MySQL中的B+树索引结构
B树
B树（B-tree、B-树）：是一种平衡的多路搜索树，多用于文件系统、数据库的实现。
B树的特点：
1个节点可以存储超过2个元素、可以拥有超过2个子节点；
拥有二叉搜索树的一些性质（有序性）；
平衡，每个节点的所有子树高度一致；
树的整体高度较低。
m阶B树的性质（m≥2）
m阶表示节点允许有m个子节点，节点元素的个数可以有m-1个。
3阶B树：
4阶B树：
B+树
B+树是B树的一种变形形式，B+树上的叶子结点存储关键字以及相应记录
的地址，叶子结点以上各层作为索引使用。
从上图我们可以归纳出B+树的几个特征：
所有记录节点都是按键值的大小顺序存放在同一层的叶子节点上，由各叶子节点
指针进行连接；相同节点数量的情况下，B+树高度远低于平衡二叉树；
非叶子节点只保存索引信息和下一层节点的指针信息，不保存实际数据
记录；只有叶子节点存储实际的数据。
B+树的变体为B树，在B+树的非根和非叶子结点再增加指向兄弟的指针；
B树定义了非叶子结点关键字个数至少为(2/3)*M，即块的最低使用率为2/3（代
替 B+树的1/2）。
MySQL中的B+树索引结构
B+树索引是数据库系统中最为常见的一种索引数据结构，几乎所有的关系型数据库都支持它。
那为什么关系型数据库都热衷支持B+树索引呢？因为它是目前为止排序最有效率的数据结构。像二叉树，哈希索引、红黑树、SkipList，在海量数据基于磁盘存储效率方面远不如B+树索引高效。
所以，上述的数据结构一般仅用于内存对象，基于磁盘的数据排序与存储，最有效的依然是B+树索引。
B+树索引的特点是： 基于磁盘的平衡树，但树非常矮，通常为3~4层，能存放千万到上亿的排序数据。树矮意味着访问效率高，从千万或上亿数据里查询一条数据，只用 3、4 次I/O。
又因为现在的固态硬盘每秒能执行至少10000次I/O，所以查询一条数据，哪怕全部在磁盘上，也只需要0.0030.004秒。另外，因为B+树矮，在做排序时，也只需要比较34次就能定位数据需要插入的位置，排序效率非常不错。
B+树索引由根节点（root node）、中间节点（non leaf node）、叶子节点（leaf node）组成，其中叶子节点存放所有排序后的数据。当然也存在一种比较特殊的情况，比如高度为1的B+树索引：
上图中，第一个列就是B+树索引排序的列，你可以理解它是表User中的列id，类型为8字节的BIGINT，所以列userId就是索引键（key），类似下表：
CREATE TABLE User (id BIGINT AUTO_INCREMENT PRIMARY KEY,name VARCHAR(128) NOT NULL,sex CHAR(6) NOT NULL,registerDate DATETIME NOT NULL,...
)
所有B+树都是从高度为1的树开始，然后根据数据的插入，慢慢增加树的高度。你要牢记：索引是对记录进行排序， 高度为1的B+树索引中，存放的记录都已经排序好了，若要在一个叶子节点内再进行查询，只进行二分查找，就能快速定位数据。
可随着插入B+树索引的记录变多，1个页（16K）无法存放这么多数据，所以会发生B+树的分裂，B+树的高度变为 2，当B+树的高度大于等于2时，根节点和中间节点存放的是索引键对，由（索引键、指针）组成。
索引键就是排序的列，而指针是指向下一层的地址，在MySQ 的InnoDB存储引擎中占用6个字节。下图显示了B+树高度为2时，B+树索引的样子：
可以看到，在上面的B+树索引中，若要查询索引键值为5的记录，则首先查找根节点，查到键值对（20，地址），这表示小于20的记录在地址指向的下一层叶子节点中。接着根据下一层地址就可以找到最左边的叶子节点，在叶子节点中根据二分查找就能找到索引键值为5的记录。
那一个高度为2的B+树索引，理论上最多能存放多少行记录呢?
