目录

一、B树结构索引（B-树）

（1）特点。

（2）问题：范围查询效率？？

（3）缺点。

1、查询的不稳定性。

2、各叶子节点无联系。

3、IO资源的消耗较多。

二、B+树结构索引。（标准）

（1）特点。

（2）优点。

1、叶子节点有联系。

2、IO资源的消耗较少。

3、MySQL采用的索引结构。

4、查询稳定性。

（3）为什么说B+Tree比B-Tree更适合实际应用中操作系统的文件索引和数据库索引？

三、MySQL中优化的B+树。

四、索引分类。

（1）MySQL中的主要索引分类。

（2）注意事项。

1、主键索引。

2、唯一索引。

3、常规索引。

4、全文索引。

五、MySQL中InnoDB存储引擎中索引的存储形式。

（1）索引存储形式。

（2）图例演示。

1、聚集索引。（主键索引）

2、二级索引。（其它类型索引）

3、回表查询。

六、关于聚集索引与二级索引的常见面试题。

（1）以下两条SQL语句，哪个执行效率高？为什么？

（2）InnoDB主键索引的B+tree高度一般为多高呢?

1、当B+树的高度为2时。

2、当B+树的高度为3时。

---

一、B树结构索引（B-树）

（1）特点。

• 注意：对于B树结构的索引，它每个节点（根或子）都存储了数据。
• 也就是在B树中，非叶子节点和叶子节点都会存放数据。

---

• 以一个5阶的B树，每一个节点最多存储4个key（值），其中还对应5个指针。

• 一旦节点存储的key数量到达5，就会裂变，中间元素往上分裂。

• 对上图的B树简单介绍。

• 对于上面的一颗B树，其中浅蓝色的块称之为一个个磁盘块，每个磁盘块包含几个数据项（白色表示）和指针（黄色表示）。例如磁盘1包含的数据项有17和35，包含的指针p1、p2、p3。

• 其中p1指向小于17的磁盘块。p2指向大于17，且小于35的磁盘块。而p3指向大于35的磁盘块。

---

（2）问题：范围查询效率？？

• 如果需要进行“范围查询”则效率会降低。如下以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key（值），5 个指针。

• 如果要查询用户的id=4到12之间。它查完4、5、...、9后，又得往回查找10，再往下查找11、12。也就是在B树索引结构时它们的子节点之间并没有相互链接的！

---

（3）缺点。

1、查询的不稳定性。

• 查找元素的稳定性不高。也就是比较的次数不平衡。

---

2、各叶子节点无联系。

• 其次就是叶子节点没有相联系，如果进行范围查询，也就是数据落到不同的磁盘块。就要去寻找多次。

---

3、IO资源的消耗较多。

• 考虑IO流资源。因为我们的数据是存储在表中，而表存储在硬盘当中。而去读数据时，读到内存中，是需要IO读取。而一次性读的越多，IO读取次数越少，也就是消耗的资源少。

---

• 假设一个磁盘块可以存储16kb大小。但是这个磁盘块又需要存储数据，又要存储指针。数据与指针都占用空间大小。
• 而那个数据又对应一行数据（如id——>行数据——>多列），那么是不是一个磁盘块存储的数据量就减少了？假如存储的数据量达到千万级，是不是IO读取的次数（消耗的IO资源）大大增加！！

二、B+树结构索引。（标准）

（1）特点。

• 对B树结构进行升级（叶子节点之间添加了单向的指针！）这样就很好的支持了范围查询情况。不需要重新走回去。

---

• B+Tree是B-Tree的变种，现在以一颗最大度数（max-degree）为4（4阶）的b+tree为例，来看一下其结构示意图。

• 蓝色框框起来的部分，是索引部分。仅仅起到索引数据的作用，不存储数据。

• 红色框框起来的部分，是数据存储部分。在其叶子节点中要存储具体的数据。

---

• 所有的数据都存储在叶子节点当中！！

• 各个叶子节点之间形成一个单向链表。

• 非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。

---

（2）优点。

1、叶子节点有联系。

• 各个叶子节点之间通过一个单向链表相联系。

---

2、IO资源的消耗较少。

• 当所有的数据都存储到叶子节点当中。IO去对应的磁盘块读取数据时，是不是一次读取可以读取到很多数据（因为叶子节点的磁盘块里只存储数据，未存储指针），这样IO的读取次数降低了。

