第 8 章：B+ 树索引------MySQL 最重要的数据结构
⏱ 阅读时间：约 40 分钟 📖 前置知识：第 6 章（InnoDB 存储引擎概论）、第 7 章（InnoDB 的数据页结构） 🎯 读完本章你将：理解 B+ 树索引的完整结构，搞清楚聚簇索引和二级索引的区别，会用数据量推算树的高度
一个问题
假设你有一张用户表，里面存了 1000 万条数据。现在要查一个用户：
sql
SELECT * FROM user WHERE id = 8765432;如果没有索引，MySQL 怎么找到这条记录？
答案是：从头翻到尾，挨个看。
就像你在一本没有目录的 10000 页书里找一个电话号码------只能从第 1 页翻到第 10000 页。
1000 万条数据，假设每条占 200 字节，一个 16KB 的数据页能存 80 条，大约需要 125000 个数据页。每个数据页读一次磁盘......你品品这个 IO 量。
这就是没有索引的代价。
而有了索引呢？MySQL 只需要读 3~4 个页就能找到目标------就像你翻开书的目录，找到了"张三"在第 4321 页。
这个"目录"就是 B+ 树。
B+ 树是 MySQL（InnoDB）最重要的数据结构，没有之一。 你在面试中被问到的 90% 的索引问题，本质上都是在问 B+ 树。
这一章，我们就把这个东西彻底搞明白。
没有索引会怎样？全表扫描的代价
在讲 B+ 树之前，先看看没有索引的世界有多惨。
全表扫描（Full Table Scan）
没有索引的时候，MySQL 只能逐页读取表中的数据，逐行检查是否满足 WHERE 条件。这个过程叫全表扫描。
当然，MySQL 不会每次都真去读磁盘------有 Buffer Pool 缓存着热数据。但即使全在内存里，逐行扫描 1000 万条记录的 CPU 开销也不小。
这就是索引存在的意义：用空间换时间，建一个"目录"，让查找从 O(N) 变成 O(log N)。
从二叉树到 B 树到 B+ 树：一场问题驱动的进化
第一步：二叉搜索树（BST）
最直观的想法是：用二叉搜索树。
二叉搜索树的问题很严重：
- 树太高了 。1000 万个节点，平衡的情况下树高约 23 层。一次查询要访问 23 个节点------23 次磁盘 IO。
- 退化风险。如果插入的数据是有序的（比如自增 ID），二叉搜索树会退化成链表，查询变成 O(N)。
🤔 你可能会想：平衡二叉树（AVL）和红黑树能解决退化问题啊？没错，但它们解决不了"树太高"的问题------一个节点还是只能存一个值，树的深度由节点数量决定。
第二步：B 树（多路搜索树）
让一个节点存多个值，这就是 B 树的核心思想。
B 树的每个节点可以存多个键值和多个指针，树变矮了。但 B 树还有个问题：数据分散在所有节点中。范围查询时需要在各层之间反复跳转，效率不高。
第三步：B+ 树------数据库的终极选择
B+ 树在 B 树的基础上做了三个关键改进：
B+ 树的结构特点
特点一：非叶子节点只存键，不存数据
在 B+ 树中，只有叶子节点存完整数据，非叶子节点只存键 。同样大小的页（16KB），B+ 树的非叶子节点可以放更多的键。
放更多键 → 每个节点的子指针更多 → 树更矮 → 查询更快。
举个例子： 假设主键是 BIGINT（8 字节），一个指针占 6 字节。如果一个页不存数据，只存键和指针：
scss
(16 × 1024) / (8 + 6) ≈ 1170 个键1170 个键意味着一个节点最多有 1171 个子节点。那：
- 第 1 层（根节点）：1 个页
- 第 2 层：1171 个页
- 第 3 层：1171 × 1171 ≈ 137 万个页
- 第 4 层（叶子节点）：137 万 × 1171 ≈ 16 亿个页
每个叶子页大约存 70 行数据，所以一棵 4 层 B+ 树总共能存：
markdown
16 亿 × 70 ≈ **1120 亿**条记录💡 面试回答技巧 ：不需要精确计算，记住数量级就够了。3 层约 9600 万行，4 层约千亿级，5 层可以存到万亿级。实际业务中绝大多数表 3-4 层就足够了。
特点二：叶子节点存所有数据
无论你查找什么数据，最终都要到达叶子节点才能拿到。非叶子节点只负责"指路"。
好处是查询性能稳定------每次查询的磁盘 IO 次数都等于树的高度。
特点三：叶子节点形成双向链表
这个双向链表是 B+ 树的"杀手锏"。范围查询 WHERE id BETWEEN 100 AND 200，只需要：从根找到 id=100 所在叶子节点，然后沿链表向右遍历到 id=200。一次"从根到叶子"的查找 + 一段链表遍历，搞定。