在 MySQL InnoDB存储引擎中，一个页的大小为16K，在上面的表User中，键值userId是BIGINT类型，则：
根节点能最多存放以下多个键值对 = 16K / 键值对大小(8+6) ≈ 1100
再假设表User中，每条记录的大小为500字节，则：
叶子节点能存放的最多记录为 = 16K / 每条记录大小 ≈ 32
综上所述，树高度为 2 的 B+ 树索引，最多能存放的记录数为：
总记录数 = 1100 * 32 = 35,200
也就是说，35200条记录排序后，生成的B+树索引高度为2。在35200条记录中根据索引键查询一条记录只需要查询2个页，一个根叶，一个叶子节点，就能定位到记录所在的页。
高度为3的B+树索引本质上与高度2的索引一致，如下图所示，不再赘述：
同理，树高度为3的 B+ 树索引，最多能存放的记录数为：
总记录数 = 1100（根节点） * 1100（中间节点） * 32 = 38,720,000
讲到这儿，你会发现，高度为3的B+树索引竟然能存放3800W条记录。高度为4的B+树索引就能存放上百亿的记录了，也就意味着在亿级别的数据中查询一条记录，只需要查询4页，也就是4次IO操作。那么B+树索引的优势是否逐步体现出来了呢？
不过，在真实环境中，每个页其实利用率并没有这么高，还会存在一些碎片的情况。
优化B+树索引的插入性能
B+树的查询高效是要付出代价的,也就是在插入时会带来性能问题。
B+ 树在插入时就对要对数据进行排序，但排序的开销其实并没有你想象得那么大，因为排序是CPU操作（当前一个时钟周期CPU能处理上亿指令）。
真正的开销在于B+树索引的维护，保证数据排序，这里存在两种不同数据类型的插入情况。
数据顺序（或逆序）插入： B+ 树索引的维护代价非常小，叶子节点都是从左往右进行插入，比较典型的是自增 ID 的插入、时间的插入（若在自增 ID 上创建索引，时间列上创建索引，则 B+ 树插入通常是比较快的）。
数据无序插入： B+ 树为了维护排序，需要对页进行分裂、旋转等开销较大的操作，另外，即便对于固态硬盘，随机写的性能也不如顺序写，所以磁盘性能也会收到较大影响。比较典型的是用户昵称，每个用户注册时，昵称是随意取的，若在昵称上创建索引，插入是无序的，索引维护需要的开销会比较大。
你不可能要求所有插入的数据都是有序的，因为索引的本身就是用于数据的排序，插入数据都已经是排序的，那么你就不需要B+树索引进行数据查询了。
所以对于B+树索引，在 MySQL 数据库设计中，仅要求主键的索引设计为顺序，比如使用自增，而不用无序值做主键。
MySQL中的B+树索引结构相关推荐
- mysql中b树索引_Mongo和Mysql中的B树索引
为什么Mysql中Innodb的索引结构采取B+树? 回答这个问题时,给自己留一条后路,不要把B树喷的一文不值.因为网上有些答案是说,B树不适合做文件存储系统的索引结构.如果按照那种答法,自己就给自己 ...
- Mysql 索引 总结 —— 概述 || 索引优势劣势|| 索引结构（索引是在MySQL的存储引擎层中实现的）|| BTREE 结构||B+TREE 结构||MySQL中的B+Tree||索引分类
索引概述 MySQL官方对索引的定义为:索引(index)是帮助MySQL高效获取数据的数据结构(有序). 在数据之外,数据库系统还维护者满足特定查找算法的数据结构, 这些数据结构以某种方式引用(指向 ...
