为什么MySQL用b+不用B数

MySQL(特别是其默认存储引擎 InnoDB)使用 B+ 树 而不是 B 树 作为索引结构,主要是因为 B+ 树在数据库系统中具有以下几个关键优势,更适合磁盘 I/O 和范围查询等常见数据库操作:


1. 所有数据都存储在叶子节点

  • B+ 树 :内部节点只存储索引键(用于导航),实际的数据(或指向数据的指针)全部存储在叶子节点。
  • B 树:每个节点(包括内部节点)都可能存储数据。

优势:

  • 叶子节点可以形成一个有序链表 ,便于高效执行范围查询 (如 WHERE id BETWEEN 10 AND 100)。
  • 内部节点不存数据,可以容纳更多键,从而降低树的高度,减少磁盘 I/O 次数。

2. 更高的扇出(Fan-out) → 更矮的树

  • 因为 B+ 树的内部节点只存键(不存数据),每个页(如 InnoDB 的 16KB 页)能存放更多键。
  • 假设一个页能存 1000 个键,那么:
    • 2 层 B+ 树可索引约 100 万条记录(1000 × 1000)
    • 3 层可索引约 10 亿条记录

优势:树更"矮胖",查找任意记录最多只需 2~3 次磁盘 I/O,性能稳定。


3. 范围查询效率高

  • B+ 树的叶子节点通过指针顺序连接,遍历范围数据时只需顺序读取叶子节点。
  • B 树的范围查询需要中序遍历整棵树,效率低且难以优化。

优势 :对 ORDER BY、GROUP BY、范围扫描等操作非常友好。


4. 更适合磁盘存储模型

  • 数据库以页(Page) 为单位读写磁盘(InnoDB 默认 16KB)。
  • B+ 树的设计天然契合"一次读取一页"的 I/O 模型。
  • 所有数据集中在叶子层,缓存和预读策略更容易优化。

对比总结:

表格

特性 B 树 B+ 树
数据存储位置 所有节点 仅叶子节点
内部节点是否存数据 是 否(只存索引键)
叶子是否链式连接 否 是
范围查询效率 较低 高
树高度 相对较高 更矮(因扇出更大)
适合场景 内存查找、单点查询为主 磁盘存储、范围查询、数据库索引

补充说明

  • MySQL 的 MyISAM 引擎也使用 B+ 树。
  • 其他数据库(如 PostgreSQL、Oracle、SQL Server)同样普遍采用 B+ 树作为主索引结构。
  • 哈希索引适用于等值查询(如 Memory 引擎),但不支持范围查询,因此不适合作为主索引。

结论 :

MySQL 使用 B+ 树而非 B 树,是因为 B+ 树在磁盘 I/O 效率、范围查询性能、树高控制等方面更契合关系型数据库的实际需求。

相关推荐
PingCAP11 小时前
平凯数据库 × 圣诺云数:让治理数据实时可用、跨域可信流通
数据库·tidb
利威尔xu11 小时前
PostgreSQL 索引失效 4 类:函数运算让查询全表扫描拖垮性能
开发语言·数据库·postgresql·性能优化·索引优化
PingCAP11 小时前
挚文集团(陌陌、探探)从 MySQL 分库分表到 TiDB 实时统一架构的实践
数据库·tidb
Decay__11 小时前
SQLServer 运维自动化平台 —— PowerShell + SQL Agent 作业:部署、监控、巡检、告警、工单闭环一体化
运维·数据库·sql·mysql·架构
杨凯凡12 小时前
Spring Framework 7 原生重试与并发限制实战:@Retryable、@ConcurrencyLimit 能替代 Resilience4j 吗?
数据库·spring·sqlserver
星恒随风12 小时前
MySQL 从零入门(十):MVCC、Undo Log 与 Read View 详解——InnoDB 如何实现事务隔离?
linux·数据库·笔记·sql·mysql
zdr尽职尽责12 小时前
终端工具凭空消失:Codex + GPT-6 的一次完整排障复盘
数据库·gpt·学习·ai
txxzjmzlh13 小时前
Redis 介绍及简单使用
数据库·redis·缓存
进击的荆棘14 小时前
MySQL——数据类型
数据库·mysql
TDengine (老段)14 小时前
TDengine IDMP 预测、异常检测与数据插补
大数据·数据库·人工智能·时序数据库·tdengine·涛思数据·idmp