💡 记住这一句就够了： B+ 树的三个特点------非叶节点只存键（树更矮）、叶子存全部数据（性能稳定）、叶子串成双向链表（范围查询快）。这三点让它成为数据库索引的终极选择。
聚簇索引的 B+ 树长什么样？
InnoDB 中有两种索引：聚簇索引 （Clustered Index）和二级索引（Secondary Index）。
聚簇索引就是表本身。 它的叶子节点存的是完整的行数据。
sql
CREATE TABLE user (
id BIGINT PRIMARY KEY, -- 聚簇索引的键
name VARCHAR(50),
age INT,
city VARCHAR(50)
);上面这张表，id 是主键，InnoDB 会自动用 id 建一棵 B+ 树，这棵 B+ 树就是表本身------数据和索引是一体的。
几个关键点：
- 每张 InnoDB 表有且仅有一个聚簇索引。因为你不可能把同一份数据按两种不同的顺序物理存储。
- 聚簇索引的键就是主键 。如果你建表时没有指定主键，InnoDB 会自动找一个非空唯一索引作为聚簇索引；如果也没有，它会自动生成一个 6 字节的隐藏列
row_id作为聚簇索引。 - 聚簇索引决定了数据的物理存储顺序。这就是为什么你用自增 ID 做主键时，插入数据是追加写入的（顺序 IO），性能很好。如果你用 UUID 做主键，插入时需要频繁移动数据页中的记录（随机 IO），性能会差很多。
💡 记住这一句就够了： 聚簇索引就是表本身，叶子节点存完整行数据。一张表只有一个聚簇索引，通常就是主键索引。用自增 ID 做主键可以让数据顺序写入，性能最好。
二级索引的 B+ 树长什么样？（回表过程）
如果你要按 name 查用户怎么办？name 不是主键，聚簇索引帮不上忙。
这时候就需要二级索引（也叫辅助索引）。
sql
CREATE INDEX idx_name ON user(name);二级索引的 B+ 树和聚簇索引的结构一样，但有一个关键区别：叶子节点存的不是完整行数据，而是索引键 + 对应的主键值。
这个过程叫回表（Bookmark Lookup）。翻译成大白话就是：
你先查电话簿（二级索引），找到了"张三"的分机号是 1（主键），然后再拨分机号 1（查聚簇索引），才能找到张三的详细信息。
回表的代价
回表意味着你一次查询要走两棵 B+ 树：
二级索引查找：树高次 IO（假设 3 次）
聚簇索引查找：树高次 IO（假设 3 次）
总计：6 次 IO对比直接走聚簇索引只需要 3 次 IO，回表的代价翻了一倍。
如果二级索引匹配到了很多行，每一行都要回表，那代价就是 N × 3 次 IO------N 越大，越慢。这时候优化器可能觉得还不如直接全表扫描呢。
这就是为什么会有覆盖索引------如果查询的列都在二级索引里，就不需要回表了：
sql
-- 需要回表（SELECT * 超出了索引范围）
SELECT * FROM user WHERE name = '张三';
-- 不需要回表（name 和 id 都在二级索引里）
SELECT id, name FROM user WHERE name = '张三';💡 记住这一句就够了： 二级索引的叶子节点存的是索引键+主键值。通过二级索引查询时，需要先在二级索引树中找到主键，再拿主键去聚簇索引树中查找完整数据------这个过程叫回表。覆盖索引可以避免回表。
B+ 树的插入和删除过程（简化版）
插入过程
往 B+ 树中插入一条新记录，大致流程是：
- 从根节点出发，找到合适的叶子节点
- 在叶子节点中插入（叶子节点内部是有序的，需要找到正确的位置）
- 检查叶子节点是否满了
如果叶子节点没满，直接插入，完事。
如果叶子节点满了，就需要分裂：
这就是为什么用自增 ID 做主键更好------新插入的数据总是追加到叶子节点的末尾，不会触发分裂（或者说分裂频率极低）。如果用 UUID 做主键，插入位置是随机的，频繁触发页分裂，性能会大打折扣。
删除过程
删除相对简单：找到叶子节点，删除对应记录。
如果删除后叶子节点太"空"了（低于某个阈值），可能会和相邻节点合并------分裂的逆过程。
📖 更详细的 B+ 树维护机制（包括页分裂、页合并、缓冲池的 Change Buffer 机制等），我们会在第 10 章（索引的底层维护机制）中深入展开。
为什么 B+ 树的层级一般不超过 4 层？
这是一个非常经典的面试题。答案是：因为 InnoDB 的页大小是 16KB，这个"盘子"足够大，能装下足够多的"菜"。
我们用数据来推算一下。
用数据量推算树的高度
假设：
- 页大小：16KB = 16384 字节
