數(shù)量的，如果我們的 B+ 樹(shù)一個(gè)節(jié)點(diǎn)可以存儲(chǔ) 1000 個(gè)鍵值，那么 3 層 B+ 樹(shù)可以存儲(chǔ) 1000×1000×1000=10 億個(gè)數(shù)據(jù)。
一般根節(jié)點(diǎn)是常駐內(nèi)存的，所以一般我們查找 10 億數(shù)據(jù)，只需要 2 次磁盤(pán) IO。
②因?yàn)?B+ 樹(shù)索引的所有數(shù)據(jù)均存儲(chǔ)在葉子節(jié)點(diǎn)，而且數(shù)據(jù)是按照順序排列的。
那么 B+ 樹(shù)使得范圍查找，排序查找，分組查找以及去重查找變得異常簡(jiǎn)單。而 B 樹(shù)因?yàn)閿?shù)據(jù)分散在各個(gè)節(jié)點(diǎn)，要實(shí)現(xiàn)這一點(diǎn)是很不容易的。
有心的讀者可能還發(fā)現(xiàn)上圖 B+ 樹(shù)中各個(gè)頁(yè)之間是通過(guò)雙向鏈表連接的，葉子節(jié)點(diǎn)中的數(shù)據(jù)是通過(guò)單向鏈表連接的。
其實(shí)上面的 B 樹(shù)我們也可以對(duì)各個(gè)節(jié)點(diǎn)加上鏈表。這些不是它們之前的區(qū)別，是因?yàn)樵?MySQL 的 InnoDB 存儲(chǔ)引擎中，索引就是這樣存儲(chǔ)的。
也就是說(shuō)上圖中的 B+ 樹(shù)索引就是 InnoDB 中 B+ 樹(shù)索引真正的實(shí)現(xiàn)方式，準(zhǔn)確的說(shuō)應(yīng)該是聚集索引（聚集索引和非聚集索引下面會(huì)講到）。
通過(guò)上圖可以看到，在 InnoDB 中，我們通過(guò)數(shù)據(jù)頁(yè)之間通過(guò)雙向鏈表連接以及葉子節(jié)點(diǎn)中數(shù)據(jù)之間通過(guò)單向鏈表連接的方式可以找到表中所有的數(shù)據(jù)。
MyISAM 中的 B+ 樹(shù)索引實(shí)現(xiàn)與 InnoDB 中的略有不同。在 MyISAM 中，B+ 樹(shù)索引的葉子節(jié)點(diǎn)并不存儲(chǔ)數(shù)據(jù)，而是存儲(chǔ)數(shù)據(jù)的文件地址。
在上節(jié)介紹 B+ 樹(shù)索引的時(shí)候，我們提到了圖中的索引其實(shí)是聚集索引的實(shí)現(xiàn)方式。
那什么是聚集索引呢？在 MySQL 中，B+ 樹(shù)索引按照存儲(chǔ)方式的不同分為聚集索引和非聚集索引。
這里我們著重介紹 InnoDB 中的聚集索引和非聚集索引：
①聚集索引（聚簇索引）：以 InnoDB 作為存儲(chǔ)引擎的表，表中的數(shù)據(jù)都會(huì)有一個(gè)主鍵，即使你不創(chuàng)建主鍵，系統(tǒng)也會(huì)幫你創(chuàng)建一個(gè)隱式的主鍵。
這是因?yàn)?InnoDB 是把數(shù)據(jù)存放在 B+ 樹(shù)中的，而 B+ 樹(shù)的鍵值就是主鍵，在 B+ 樹(shù)的葉子節(jié)點(diǎn)中，存儲(chǔ)了表中所有的數(shù)據(jù)。
這種以主鍵作為 B+ 樹(shù)索引的鍵值而構(gòu)建的 B+ 樹(shù)索引，我們稱(chēng)之為聚集索引。
②非聚集索引（非聚簇索引）：以主鍵以外的列值作為鍵值構(gòu)建的 B+ 樹(shù)索引，我們稱(chēng)之為非聚集索引。
非聚集索引與聚集索引的區(qū)別在于非聚集索引的葉子節(jié)點(diǎn)不存儲(chǔ)表中的數(shù)據(jù)，而是存儲(chǔ)該列對(duì)應(yīng)的主鍵，想要查找數(shù)據(jù)我們還需要根據(jù)主鍵再去聚集索引中進(jìn)行查找，這個(gè)再根據(jù)聚集索引查找數(shù)據(jù)的過(guò)程，我們稱(chēng)為回表。
明白了聚集索引和非聚集索引的定義，我們應(yīng)該明白這樣一句話(huà)：數(shù)據(jù)即索引，索引即數(shù)據(jù)。
前面我們講解 B+ 樹(shù)索引的時(shí)候并沒(méi)有去說(shuō)怎么在 B+ 樹(shù)中進(jìn)行數(shù)據(jù)的查找，主要就是因?yàn)檫€沒(méi)有引出聚集索引和非聚集索引的概念。
下面我們通過(guò)講解如何通過(guò)聚集索引以及非聚集索引查找數(shù)據(jù)表中數(shù)據(jù)的方式介紹一下 B+ 樹(shù)索引查找數(shù)據(jù)方法。
還是這張 B+ 樹(shù)索引圖，現(xiàn)在我們應(yīng)該知道這就是聚集索引，表中的數(shù)據(jù)存儲(chǔ)在其中。
現(xiàn)在假設(shè)我們要查找 id>=18 并且 id<40 的用戶(hù)數(shù)據(jù)。對(duì)應(yīng)的 sql 語(yǔ)句為：
MySQL
1 | select * from user where id>=18 and id <40 |
