为什么生产环境中B+树的高度总是3-4层?
答案:一个高度为 3 的 B+ 树大概可以存放 1170 × 1170 × 16 = 21902400 行数据,已经是千万级别的数据量了。
大多数项目也就是这个量级的数据了吧?再大的……也该拆分拆分了
面试题:InnoDB中一棵B+树能存多少行数据?www.jianshu.com/p/3578beed5a68正在上传…重新上传取消
一、InnoDB 一棵 B+ 树可以存放多少行数据?
InnoDB 一棵 B+ 树可以存放多少行数据?
这个问题的简单回答是:约 2 千万。
为什么是这么多呢?
因为这是可以算出来的,要搞清楚这个问题,我们先从 InnoDB 索引数据结构、数据组织方式说起。
我们都知道计算机在存储数据的时候,有最小存储单元,这就好比我们今天进行现金的流通最小单位是一毛。
在计算机中磁盘存储数据最小单元是扇区,一个扇区的大小是 512 字节,而文件系统(例如XFS/EXT4)他的最小单元是块,一个块的大小是 4k,而对于我们的 InnoDB 存储引擎也有自己的最小储存单元——页(Page),一个页的大小是 16K。
二、下面几张图可以帮你理解最小存储单元
文件系统中一个文件大小只有1个字节,但不得不占磁盘上4KB的空间。
Innodb 的所有数据文件(后缀为 ibd 的文件),他的大小始终都是 16384(16k)的整数倍。
磁盘扇区、文件系统、InnoDB 存储引擎都有各自的最小存储单元。
在 MySQL 中我们的 InnoDB 页的大小默认是 16k,当然也可以通过参数设置:
数据表中的数据都是存储在页中的,所以一个页中能存储多少行数据呢?
假设一行数据的大小是 1k,那么一个页可以存放 16 行这样的数据。
如果数据库只按这样的方式存储,那么如何查找数据就成为一个问题,因为我们不知道要查找的数据存在哪个页中,也不可能把所有的页遍历一遍,那样太慢了。
所以人们想了一个办法,用 B+ 树的方式组织这些数据。如图所示:
我们先将数据记录按主键进行排序,分别存放在不同的页中(为了便于理解我们这里一个页中只存放 3 条记录,实际情况可以存放很多),除了存放数据的页以外,还有存放键值+指针的页,如图中page number=3 的页,该页存放键值和指向数据页的指针,这样的页由 N 个键值 + 指针组成。
当然它也是排好序的。
这样的数据组织形式,我们称为索引组织表。
现在来看下,要查找一条数据,怎么查?
如 select * from user where id=5;
这里 id 是主键,我们通过这棵 B+ 树来查找,首先找到根页,你怎么知道 user 表的根页在哪呢?
其实每张表的根页位置在表空间文件中是固定的,即 page number=3 的页(这点我们下文还会进一步证明),找到根页后通过二分查找法,定位到 id=5 的数据应该在指针 P5 指向的页中,那么进一步去 page number=5 的页中查找,同样通过二分查询法即可找到 id=5 的记录:
| 5 | zhao2 | 27 |
现在我们清楚了 InnoDB 中主键索引 B+ 树是如何组织数据、查询数据的,我们总结一下:
1、InnoDB 存储引擎的最小存储单元是页,页可以用于存放数据也可以用于存放键值 + 指针,在 B+ 树中叶子节点存放数据,非叶子节点存放键值 + 指针。
2、索引组织表通过非叶子节点的二分查找法以及指针确定数据在哪个页中,进而在去数据页中查找到需要的数据;
三、那么回到我们开始的问题,通常一棵 B+ 树可以存放多少行数据?
这里我们先假设 B+ 树高为 2,即存在一个根节点和若干个叶子节点,那么这棵 B+ 树的存放总记录数为:根节点指针数 * 单个叶子节点记录行数。
上文我们已经说明单个叶子节点(页)中的记录数 =16K/1K=16。(这里假设一行记录的数据大小为 1k,实际上现在很多互联网业务数据记录大小通常就是 1K 左右)。
那么现在我们需要计算出非叶子节点能存放多少指针?
