【索引的数据结构】第1章节：B+Tree存储结构

目录结构

之前整篇文章太长，阅读体验不好，将其拆分为几个子篇章。

本篇章讲解 B+Tree 存储结构。

什么是索引

可以简单理解为索引好比一本书的目录，通过目录我们可以快速定位到我们要查看的章节。

MySQL 中的数据同样也是根据索引分类，通过索引可以快速高效的查询到我们想要的数据。

索引的优缺点

MySQL 官方对索引的定义：索引（Index）可以帮助 MySQL 高效获取数据的数据结构。

索引的本质：索引是一种数据结构。可以简单理解为索引是一组满足某种特定算法，排好序的快速查找的数据结构， 这种数据结构以某种方式指向数据，这样就可以在这些数据结构的基础上实现高级查找算法。

InnoDB 存储引擎底层默认采用 B+Tree 作为索引的数据结构

先看下二叉搜索树的结构（一个节点存放一条数据）：

可以理解为 B+Tree 是从二叉搜索树的基础上演变而来的（一个节点存放多条数据）。

建立索引的目的是为了减少磁盘的 I/O 次数，加快查询效率。

索引是在存储引擎中实现的，不同的存储引擎支持的索引类型不一定相同。

存储引擎可以定义每张表的最大索引数和最大索引长度。 所有的存储引擎支持每个表至少 16 个索引，一个索引的长度为 16 个字节，所以支持的最少总索引长度为 256 个字节。

优点

• 提高数据检索效率，降低数据库磁盘 I/O 成本
• 通过创建唯一索引，可以保证数据库中每一行的数据的唯一性
• 加速表和表之间的连接，对于有依赖关系的子表和主表联合查询的时候，可以提高查询速度
• 在使用分组和排序进行数据查询时，可以显著减少查询中分组和排序的时间，大大降低了 CPU 的消耗

缺点

• 增加索引和维护索引要耗费时间，并且随着数据量的增加，所耗费的时间会越来越大
• 除了数据表要占用空间之外，索引也需要占用磁盘空间，并且不同的存储引擎，索引和数据的存储位置可能不同，InnoDB 存储引擎是将索引和数据存放在一个以.ibd结尾的文件中，MyISAM 存储引擎将索引和数据分开存储，索引存放在以.myi为结尾的文件中，数据存放在以.myd结尾的文件中
• 虽然索引大大提高了查询速度，但是却会降低更新表的速度。当表中的数据要进行增删改的时候，索引也要动态维护（要重新动态分组归类排序数据的存储结构），这样就降低了数据的维护速度。

InnoDB 数据存储格式

区分记录

用户记录页和 目录项记录页如何区分？

使用记录头里的record_type属性，各个取值的含义如下：

• 0：普通的用户记录
• 1：目录项记录
• 2：最小记录
• 3：最大记录

假设有一张数据表 test_table有四个字段：c1、c2、c3

create table test_table (
  c1 int,
  c2 int,
  c3 char,
  PRIMARY KEY(c1)
) engine=InnoDB

由于页的编号可能不是物理连续的，只要求再逻辑上连续即可，向表中插入多条数据后，可能如下图所示：

但是挨个查找的话，数据量大的时候比较耗时。

为每个页建立一个目录项，每个目录项有一个 key（存储当前页最小的主键值）、page_no 存储页码，大致结构如下如下图所示：

行和行之间以单链表存储，页和页之间以双向链表存储。

记录与记录之间以单链表存储，叶子节点与叶子节点之间以双向链表存储。

迭代优化 1：目录项记录的页

为每个页新建一个目录项之后，考虑到后续数据量会越来越大，如果目录项在物理空间中连续存储，对于新增页或删除页时，目录项也会随之发生，这样就会消耗大量的时间，所以将目录项也简单理解为一个行记录，目录项之间也用单项列表形式存储，也就是为多个目录项建立一个页，这样新增或者删除时，直接改变指针指向即可，效率客观的很，如下图所示：

迭代优化 2：多个目录项记录的页

多个目录项记录页之间的关联如下图所示：

迭代优化 3：多个目录项记录页记录的页

多个目录项记录页组成的也目录页，如下图所示

B+Tree 结构

层层往上汇聚之后，最终形成了一个 B+Tree 的结构：

不论是存放用户记录的数据页，还是存放 目录项记录的数据页，最终都存放在 B+Tree 的结构中，所以我们撑这些数据页为节点。

实际用户记录都存放最下面的节点上，这些节点称为 叶子结点，其余用来存储 目录项的节点被称为 非叶子节点或 内节点，其中 B+Tree 最上边的节点也称为 根节点(可能会有多个根节点)。

一个 B+Tree 的结构可以分为很多层，规定最下面的层，也就是存放实际用户记录的那一层为第 0层，之后依次往上加。

上述的例子中我们假设存放实际记录的页 最多存 3 条记录，存放目录项记录的页 最多存放 4 条记录，其实真实的开发环境中存放的记录数非常大，假设存放实际记录的数据页（最下层的叶子节点）最多可以存放 100 条记录，存放目录项的数据页（上层的非叶子节点）最多可以存放 1000 调记录，那么计算方式如下：

• 如果 B+Tree 有 1 层，也就是只有一个存放用户记录的节点，最多能存放 100 条记录
• 如果 B+Tree 有 2 层，最多能存放 1000 * 100 = 10,0000条记录
• 如果 B+Tree 有 3 层，最多能存放 1000 * 1000 * 100 = 1,0000,0000条记录
• 如果 B+Tree 有 4 层，最多能存放 1000 * 1000 * 1000 * 100 = 1000,0000,0000条记录

到达 4 层的时候，就可以存放 1000,0000,00001000 亿条记录了，但是真实的环境中几乎不可能存到 1000 亿条，所以我们用到的 B+Tree 一般都不会超过 4 层。

假设我们是精确查找某一行数据，那在每一层通过二分法或者其他算法找到目录数据页，一次 I/O，然后再查找第二层的数据页，也是一次 I/O，所以精确查找某一行数据最多会经历四次 I/O，如果是范围查询就会有很多次 I/O 了。

本文内容总结借鉴于康师傅的 MySQL 视频课:https://www.bilibili.com/video/BV1iq4y1u7vj

---

一起学编程，让生活更随和！

如果你觉得是个同道中人，欢迎关注博主gzh：【随和的皮蛋桑】。

专注于Java基础、进阶、面试以及计算机基础知识分享🐳。偶尔认知思考、日常水文🐌。

---