索引：帮助MySQL高效获取数据的有序的数据结构。

假设我们有一张表table，包含Clo1和Clo2两个字段

内存地址	Clo1	Clo2
0x07	1	36
0x5A	2	20
0x7A	3	80
0xF3	4	8
0x77	5	28
0xD1	6	66
0x89	7	88

在没有索引情况下的执行下面SQL

select * from table where Clo2 = 66;

过程如下：

在没有索引的情况下要找到Clo2=66的数据，要经过6次的I/O，6次RAM内存比较，在内存中比较的时间会快，完全可以忽略不计，但是6次的I/O时间会很长（导致慢SQL主要原因之一）。

通过索引进行SQL效率优化，可以认为是尽可能的减少I/O的次数，就是后面讲的降低树的高度。如何减少I/O的次数，这就涉及到了数据结构。接下来介绍一下二叉树、红黑树（二叉平衡树）、B-Tree、B+Tree、Hash的数据结构模型。

数据结构可视化学习网站：

Data Structure Visualizationhttps://www.cs.usfca.edu/~galles/visualization/Algorithms.html

1.二叉树

右侧子元素大于父元素数据，左侧子元素小于父元素数据

下面我们通过上面学习网站看一下Clo1建立二叉树的数据结构和Clo2建立二叉树数据结构

Clo1是单边增长的列，生成的二叉树结构与链表一样，树的高度是7，Clo2生成的二叉树树的高度是3。模拟一下查询Clo1=6,Clo2=66这一条数据：

使用Clo1进行查询

找到Clo1=6的数据一共经历了6次I/O和6次比较，在树的第6层拿到数据。

使用Clo2进行查询

找到Clo2=66的数据，进行了3次I/O和比较，在树的第3层拿到数据

由已上例子可以看出进行的IO次数就是数据所在树的层数

2.红黑树（二叉平衡树）

红黑树的结构与二叉树结构一样，区别在于生成的过程中红黑树会自动平衡节点。

再模拟一次查询Clo1=6的数据：经历了3次I/O和比较，在树的第3层拿到数据。同样的使用Clo=6查找数据，二叉树用了6次I/O，红黑树用了3次I/O，由此可看出红黑树要比二叉树更适合创建索引。但是数据量大了，到了几百万的时候树的高度依然不可控。

红黑树的根节点只有一个数据，我们将根节点的内存扩大多存放一些数据就可以降低树的高度，接下来的B-Tree就是这种结构。

3.B-Tree

叶节点具有相同的深度，叶节点的指针为空
所有索引元素不重复
节点中的数据索引从左到右递增排列
节点中存储data数据

当索引结构以B-Tree数据结构创建时，再次查找Clo2 = 66 的数据：

1.将树的第一层所有数据load到内存，使用比对算法（如：二分查找）进行比对

a.如果有66则将对应的data数据从内存中读取出来

b.如果没有，则会找66对应的区间地址（35-80）

2.将35-80这一页的所有数据再拿出来与66做比较

a.如果有66则将对应的data数据从内存中读取出来

b.如果没有，则会找66对应的区间地址

以此类推，直到找到66或者这一系列的数据比对完毕

使用了B-Tree数据结构后，我们查询Clo2=66的数据只做了两次的I/O，比红黑树的效率更高一些。

但是MySQL底层用的依然不是B-Tree，而是B-Tree的变种B+Tree

4.B+Tree

非叶子节点不存储data，只存储索引（冗余），目的是可以放更多的索引
叶子节点包含所有索引字段
叶子节点使用指针连接，提高区间访问的性能

1.为什么非叶子节点不存储data，可以放放更多的索引，也是MySQL索引数据结构使用B+Tree不使用B-Tree的主要原因。

通过SHOW GLOBAL STATUS like 'Innodb_page_size';可以看到mysql数据库中定义文件页大小是16384B（16KB）。

如果叶子节点不存储data，假设字段类型是BigInt，字段值占用8B，地址值占用6B，一层16KB大概可以存储1170个索引值。

如果叶子节点存储data，一般的data+字段值+地址值不会大于1KB，我们就按照平均1KB计算，一层16KB也就只能存储16个索引值。

2.为什么MySQL页文件默认是16KB?