其实这也很好算,我们假设主键 ID 为 bigint 类型,长度为 8 字节,而指针大小在 InnoDB 源码中设置为 6 字节,这样一共 14 字节,我们一个页中能存放多少这样的单元,其实就代表有多少指针,即 16384/14=1170。
那么可以算出一棵高度为 2 的 B+ 树,能存放 1170*16=18720 条这样的数据记录。
根据同样的原理我们可以算出一个高度为 3 的 B+ 树可以存放: 1170*1170*16=21902400 条这样的记录。
所以在 InnoDB 中 B+ 树高度一般为 1-3 层,它就能满足千万级的数据存储。
在查找数据时一次页的查找代表一次 IO,所以通过主键索引查询通常只需要 1-3 次 IO 操作即可查找到数据。
四、怎么得到 InnoDB 主键索引 B+ 树的高度?
上面我们通过推断得出 B+ 树的高度通常是 1-3,下面我们从另外一个侧面证明这个结论。
在 InnoDB 的表空间文件中,约定 page numbe r为 3 的代表主键索引的根页,而在根页偏移量为 64 的地方存放了该 B+ 树的 page level。
如果 page level 为 1,树高为 2,page level 为 2,则树高为 3。
即 B+ 树的高度 =page level+1;
下面我们将从实际环境中尝试找到这个 page level。
在实际操作之前,你可以通过 InnoDB 元数据表确认主键索引根页的 page number 为 3,你也可以从《InnoDB 存储引擎》这本书中得到确认。
执行结果:
可以看出数据库 dbt3 下的 customer 表、lineitem 表主键索引根页的 page number 均为 3,而其他的二级索引 page number 为 4。
关于二级索引与主键索引的区别请参考 MySQL 相关书籍,本文不在此介绍。
下面我们对数据库表空间文件做想相关的解析:
因为主键索引 B+ 树的根页在整个表空间文件中的第 3 个页开始,所以可以算出它在文件中的偏移量:16384*3=49152(16384 为页大小)。
另外根据《InnoDB 存储引擎》中描述在根页的 64 偏移量位置前 2 个字节,保存了 page level 的值,因此我们想要的 page level 的值在整个文件中的偏移量为:16384*3+64=49152+64=49216,前 2 个字节中。
接下来我们用 hexdump 工具,查看表空间文件指定偏移量上的数据:
linetem 表的 page level 为 2,B+ 树高度为 page level+1=3;
region 表的 page level 为 0,B+ 树高度为 page level+1=1;
customer 表的 page level 为 2,B+ 树高度为 page level+1=3;
这三张表的数据量如下:
五、小结
lineitem 表的数据行数为 600 多万,B+ 树高度为 3,customer 表数据行数只有 15 万,B+ 树高度也为 3。
可以看出尽管数据量差异较大,这两个表树的高度都是 3,换句话说这两个表通过索引查询效率并没有太大差异,因为都只需要做 3 次 IO。
那么如果有一张表行数是一千万,那么他的 B+ 树高度依旧是 3,查询效率仍然不会相差太大。
region 表只有 5 行数据,当然他的 B+ 树高度为 1。
六、最后回顾一道面试题
有一道 MySQL 的面试题,为什么 MySQL 的索引要使用 B+ 树而不是其它树形结构?
比如 B 树?
现在这个问题的复杂版本可以参考本文;
他的简单版本回答是:
因为 B 树不管叶子节点还是非叶子节点,都会保存数据,这样导致在非叶子节点中能保存的指针数量变少(有些资料也称为扇出),指针少的情况下要保存大量数据,只能增加树的高度,导致 IO 操作变多,查询性能变低。
七、总结
本文从一个问题出发,逐步介绍了 InnoDB 索引组织表的原理、查询方式,并结合已有知识,回答该问题,结合实践来证明。
当然为了表述简单易懂,文中忽略了一些细枝末节,比如一个页中不可能所有空间都用于存放数据,它还会存放一些少量的其他字段比如 page level,index number 等等,另外还有页的填充因子也导致一个页不可能全部用于保存数据。
关于二级索引数据存取方式可以参考 MySQL 相关书籍,他的要点是结合主键索引进行回表查询。
·END·
为什么生产环境中B+树的高度总是3-4层?相关推荐
- 记录一次生产环境中Redis内存增长异常排查全流程!