---

3、MySQL采用的索引结构。

• 这就是为什么MySQL使用的B+树索引结构。B树的缺点就是B+树的优点。

---

4、查询稳定性。

• 在B+树索引结构当中，最终的数据查询都会落实到叶子节点当中。IO读取次数稳定且相同。
• 无论是根节点、叶子节点数据都会落实到（根——>叶子节点）上。

---

（3）为什么说B+Tree比B-Tree更适合实际应用中操作系统的文件索引和数据库索引？

• B+Tree的磁盘读写代价更低。
• B+Tree的内部节点并没有指向关键字具体信息的指针。
• 其次它内部节点相对BTree更小，如果把所有同一内部节点的关键字（数据）存放在同一个盘块中，那么盘块所能容纳的关键字数量也越多。一次性读取到内存中的需要查找的关键字（数据）也就越多。相对来说IO读写次数也就降低了

---

• B+Tree的查询效率更加稳定。
• 由于非叶子节点不是最终指向文件内容的节点，而是叶子节点中关键字（数据）的索引，所以任何关键字的查找都必须走一条从根节点到叶子节点的路。所有查询关键字（数据）的路径长度相同，导致每个数据的查询效率相当。

三、MySQL中优化的B+树。

• 上面所看到的结构是标准的B+Tree的数据结构。

---

• 接下来，再来看看MySQL中优化之后的B+Tree结构。（将叶子节点变成双向链表联系）

---

• MySQL的索引数据结构对经典B+Tree进行了优化，在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提供了区间访问的性能。
• 更加有利于排序(支持的是双向链表)。

四、索引分类。

（1）MySQL中的主要索引分类。

• 在MySQL数据库，将B+树的索引结构又具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引。

---

• 以表格的形式说明。

---

（2）注意事项。

1、主键索引。

• 当给表中的某个列设置成主键（主键约束）时，MySQL会默认自动创建一个主键索引！
• 如果没有给表中的字段添加索引。MySQL也会给这张表添加一个主键索引——行id。当然加主键时，就会将主键约束加在主键列上

---

2、唯一索引。

• 数据要求唯一。且唯一索引可以有多个。

• 当给表中的某个列设置成唯一约束时，MySQL会默认自动创建一个唯一索引！

---

3、常规索引。

• 数据不要求唯一，且常规索引可以有多个。
• 可以给任意一个字段添加常规索引。

---

4、全文索引。

• 用的相对少。

五、MySQL中InnoDB存储引擎中索引的存储形式。

（1）索引存储形式。

• 在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种。

• 聚集索引（也就是主键索引）的叶子节点其实就是存储的是行数据。

---

• 二级索引就是除了主键索引之外的，都是属于二级索引。
• 二级索引的叶子节点数据存储的不是行数据，而是存储的主键值！

---

（2）图例演示。

• 以员工表emp为例。其中有员工id（empno）、员工姓名（ename）...等等字段。

---

1、聚集索引。（主键索引）

• 假设员工表（emp）的字段：员工id（empno）并设置为主健（主键索引）。

• 查询员工id（empno：主键）=7788员工的所有信息。
• 则聚合索引——>叶子节点存储的是对应的行数据！

---

2、二级索引。（其它类型索引）

• 假设员工表（emp）的字段：员工姓名（ename）并设置唯一健（唯一索引）。

• 查询ename（姓名）="张三"的员工信息。
• 则二级索引——>叶子节点存储的是对应的主键值（主键索引）！

---

3、回表查询。

• 下面这种先到二级索引中查找数据，找到主键值。然后再到聚集索引中根据主键值，获取数据的方式，就称之为回表查询。

​​

六、关于聚集索引与二级索引的常见面试题。

（1）以下两条SQL语句，哪个执行效率高？为什么？

• 备注: 其中id为主键，name字段创建的有索引。

A. select * from user where id = 10 ;
B. select * from user where name = 'Arm' ;

---

• 回答如下。
• A 语句的执行性能要高于B 语句。
• 因为A语句直接走聚集索引，直接返回数据。
• 而B语句需要先查询name字段的二级索引，然后再查询聚集索引，也就是需要进行回表查询。

---

（2）InnoDB主键索引的B+tree高度一般为多高呢?

• 假设IO流读取的磁盘块为16kb（也就是一次读一页）。一行数据的大小为1k，一页中可以存储16行这样的数据。
• InnoDB的指针占用6个字节的空间，而主键即使为bigint，其占用字节数为8个字节。

---

---

1、当B+树的高度为2时。

• 可以存储：1170*16（每个磁盘对应16k，一行数据1k，则16行）= 18720（条数据）

---

2、当B+树的高度为3时。

• 可以存储：1170*1170*16 = 21902400（条数据）。2000多万数据了。
• 一般B+树高3~4左右就绝对够用了。