MySQL索引底层数据结构

一、何为索引？

1、索引是帮助数据库高效获取数据的排好序的数据结构。

2、索引存储在文件中。

3、索引建多了会影响增删改效率。

（下面这张图为计算机组成原理内容，每查询一次索引节点，都会进行一次磁盘IO读取，即要寻道和旋转）

二、MySQL索引结构为什么是B+树？

MySQL 建索引可使用的数据结构有B+树和Hash两种，但是Hash用得很少， 优点是可以快速定位到某一行，缺点是不能解决范围查询问题。

对于如果不需要使用范围查询、只需要精准查询的场景，可以使用Hash索引方法，比如查电话号码。

再说说主流的索引方法B+树，先说下为什么不用别的树结构，再说为什么用B+树。

1、为什么不用二叉树？

如果碰到下面这种单边增长的极端情况，查找节点4和顺序查找没区别。（这种特殊情况的二叉树等同于链表，时间复杂度为O(n)）

2、为什么不用红黑树？

红黑树是一颗平衡二叉树，数据量大的时候，树的深度也很深，如果树的深度有20层，而查找的数据在叶子节点，就要进行20次IO操作，性能低。

3、为什么不用B树？

B树的特点：

• 叶子节点具有相同的深度
• 叶子节点的指针为空
• 叶子节点中的数据key从左到右递增排列

其实B树就是在横向做了文章，一个节点可以存储更多数据（大节点包含很多小节点），这样相对来说，深度就会变浅。

提问：横向的节点怎么查，比如说查找上图中的节点77？

从磁盘中把大节点查找出来，把这个大节点加载进内存中，节点77实际上是在内存中查找的，在内存中做的是随机访问，速度很快，跟磁盘的寻道和旋转相比的话，基本可以忽略不计。

提问：为什么不可以让B树横向的度无限增大，这样不就深度为1，查找不就更快了？（度的含义：节点的数据存储个数）

本来是想通过一次IO操作把一个大节点加载进内存，如果一个大节点的数据量太大的话， 则内存和硬盘一次交互没办法交换那么多数据，假设一次只能交换1页（4k）的数据（有上限，也有可能是几十页，和计算机硬件有关），意味着CPU去硬盘上做一次IO操作只能取1页的数据，那么当一个大节点的数据量太大时，仍要进行多次IO操作。因此，度是有上限的，MySQL会根据计算机硬件自动进行度的优化，一个大节点通常为1页空间。

4、为什么使用B+树？（B+树是B树的变种，索引做了冗余，存了多份，但是没关系，索引只占很小空间，比如下图中的15节点）

B+树的特点：

• 非叶子节点不存储data，只存储key，可以增大度（相比B树，B+树的深度更浅）
• 叶子节点不存储指针
• 顺序访问指针，提高区间访问的性能（实际上是双向指针）

提问：为什么说B+树可以增大度？

因为非叶子节点只存储索引一个值，不存储data（B树会存储data），而大节点大小是确定的，因此大节点就可以存储更多的数据，即度可以变得更大。这样既保证度可以达到最大，又保证一个大节点通过一次IO操作可以加载进内存。（非叶子节点度更大，深度更浅，只有非叶子节点才影响查找次数，叶子节点是最后一次查找，对总的查找次数是没有影响的，因此把data全部移到了叶子节点）

提问：为什么叶子节点之间还需要用指针？（一个大节点的尾节点和下一个大节点的头节点之间的指针连接）

方便范围查询。比如查找上图中key>18，如果没有指针会非常麻烦，必须从头开始查找，如果有指针，则可以直接遍历key>18的叶子节点（链表）。

B+树索引的性能分析：

• 一般使用磁盘I/O次数评价索引结构的优劣
• 预读：磁盘一般会顺序向后读取一定长度的数据（页的整数倍）放入内存
• 局部性原理：当一个数据被用到时，其附近的数据也通常会立马被使用
• B+树的大节点大小设为等于一个页，每次新建大节点直接申请一个页的空间，这能保证一个大节点物理上也存储在一个页里，大节点载入只需一次IO操作
• B+树的度d一般会超过100，因此高度h非常小（一般为3~5之间）

三、MySQL底层是怎么用B+树来存储数据的？

MySQL有两种常见的存储引擎：InnoDB（默认）、MyISAM（用得少，在MySQL8.0中被废弃掉了），存储引擎范围是表级别的。

1、MyISAM索引实现（非聚集）

• 索引文件和数据文件是分离的
• 索引结构的叶子节点value存储的是文件指针。

.frm是表结构文件，.MYD是数据文件（MyISAM Data），.MYI是索引文件（MyISAM Index）。

MyISAM主键索引查找流程：先通过.MYI文件找到对应索引的文件指针，再根据文件指针去.MYD文件中定位对应的那行数据。

MyISAM普通索引查找流程：和主键索引查找流程一致。

2、InnoDB索引实现（聚集）

• 数据文件本身就是索引文件
• 表数据文件本身就是按B+树组织的一个索引结构文件
• 聚集索引的叶子节点包含了完整的数据记录
• 表必须有主键，且推荐使用整型的自增主键
• 普通索引结构叶子节点存储的是主键值

.frm是表结构文件，.ibd是数据和索引文件（InnoDB Data）

InnoDB主键索引查找流程：通过.ibd文件找到对应的索引，索引的value即为那行对应的完整数据。

InnoDB普通索引查找流程：通过.ibd文件找到对应的索引，索引的value即为那行对应的主键的值，再根据主键值去主键索引树中找到对应的行数据。

提问：聚集索引和非聚集索引的区别？

聚集索引：表中那行数据的索引和数据都合并在一起了。

非聚集索引：表中那行数据的索引和数据是分开存储的。

提问：为什么InnoDB表必须有主键？

因为整个数据文件本身就是按照B+树组织的一个索引文件，所以必须要有主键（建InnoDB表时不指定主键，默认会从表字段中选一列作为唯一主键，如果不存在这种字段，则后台默认生成一个长整型主键字段，MyISAM可以没有）。

提问：为什么推荐使用整型的自增主键？

提高查询性能。如果是使用UUID作为主键，第一，UUID长度很长，会浪费存储空间，第二，UUID是字符串类型，比较大小要查找ASCII码表，查找速度没有整型int查找速度快，第三，UUID是随机生成无序的字符串，当数据插入时，有很大可能会导致节点位置移动，还可能造成很多其他节点位置移动，简单来说就是位置打乱了。 如果使用整型的自增主键，新插入的数据都会连续的插入到磁盘的物理空间。

提问：为什么InnoDB普通索引结构叶子节点存储的是主键值？（一致性和节省存储空间）

如果普通索引的value也存数据，那么当往有主键索引和普通索引的表中插入数据时，索引结构中key对应的value要存储两份数据，增加维护成本。

单值索引：只有一个索引，如(id)，size=1

联合索引：多个索引合起来作为一个联合索引，如(id,name)，size>1（单值索引是联合索引size=1的特例）

提问：联合索引的底层数据结构长什么样？

（叶子节点key是联合索引值，value是除联合索引以外一行记录其他字段的完整数据）

先比较id，如果id相等，再比较name，如果name也相等，则再比较date。（索引最左前缀原理，后面索引优化随笔会讲解）