作者:z小赵 ★ 一枚用心坚持写原创的"无趣"程序猿,在自身受益的同时也让朋友们在技术上有所提升. 最近 DBA 反馈线上的一个 Redis 资源已经超过了预先设计时的容量,并且已 ...
- 使用Windbg找出死锁,解决生产环境中运行的软件不响应请求的问题
使用Windbg找出死锁,解决生产环境中运行的软件不响应请求的问题 参考文章: (1)使用Windbg找出死锁,解决生产环境中运行的软件不响应请求的问题 (2)https://www.cnblogs. ...
- svn 服务器在生产环境中的搭建
svn 服务器在生产环境中的搭建 搭建环境 阿里云服务器 CentOS release 6.7 安装软件 yum install subversion -y 创建项目目录 cd /home/svn ...
- 【转】在生产环境中部署前端代码
在生产环境中部署前端代码 本文章前端代码是基于vue+webpack开发的 Nginx是一款轻量级的Web 服务器/反向代理服务器 首先,webpack配置如下 在开发过程中,我们是通过npm run ...
- SCOM 如何监控生产环境中的LinuxUnix机器
Linux能够监控的版本应该是从4.0以上才行,如果其他博友有更好的方法.共享哦!! 如何监控生产环境中的Linux&Unix机器 1. 点击Unix Action Account帐户属性 2 ...
- 生产环境中on yarn模式是否采用yarn session
flink on yarn包括 yarn session以及per job两种方式. 那么生产环境中到底采用哪种呢? 下面是社区群中的讨论: 所以on yarn模式在生产环境中我们使用per job ...
- 在java.library.path中找不到允许在生产环境中实现最佳性能的基于APR的Apache Tom.....
在java.library.path中找不到允许在生产环境中实现最佳性能的基于APR的Apache Tom- 2021-6-2 19:55:17 org.apache.catalina.core.Ap ...
- 在生产环境中调试 Angular 应用程序而不显示源映射
当我们的 Angular 应用程序部署到生产环境时,我们经常会遇到与我们在开发过程中编辑的不同的代码.我们的代码在构建过程中会以各种方式进行修改和优化. TypeScript 被 transpiled ...
- [第二篇]如何在ASP.Net Core的生产环境中使用OAuth保护swagger ui
在我上篇文章如何在ASP.Net Core的生产环境中保护swagger ui中,我们讨论了如何使用基本身份验证来保护 swagger ui. 使用 OAuth 2.0 和 OpenIdConnect ...
最新文章
- 第十一届山东省大学生程序设计竞赛题解(9 / 13)
- 开发日记-20190719 关键词 读书笔记《Linux 系统管理技术手册(第二版)》DAY 12
- 安卓手机阅读器_乐应用|安卓手机本地阅读的不二之选
- Windows Mobile Gprs连接与数据传输
- php字符串转int,php怎样将字符串转为int类型
- C++ Primer Plus学习(十一)——类和动态内存分配
- 5类6类7类网线对比_5类6类7类网线到底有什么区别?
- BTC投资者损失预计达73亿美元 “割肉式”抛售来袭?加密寒冬比预期更冷、更长
- 逻辑门 与 买猫电路升级版
- 科学家发明创可贴式MP3靠人体热量工作
- 数据分析的数据来源都有哪些?
- 2022年四川省科技型中小企业申报条件材料流程及奖励扶持
- 如何定位在测试中遇到的Bug?
- Tableau 读书笔记
- 计算机c语言二级题库及答案txt,计算机二级c语言题库及答案
- matlab对矩阵自相关,自相关矩阵和互相关矩阵的matlab实现
- 圣诞老人的礼物_圣诞节设计资源:圣诞老人
- 如何创建自已的电子邮箱?国际商务邮箱那个好?
- 无线局域网和蜂窝移动网络_广场无线AP覆盖系统解决方案
- 门店数字化转型| 美发店智慧管理系统