mysql 使用B+樹索引有哪些優勢
搞懂這個問題之前，我們首先來看一下MySQL表的存儲結構，再分別對比二叉樹、多叉樹、B樹和B+樹的區別就都懂了。
MySQL的存儲結構表存儲結構
單位：表>段>區>頁>行
在數據庫中， 不論讀一行，還是讀多行，都是將這些行所在的頁進行加載。也就是說存儲空間的基本單位是頁。一個頁就是一棵樹B+樹的節點，數據庫I/O操作的最小單位是頁，與數據庫相關的內容都會存儲在頁的結構里。
B+樹索引結構
有以下幾個特點
將所有的記錄分成幾個組， 每組會存儲多條記錄， 頁目錄存儲的是槽（slot），槽相當于分組記錄的索引，每個槽指針指向了不同組的最后一個記錄 我們通過槽定位到組，再查看組中的記錄頁的主要作用是存儲記錄，在頁中記錄以單鏈表的形式進行存儲。單鏈表優點是插入、刪除方便，缺點是檢索效率不高，最壞的情況要遍歷鏈表所有的節點。因此頁目錄中提供了二分查找的方式，來提高記錄的檢索效率。
B+樹的檢索過程我們再來看下B+樹的檢索過程
從B+樹的根開始，逐層找到葉子節點。 找到葉子節點為對應的數據頁，將數據葉加載到內存中，通過頁目錄的槽采用二分查找的方式先找到一個粗略的記錄分組。 在分組中通過鏈表遍歷的方式進行記錄的查找。為什么要用B+樹索引數據庫訪問數據要通過頁，一個頁就是一個B+樹節點，訪問一個節點相當于一次I/O操作，所以越快能找到節點，查找性能越好。B+樹的特點就是夠矮夠胖，能有效地減少訪問節點次數從而提高性能。
下面，我們來對比一個二叉樹、多叉樹、B樹和B+樹。
二叉樹
二叉樹是一種二分查找樹，有很好的查找性能，相當于二分查找。但是當N比較大的時候，樹的深度比較高。數據查詢的時間主要依賴于磁盤IO的次數，二叉樹深度越大，查找的次數越多，性能越差。最壞的情況是退化成了鏈表，如下圖
為了讓二叉樹不至于退化成鏈表，人們發明了AVL樹（平衡二叉搜索樹）：任何結點的左子樹和右子樹高度最多相差1
多叉樹
多叉樹就是節點可以是M個，能有效地減少高度，高度變小后，節點變少I/O自然少，性能比二叉樹好了
B樹
B樹簡單地說就是多叉樹，每個葉子會存儲數據，和指向下一個節點的指針。
例如要查找9，步驟如下
我們與根節點的關鍵字 (17，35）進行比較，9 小于 17 那么得到指針 P1； 按照指針 P1 找到磁盤塊 2，關鍵字為（8，12），因為 9 在 8 和 12 之間，所以我們得到指針 P2； 按照指針 P2 找到磁盤塊 6，關鍵字為（9，10），然后我們找到了關鍵字 9。 B+樹
B+樹是B樹的改進，簡單地說是：只有葉子節點才存數據，非葉子節點是存儲的指針；所有葉子節點構成一個有序鏈表
B+樹的內部節點并沒有指向關鍵字具體信息的指針，因此其內部節點相對B樹更小，如果把所有同一內部節點的關鍵字存放在同一盤塊中，那么盤塊所能容納的關鍵字數量也越多，一次性讀入內存的需要查找的關鍵字也就越多，相對IO讀寫次數就降低了
例如要查找關鍵字16，步驟如下
與根節點的關鍵字 (1，18，35) 進行比較，16 在 1 和 18 之間，得到指針 P1（指向磁盤塊 2） 找到磁盤塊 2，關鍵字為（1，8，14），因為 16 大于 14，所以得到指針 P3（指向磁盤塊 7） 找到磁盤塊 7，關鍵字為（14，16，17），然后我們找到了關鍵字 16，所以可以找到關鍵字 16 所對應的數據。B+樹與B樹的不同：
B+樹非葉子節點不存在數據只存索引，B樹非葉子節點存儲數據 B+樹查詢效率更高。B+樹使用雙向鏈表串連所有葉子節點，區間查詢效率更高（因為所有數據都在B+樹的葉子節點，掃描數據庫 只需掃一遍葉子結點就行了），但是B樹則需要通過中序遍歷才能完成查詢范圍的查找。 B+樹查詢效率更穩定。B+樹每次都必須查詢到葉子節點才能找到數據，而B樹查詢的數據可能不在葉子節點，也可能在，這樣就會造成查詢的效率的不穩定 B+樹的磁盤讀寫代價更小。B+樹的內部節點并沒有指向關鍵字具體信息的指針，因此其內部節點相對B樹更小，通常B+樹矮更胖，高度小查詢產生的I/O更少。這就是MySQL使用B+樹的原因，就是這么簡單！
以上就是mysql 使用B+樹索引有哪些優勢的詳細內容，更多關于MySQL 使用B+樹索引的資料請關注好吧啦網其它相關文章！
相關文章：
網公網安備