mysql 索引(为什么选择B+ Tree?)

索引实现原理

索引:排好序 的数据结构

优点:降低I/O成本,CPU的资源消耗(数据持久化在磁盘中,每次查询都得与磁盘交互)

缺点:更新表效率变慢,(更新表数据,还要更新索引),占用空间

分类:主键索引,唯一索引,单值索引,组合索引

索引的数据结构

Hash表(舍弃:不适合范围查找和排序)

hashMap中(key,value)就说基于这种hash算法

对于hash算法的CRUD 来讲,时间复杂度为O(1),但对于范围 查询和排序来讲,时间复杂度又从最好变为O(n)

二叉树(舍弃:自增序列无效)

理想情况

mysql不使用的原因:对于自增数据,树左倾或右倾形成链表,时间复杂度变回了O(n)

红黑树(舍弃:树会很高)

本质就是二叉树,相比较于二叉树,他有平衡功能(当一边高时,会自动更新根节点),又称为二叉平衡树

mysql 不使用原因:数据量大的时候,树会更高,查找到叶子节点效率也会慢,每层就是一次IO

B Tree(舍弃:每个节点存放数据,可以优化)

特点:在每个节点 ,放多个 索引

优点:树就不会高,但每个节点都会存data数据,会占据很大的磁盘空间

B+ Tree(mysql默认)

优点:

1.非叶子节点不储data,只存储索引,可以放更多的索引

2.叶子节点包含所有索引+data字段,由双向链表 排成一行(更好的实现范围查找和排序)

3.叶子节点用指针连接,提高区间访问的性能

mysql 默认每个节点为16KB ,

例如:若使用bigInt的主键,每个节点大概可放1170 个索引,若树高3层,则为1170*1170 *16 约为2000多万索引

总结:(数据存叶子节点,双向链表)

BTree 和B+Tree都是多路搜索树,区别在于叶子节点和非叶子节点的处理。

1.BTree 每个 节点都储存索引+数据,B+Tree 的非叶子节点 只存储索引+指向叶子节点的指针,数据存到叶子节点 ,这样B+Tree 的非叶子节点就可以放更多的索引,树的层级也就降低了,这样查找更快,减少了磁盘IO 。

2.B+Tree 的叶子节点都有指针相连接,形成双向链接表 ,这样在范围和排序时更快,而BTree 的叶子节点没有相连接,范围查找时还得向父节点查找。所以B+Tree 的范围查找和排序更好

数据结构训练网址

https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

相关推荐
时间的拾荒人4 分钟前
Redis Cluster 集群详解:分片算法、搭建、故障处理与扩容实战
数据库·redis·算法·集群
纆兰3 小时前
MySQL的多表查询
数据库·mysql
七夜zippoe3 小时前
Nexent 模型配置:4 字段与 9 个槽位
数据库·人工智能·模型·nexent
进击的荆棘3 小时前
MySQL——表的操作
数据库·mysql
小番茄程序猿4 小时前
一条 ALTER 拖死全表:MDL 阻塞的完整时间线(8.4.11 实测)
后端·mysql
nice_lcj5205 小时前
MySQL 慢查询与 EXPLAIN:怎么定位、怎么优化
java·数据库·后端·mysql
OceanRoy15 小时前
数据库表的设计
数据库·内连接·外连接·er图·表的约束·三大范式·多表连接
Pniubi16 小时前
怎么排查慢SQL,怎么解决?
java·数据库·sql
Decay__20 小时前
VMware 安装 SQL Server 双节点 AlwaysOn 可用性组教程 —— WSFC、AG 与侦听器完整部署(系列核心篇)
运维·数据库·sql·mysql·架构
茶栀(*´I`*)21 小时前
SQL 性能分析:从慢查询日志到执行计划的完整定位方法
数据库·sql