MySQL索引解密：B+树与哈希表的奥秘

MySQL索引底层数据结构

MySQL索引主要基于B+树和哈希表实现，其中InnoDB存储引擎默认使用B+树索引结构。B+树是一种多路平衡查找树，具有以下特点：

• 所有叶子节点位于同一层，形成有序链表
• 非叶子节点仅存储键值和指针，不存储数据
• 数据记录只存储在叶子节点中

B+树相比B树的优势：

• 更少的磁盘I/O次数（节点可容纳更多键值）
• 范围查询效率更高（叶子节点链表结构）
• 查询性能更稳定（每次查询都要到叶子节点）

索引算法原理

B+树索引的查找过程遵循典型的多路搜索树算法： 从根节点开始，通过比较键值确定子节点指针，直到定位到目标叶子节点。插入和删除操作通过平衡算法维持树的高度平衡。

页分裂是B+树维护的关键机制： 当叶子节点已满时会发生页分裂，中间键值提升到父节点，原节点分裂为两个新节点。InnoDB采用乐观插入策略，仅在必要时才进行页分裂。

聚集索引与非聚集索引

InnoDB使用聚集索引组织表数据：

• 主键索引的叶子节点包含完整数据记录
• 表数据物理上按主键顺序存储
• 非聚集索引（二级索引）的叶子节点存储主键值

MyISAM使用非聚集索引结构： 所有索引的叶子节点都存储数据记录的物理地址指针，主键索引与其他索引无本质区别。

索引优化要点

选择合适的索引列： 高频查询条件、连接字段、排序字段应优先考虑。避免过度索引，每个额外索引都会增加写入开销。

索引失效的常见场景：

• 对索引列使用函数或运算
• 隐式类型转换
• 前导模糊查询（LIKE '%xxx'）
• 不符合最左前缀原则的复合索引使用

索引性能分析工具

EXPLAIN命令可查看查询执行计划： 重点关注type列（从最优到最差：system > const > eq_ref > ref > range > index > ALL）和possible_keys/key列。

性能监控相关系统表：

• information_schema.STATISTICS
• performance_schema.table_io_waits_summary_by_index_usage
• sys.schema_index_statistics

特殊索引类型

自适应哈希索引： InnoDB自动为频繁访问的索引页构建哈希索引，加速等值查询。通过innodb_adaptive_hash_index参数控制。

全文索引： 基于倒排索引实现，支持自然语言搜索。InnoDB从5.6版本开始支持全文索引，通过MATCH...AGAINST语法使用。

空间索引： R-Tree结构，用于地理数据查询。MyISAM和InnoDB都支持空间索引，遵循OpenGIS标准。