- 主键类型：BIGINT，占 8 字节
- 指针大小：6 字节（InnoDB 中页内指针占 6 字节）
非叶子节点：能存多少个键？
非叶子节点只存键 + 指针，不存数据：
yaml
每个键值对占：8（键）+ 6（指针）= 14 字节
每个页能存：16384 / 14 ≈ 1170 个键值对一个有 1170 个键的节点，有 1171 个子指针（比键多一个）。
叶子节点：能存多少条记录？
叶子节点存的是完整行数据。假设一行数据大约 200 字节：
每行占：200 字节（含记录头信息等开销，算 220 字节）
每个页能存：16384 / 220 ≈ 74 条记录保守取 70 条记录/页。
推算各层能存多少数据
这个推算说明了什么？
- 绝大多数表的 B+ 树高度是 2~3 层。1000 万行数据只需要 3 层。
- 即使数据量达到百亿级别，树高也不过 4 层。这意味着任何一条记录的查询，最多只需要 4 次磁盘 IO。
- 根节点通常常驻内存。所以实际上只需要 3 次磁盘 IO（第 2 层 + 第 3 层 + 第 4 层）。
这就是 B+ 树的厉害之处------用极其有限的 IO 次数，支撑起海量的数据查找。
💡 记住这一句就够了： InnoDB 的 B+ 树高度一般不超过 4 层。1000 万行数据只需要 3 层。这是因为 16KB 的页能装下约 1170 个键值对，指数增长使得树高极低。这就是为什么 MySQL 单表存几千万甚至上亿行数据，查询依然很快。
聚簇索引 vs 二级索引：一张图看懂区别
本章小结
你学到了什么
| # | 知识点 | 一句话总结 |
|---|---|---|
| 1 | 全表扫描 | 没有索引时逐页扫描，1000 万行 ≈ 125000 次 IO |
| 2 | 二叉搜索树 | 每个节点存一个值，树太高（23 层），不适合数据库 |
| 3 | B 树 | 多路搜索树，节点存多个值，树变矮，但数据分散在所有层级 |
| 4 | B+ 树三大特点 | 非叶只存键、叶子存全部数据、叶子串成双向链表 |
| 5 | 聚簇索引 | 就是表本身，叶子存完整行数据，一张表只有一个 |
| 6 | 二级索引 | 叶子存索引键+主键值，查询需要回表到聚簇索引 |
| 7 | 回表 | 二级索引 → 拿主键 → 聚簇索引，IO 翻倍，覆盖索引可避免 |
| 8 | 树高推算 | 16KB 页存 1170 个键，4 层 B+ 树可存约 1120 亿行 |
| 9 | 页分裂 | 节点满时分裂为两个，自增主键可减少分裂频率 |
后续章节预告
| 你刚学到的 | 后面在哪章深入展开 |
|---|---|
| 覆盖索引、索引下推 | 第 9 章（索引的多种类型） |
| 页分裂、页合并、Change Buffer | 第 10 章（索引的底层维护机制） |
| 联合索引、最左前缀 | 第 11 章（索引设计实战） |
| 索引优化器如何选择索引 | 第 16 章（执行计划与 optimizer_trace） |
🎯 面试必问 TOP 5
Q1：为什么 MySQL 用 B+ 树而不是 B 树、红黑树或哈希？
B+ 树相比 B 树：非叶节点不存数据，一个页能存更多键，树更矮；叶子节点形成链表，范围查询高效。相比红黑树：红黑树每个节点只存一个值，树太高（23 层 vs 3~4 层），磁盘 IO 次数多。相比哈希：哈希不支持范围查询和排序。
Q2：聚簇索引和二级索引有什么区别？
聚簇索引的叶子节点存完整行数据，一张表只有一个（通常是主键）。二级索引的叶子节点存索引键+主键值，可以有多个。通过二级索引查询需要回表到聚簇索引获取完整数据。
Q3：什么是回表？如何避免？
回表是通过二级索引查到主键后，再拿主键去聚簇索引查完整数据的过程。避免方式：使用覆盖索引------让查询的列都在二级索引中，这样就不需要回表了。
Q4：一棵 B+ 树能存多少数据？为什么一般不超过 4 层？
假设主键 BIGINT（8字节），指针 6 字节，一个 16KB 页能存 1170 个键。4 层 B+ 树可存约 1170 × 1170 × 1170 × 70 ≈ 1120 亿行。因为指数增长，即使海量数据树高也很低。
Q5：为什么建议用自增 ID 做主键？
自增 ID 保证新数据总是追加到叶子节点末尾，是顺序写入，不会触发页分裂，性能好。UUID 等随机主键会导致插入位置随机，频繁触发页分裂，降低写入性能，也会导致二级索引更大（因为二级索引存的是主键值）。
📌 下一章预告： [第 9 章：索引使用策略------知道有索引还不够，还得会用] 我们会看到 InnoDB 中各种索引类型的区别和适用场景，搞清楚什么时候该用什么索引。