极客时间 《Redis核心技术与实战》01 | 基本架构:一个键值数据库包含什么?知识总结

索引

Redis中的索引数据结构

Redis使用的索引结构是哈希表(Hash Table)。Redis的键值对中的key就是字符串对象,而value就是Redis的数据类型,可以是String、List、Hash、Set、Zset等。Redis底层使用了一个全局哈希表保存所有键值对,哈希表的最大好处是O(1)的时间复杂度快速查找到键值对。哈希表其实就是一个数组,数组中的元素叫做哈希桶。当出现哈希冲突时,Redis会使用链表来解决冲突,将冲突的元素保存到同一个哈希桶中

MySQL

MySQL的索引的数据结构是B+Tree。特点是所有的数据都会出现在叶子节点,叶子节点形成一个单向链表,非叶子节点仅仅起到索引数据作用,具体的数据都是在叶子节点存放的。

在MySQL中,使用InnoDB存储引擎时,非主键索引(也称为二级索引或辅助索引)的B+树结构与主键索引的B+树结构有所不同。对于非主键索引的B+树,其叶子节点存储的是索引键值和对应的行数据的地址(即主键值)。

具体来说,非主键索引的B+树叶子节点包含以下两部分:

  1. 索引键值:这是非主键索引的键值,例如,如果有一个索引是建立在某个字段column_name上,那么这个字段的值就是索引键值。
  2. 主键值:由于InnoDB存储引擎使用聚簇索引(即主键索引),数据行是按照主键顺序存放的。因此,非主键索引的叶子节点除了存储索引键值外,还会存储一个指向对应数据行的逻辑指针,这个指针实际上是数据行的主键值。当通过非主键索引查找数据时,InnoDB存储引擎会先在非主键索引的B+树中找到对应的主键值,然后再用这个主键值去主键索引的B+树中查找具体的数据行。

这种设计使得InnoDB存储引擎在通过非主键索引查找数据时需要两次索引查找:第一次是在非主键索引中找到主键值,第二次是在主键索引中找到具体的数据行。这个过程被称为"索引的二次查找"。

在某些情况下,如果查询只需要使用到索引键值,而不需要实际的数据行,这种查询被称为"索引覆盖扫描",它可以避免二次查找,提高查询效率。

相关推荐
CSJ200203142 分钟前
LUMP+NFS架构的Discuz论坛部署
运维·架构
慧一居士29 分钟前
web 系统对接飞书三方登录完整步骤实战使用示例
架构·系统架构
Apipost的同学们32 分钟前
AI时代的接口自动化优化实践:如何突破Postman的局限性
后端·ai·架构·postman·自定义函数·apipost·api+ai
九皇叔叔1 小时前
【9】PostgreSQL 之 vacuum 死元组清理
数据库·postgresql
风雅的远行者1 小时前
mysql互为主从失效,重新同步
数据库·mysql
晨岳1 小时前
CentOS 安装 JDK+ NGINX+ Tomcat + Redis + MySQL搭建项目环境
java·redis·mysql·nginx·centos·tomcat
执笔诉情殇〆1 小时前
前后端分离(java) 和 Nginx在服务器上的完整部署方案(redis、minio)
java·服务器·redis·nginx·minio
宇钶宇夕2 小时前
S7-1200 系列 PLC 中 SCL 语言的 PEEK 和 POKE 指令使用详解
运维·服务器·数据库·程序人生·自动化
绿蚁新亭2 小时前
Spring的事务控制——学习历程
数据库·学习·spring
都叫我大帅哥3 小时前
🌟 Redis缓存与数据库数据一致性:一场数据世界的“三角恋”保卫战
redis