由问题1知道第一层一页数据可以存1170个索引值，如果再加一层，第一层的每一个地址值指向第二层的一页数据，我们就可以存储 1170X1170 个索引值，第二层每个地址值指向第三层的一页数据，第三层的叶子节点要带数据存储每一页只存16个数据，三层高的树可以存储 1170 X 1170 X 16 大约2千万左右的数据。

3.叶子节点指针的作用

B+Tree有链接指针可以快速的找下一页的数据，B-Tree没有指针，当取完当前区域的数据后，还得回到根节点（第一层）查找大于28的数据再做对应的I/O。所以B+Tree可以通过叶子节点指针提高区间访问的性能。

MySQL优化点：将根节点（有可能是所有非叶子节点）存储到内存，减少I/O次数，只有在读取叶子节点才进行一次I/O，性能更高效了。

5.Hash

对索引的key进行一次hash计算就可以定位出数据存储的位置
很多时候Hash索引要比B+Tree索引更高效
仅能满足“=”，“in”，不支持范围查询
存在hash冲突

hash算法原理：hash计算后的数据都会进入到容器Hash桶内，桶内按照下标位置分配好了内存空间，如果通过hash()计算后得到的值为2，将该数据放到次下标对应的区域。如下图

仅通过一次hash计算就可以确定数据的存储位置，如查询李四：

① 通过hash(李四)=2

②把hash桶内的下标为2的数据load到内存，进行比较

hash仅使用了一次I/O就能拿到数据，B+Tree可能会有多次，所以一些场景hash索引会比B+Tree更高效。但是这种结构对范围查询不友好，所以MySQL底层基本用的是B+Tree。

MySQL索引数据结构二叉树、红黑树、B-Tree、B+Tree、Hash相关推荐

Mysql索引数据结构有多个选择，为什么一定要是B+树呢？_面试 (MySQL 索引为啥要选择 B+ 树)
Mysql索引数据结构下面列举了常见的数据结构二叉树红黑树 Hash表 B-Tree(B树) Select * from t where t.col=5 我们在执行一条查询的Sql语句时候,在数 ...
B-Tree/B+-Tree/二叉树/红黑树/Hash表/MySQL底层到底用哪个数据表建立索引做快速查找？
B-Tree/B+-Tree/二叉树/红黑树/Hash表/MySQL底层到底用哪个数据表建立索引做快速查找? ~~B-Tree~~ ==B+Tree== ~~二叉树(Binary Search Tre ...
【Mysql索引】二叉树、红黑树、B树、B+树
[Mysql索引]二叉树.红黑树.B树.B+树 (1)哈希表 (2)二叉树的弊端的演示: (3)红黑树的插入演示: (4)B树的演示 (5)B+树的演示(叶子加指针:支持范围查找) (5.1)借着学习 ...
红黑树（Red Black Tree）的简单理解
红黑树(Red Black Tree)的简单理解前言介绍 AVL树的简单介绍为什么需要AVL树? AVL树的调整过程 AVL树的缺点红黑树与AVL相比 234树的简单介绍 234树的概念 234 ...
JS 实现红黑树（Red Black Tree）
文章目录 JS 实现红黑树(Red Black Tree) 前言概念树的定义插入操作疑问一:新增结点是红是黑插入,简单记录删除操作删除结点平衡结点单边结点叶子结点结语代码 JS ...
【肝帝一周总结：全网最全最细】☀️Mysql 索引数据结构详解与索引优化☀️《❤️记得收藏❤️》
[肝帝一周总结:全网最全最细]☀️Mysql 索引数据结构详解与索引优化☀️<❤️记得收藏❤️> 目录
【数据结构】红黑树入门知识
今天呆在宿舍看了一天的红黑树,算是基本了解了一点关于红黑树的基础知识,写这篇博客意在整理今天所学的内容,先把红黑树的基础知识贴上来.结合之前写过的关于二叉排序树的基础,尝试整理的资料如下: 红黑树是一 ...
java 二叉树红黑树_常见数据结构(二)-树(二叉树，红黑树，B树)
常见数据结构(二)-树(二叉树,红黑树,B树) 标签: algorithms [TOC] 本文介绍数据结构中几种常见的树:二分查找树,2-3树,红黑树,B树写在前面本文所有图片均截图自course ...
【二叉树进阶】红黑树（Red Black Tree） - 平衡二叉搜索树
文章目录一.红黑树的概念二.红黑树的性质 2.1 红黑树和AVL树效率对比三.红黑树的结构(KV模型) 四.红黑树的插入 4.1 插入节点 4.2 平衡化操作(难点) 4.2.1 情况一 4.2 ...

MySQL索引数据结构二叉树、红黑树、B-Tree、B+Tree、Hash