其中 id 為主鍵，具體的查找過(guò)程如下：
①一般根節(jié)點(diǎn)都是常駐內(nèi)存的，也就是說(shuō)頁(yè) 1 已經(jīng)在內(nèi)存中了，此時(shí)不需要到磁盤(pán)中讀取數(shù)據(jù)，直接從內(nèi)存中讀取即可。
從內(nèi)存中讀取到頁(yè) 1，要查找這個(gè) id>=18 and id <40 或者范圍值，我們首先需要找到 id=18 的鍵值。
從頁(yè) 1 中我們可以找到鍵值 18，此時(shí)我們需要根據(jù)指針 p2，定位到頁(yè) 3。
②要從頁(yè) 3 中查找數(shù)據(jù)，我們就需要拿著 p2 指針去磁盤(pán)中進(jìn)行讀取頁(yè) 3。
從磁盤(pán)中讀取頁(yè) 3 后將頁(yè) 3 放入內(nèi)存中，然后進(jìn)行查找，我們可以找到鍵值 18，然后再拿到頁(yè) 3 中的指針 p1，定位到頁(yè) 8。
③同樣的頁(yè) 8 頁(yè)不在內(nèi)存中，我們需要再去磁盤(pán)中將頁(yè) 8 讀取到內(nèi)存中。
將頁(yè) 8 讀取到內(nèi)存中后。因?yàn)轫?yè)中的數(shù)據(jù)是鏈表進(jìn)行連接的，而且鍵值是按照順序存放的，此時(shí)可以根據(jù)二分查找法定位到鍵值 18。
此時(shí)因?yàn)橐呀?jīng)到數(shù)據(jù)頁(yè)了，此時(shí)我們已經(jīng)找到一條滿(mǎn)足條件的數(shù)據(jù)了，就是鍵值 18 對(duì)應(yīng)的數(shù)據(jù)。
因?yàn)槭欠秶檎?，而且此時(shí)所有的數(shù)據(jù)又都存在葉子節(jié)點(diǎn)，并且是有序排列的，那么我們就可以對(duì)頁(yè) 8 中的鍵值依次進(jìn)行遍歷查找并匹配滿(mǎn)足條件的數(shù)據(jù)。
我們可以一直找到鍵值為 22 的數(shù)據(jù)，然后頁(yè) 8 中就沒(méi)有數(shù)據(jù)了，此時(shí)我們需要拿著頁(yè) 8 中的 p 指針去讀取頁(yè) 9 中的數(shù)據(jù)。
④因?yàn)轫?yè) 9 不在內(nèi)存中，就又會(huì)加載頁(yè) 9 到內(nèi)存中，并通過(guò)和頁(yè) 8 中一樣的方式進(jìn)行數(shù)據(jù)的查找，直到將頁(yè) 12 加載到內(nèi)存中，發(fā)現(xiàn) 41 大于 40，此時(shí)不滿(mǎn)足條件。那么查找到此終止。
最終我們找到滿(mǎn)足條件的所有數(shù)據(jù)，總共 12 條記錄：
(18,kl), (19,kl), (22,hj), (24,io), (25,vg) , (29,jk), (31,jk) , (33,rt) , (34,ty) , (35,yu) , (37,rt) , (39,rt) 。
下面看下具體的查找流程圖
讀者看到這張圖的時(shí)候可能會(huì)蒙，這是啥東西?。吭趺炊际菙?shù)字。如果有這種感覺(jué)，請(qǐng)仔細(xì)看下圖中紅字的解釋。
什么？還看不懂？那我再來(lái)解釋下吧。首先，這個(gè)非聚集索引表示的是用戶(hù)幸運(yùn)數(shù)字的索引（為什么是幸運(yùn)數(shù)字？一時(shí)興起想起來(lái)的:-)），此時(shí)表結(jié)構(gòu)是這樣的。
在葉子節(jié)點(diǎn)中，不再存儲(chǔ)所有的數(shù)據(jù)了，存儲(chǔ)的是鍵值和主鍵。對(duì)于葉子節(jié)點(diǎn)中的 x-y，比如 1-1。左邊的 1 表示的是索引的鍵值，右邊的 1 表示的是主鍵值。
如果我們要找到幸運(yùn)數(shù)字為 33 的用戶(hù)信息，對(duì)應(yīng)的 sql 語(yǔ)句為：
MySQL
1 | select * from user where luckNum=33 |
查找的流程跟聚集索引一樣，這里就不詳細(xì)介紹了。我們最終會(huì)找到主鍵值 47，找到主鍵后我們需要再到聚集索引中查找具體對(duì)應(yīng)的數(shù)據(jù)信息，此時(shí)又回到了聚集索引的查找流程。
下面看下具體的查找流程圖：
在 MyISAM 中，聚集索引和非聚集索引的葉子節(jié)點(diǎn)都會(huì)存儲(chǔ)數(shù)據(jù)的文件地址。
本篇文章從二叉查找樹(shù)，詳細(xì)說(shuō)明了為什么 MySQL 用 B+ 樹(shù)作為數(shù)據(jù)的索引，以及在 InnoDB 中數(shù)據(jù)庫(kù)如何通過(guò) B+ 樹(shù)索引來(lái)存儲(chǔ)數(shù)據(jù)以及查找數(shù)據(jù)。我們一定要記住這句話(huà)：數(shù)據(jù)即索引，索引即數(shù)據(jù)
“Mysql索引模型B+樹(shù)的詳細(xì)介紹”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！
重慶分公司
重慶分公司
