MySQL的数据库引擎InnoDB索引实现详解
最近看到很多同学回复关键词MySQL数据库，看来想要学习这方面的课程，所以小艾同学这次就专门整理了合集，你们回复关键词“mysql或者MySQL”就可以看到了，今天再为大家更新一篇关于MySQL数据库引擎InnoDB索引实现的教程，欢迎大家一起学习交流！
关于这节课将分为四大篇章讲解
1. InnoDB 采用 B+Tree这种数据结构来实现 B-Tree索引。
2. 为什么MySQL选择B+树做索引：
3. B+ 树的三个特点：
3. B+ 树的三个优点：
一、InnoDB 采用 B+Tree这种数据结构来实现 B-Tree索引
InnoDB 存储引擎采用“聚集索引”的数据存储方式实现B-Tree索引。
聚集的定义：数据行的物理顺序与列值（一般是主键的那一列）的逻辑顺序相同，一个表中只能拥有一个聚集索引。
二. 为什么MySQL选择B+树做索引：
常见的数据库索引有下面三种类型：
第一是哈希表
第二种则是数组索引
与上述的哈希表类似，但又有所不同。与哈希索引类似，数组索引的效率也是非常高的，在一个有序数组里面去查找元素，我们只要进行二分查找即可。但是数组索引的问题也是非常地明显，那便是插入非常的麻烦，你插入一个新的元素，就要把后面所有的元素都往后移动一下。所以，数组索引我们一般只有静态数据才会使用。
第三种：二叉树
有序数组都讲了，那么接下来肯定就是二叉树了，我们说的二叉树当然是二叉排序树，二叉排序树相对与数组，最大的优点是方便插入。但是同时也存在这么一个问题，因为索引的数据可能存在磁盘，那么如果索引的数据超过1000条的时候，就有可能要经过10次才能够找到最终的数据，而磁盘IO的瓶颈在于寻道跟旋转，效率必然会降低。所以，我们要尽量地减少在磁盘中寻道跟旋转的次数，所以多叉树就被广泛应用在数据库索引当中了。而在多叉树中，最常被使用的，便是B+树。
三. B+ 树的三个特点：
关键字数和子树相同
非叶子节点仅用作索引，它的关键字和子节点有重复元素
叶子节点用指针连在一起
首先第一点不用特别介绍了，在 B 树中，节点的关键字用于在查询时确定查询区间，因此关键字数比子树数少一；而在 B+ 树中，节点的关键字代表子树的最大值，因此关键字数等于子树数。
第二点，除叶子节点外的所有节点的关键字，都在它的下一级子树中同样存在，最后所有数据都存储在叶子节点中。根节点的最大关键字其实就表示整个 B+ 树的最大元素。
第三点，叶子节点包含了全部的数据，并且按顺序排列，B+ 树使用一个链表将它们排列起来，这样在查询时效率更快。
由于 B+ 树的中间节点不含有实际数据，只有子树的最大数据和子树指针，因此磁盘页中可以容纳更多节点元素，也就是说同样数据情况下，B+ 树会 B 树更加“矮胖”，因此查询效率更快。
B+ 树的查找必会查到叶子节点，更加稳定。
有时候需要查询某个范围内的数据，由于 B+ 树的叶子节点是一个有序链表，只需在叶子节点上遍历即可，不用像 B 树那样挨个中序遍历比较大小。
四、B+ 树的三个优点：
IO 次数少，磁盘读写代价低
B+树的内部节点并没有指向关键字具体信息的指针，因此其内部节点相对B树更小，如果把所有同一内部节点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多，一次性读入内存的需要查找的关键字也就越多，相对IO读写次数就降低了。
查询性能稳定
由于非终结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当。
B+树更适合基于范围的查询
B树在提高了IO性能的同时并没有解决元素遍历的我效率低下的问题，正是为了解决这个问题，B+树应用而生。B+树只需要去遍历叶子节点就可以实现整棵树的遍历。而且在数据库中基于范围的查询是非常频繁的，而B树不支持这样的操作或者说效率太低。
相关推荐
2、
回复关键词
Redis 分布式限流 MySQL alibaba JVM性能调优
看更多精彩教程
喜欢本文，记得点击个在看，或者分享给朋友哦！