- mysql默认存储引擎的索引结构是_InnoDB引擎的索引和存储结构
在Oracle 和SQL Server等数据库中只有一种存储引擎,所有数据存储管理机制都是一样的. 而MySql数据库提供了多种存储引擎.用户可以根据不同的需求为数据表选择不同的存储引擎,用户也可以根 ...
- mysql中创建视图、索引
数据库的三级模式两级映射: 存储文件------>基本表----->视图 内模式 ------->模式 ------>外模式 一.视图 1.什么是视图: 视图是从一个或 ...
- MySQL(InnoDB剖析):24---B+树索引（聚集索引与非聚集索引(辅助索引)）、B+树索引的分裂
一.B+树索引概述 B+树索引的本质就是B+树在数据库中的实现.但是B+索引在数据库中有一个特点就是高扇出性,因此在数据库中,B+树的高度一般都在2~4层,也就是说查找某一键值的行记录最多只需要2~4 ...
- MySQL(InnoDB剖析):---B+树索引（聚集索引与非聚集索引(辅助索引)）、B+树索引的分裂
小伙伴们大家好!今天是大年三十,给大家拜个早年!在此小弟祝各位大哥们与家人团团圆圆,和和睦睦,新的一年身体健康,工作顺利! 一.B+树索引概述 B+树索引的本质就是B+树在数据库中的实现.但是B+索引 ...
- MySQL中一个B+树能存储多少数据
MySQL聚簇索引的存储结构 MySQL中InnoDB页的大小默认是16k.也可以自己进行设置.(计算机在存储数据的时候,最小存储单元是扇区,一个扇区的大小是 512 字节,而文件系统(例如 XFS/ ...
- MySQL中InnoDB引擎对索引的扩展
摘要:InnoDB引擎对索引的扩展,自动追加主键值及其对执行计划的影响. MySQL中,使用InnoDB引擎的每个表,创建的普通索引(即非主键索引),都会同时保存主键的值. 比如语句 CREATE T ...
- mysql 创建表格time类型_记一次关于 Mysql 中 text 类型和索引问题引起的慢查询的定位及优化...
最近有用户反馈产品有些页面加载比较慢,刚好我在学习 Mysql 相关知识,所以先从 Mysql 慢查询日志开始定位: step1:通过慢查询日志定位具体 SQL 首先通过 SHOW VARIABLES ...
- mysql 转成树_Mysql树型结构2种方式及相互转换
Mysql实现树型结构,数据库上常见有2种方式:领接表.预排序遍历树(MPTT). 领接表方式-- 主要依赖于一个 parent 字段,用于指向上级节点,将相邻的上下级节点连接起来,id 为自动递增自 ...
最新文章
- SQLSERVER2014中的新功能
- go语言web开发框架_Iris框架讲解（六）：Session的使用和控制
- 网站付费免费推广你更中意哪一个？
- THE TOP FILE(top文件详解)
- POJ 3268 （dijkstra算法）
- java椭圆 类_java 椭圆算法
- 个人所得税的申报方式有两种，分别有什么区别？该怎么选？
- 2022年PMP培训机构如何挑选？哪家好？
- java日期计算天数_Java 两个日期间的天数计算
- 华为最终面试java_最全的华为面试题-java学习
- 智慧城市建设中 网络安全攻防战如何打赢?
- 百度知道APP心跳包分析-MD5字段(gzip + CRC32)
- 阿里技术类面试真题，你能做对几个？（含答案）
- 1001: 植树问题
- 使用Python出现的错误和解决方法
- windows下的300个免费软件
- 【Android-I】Android开发之常见错误：Dx unsupported class file version 52.0...while parsing com/...
- 使用决策树（decision-tree）预测隐形眼镜类型（标签二值化（LabelBinarizer）复原输出）
- 人工智能领域有哪些优秀的工作第一次是被拒稿的，被什么拒了。现在怎么样? 拒稿理由是什么？...
- 企服网：电销外呼系统线路和系统哪个更重要？