假设让你为MySQL选择索引

假设让你为MySQL选择索引结构

在开始正文之前，我先问一个问题：请问MySQL的采用的索引结构是什么？

这时候，可能会有一些小伙伴们毫不犹豫地说：B+树了（我都背了这么久了，怎么可能回答错？）

其实这种回答是很吃亏的，或者说不应该这么笼统地回答；我们都知道MySQL中拥有多个存储引擎，常见的有InnoDB、MyISAM、Memory。而不同的存储引擎可能会采取不同的索引结构，所以在回答刚刚那个问题的时候，我们需要之前前提条件，如：对于InnoDB存储引擎来说，它的索引结构是B+树！

好了，言归正传，咱们开始今天的索引结构选择。

一、什么是索引结构？

索引结构，其实就是一种数据结构，或者说是一种数据的组织形式。

你想想，假如现在你有一大堆东西，然后你想放好它，那这时候你是不是就会考虑怎么放，放哪里了呢？其实这个怎么放的规则，就是一种索引。到时候你怎么放就怎么取。

常见的索引结构有：

1. 数组
2. hash
3. 链表
4. 树（二叉搜索树，平衡树）
5. B+树
6. 跳表

二、为什么不选数组？

数组是我们最熟悉和最有把握的数据结构了，那我们要不要选它来作为MySQL的索引呢？

当然不合适！

虽然说数组在查询方面如果采用二分法也是可以有比较高的效率的，但是最大的弊端就是数组插入元素比较复杂，需要将后面的所有元素往后移动；在数据比较少的时候，可能没太大问题，但是在数据库中数据量剧增的情况下，需要移动的元素就巨多了。

一个极端的情况：

一个数组组织了 1 G 的数据，现在要在下标为 0 的位置插入一个元素。。。

想想就可怕~

三、为什么不选Hash？

既然单纯的数组不行，那我们可不可以用 Hash 呢？Hash 虽然底层也是数组，但是它采用了不同于数组的实现方式——每个数据都是通过散列映射的。

其实呢，Hash 是肯定能用的，就看用在哪种存储引擎上（Memory 中使用的就是 Hash 作为索引结构）。

Hash列表通过将数据进行hash求出对应的位置index：

一般来说，使用Hash索引的缺点：

1. 利用 Hash 存储的话，需要将所有的数据文件都添加到内存中，这样是比较消耗内存空间的。
2. 因为里面存储的是经过处理的哈希值，所以并不支持按原数据排序
3. 不支持范围查询

MEMORY存储引擎本来就是一种基于内存的存储引擎，所以它适合使用。

四、为什么不选择链表？

链表只支持顺序访问，需要不断遍历才能找到目标值，这样的话，在数据量大的情况下，查询效率很低，并不适合。

五、为什么不选择二叉搜索树？

其实这里的最大的一个问题就是：

二叉树容易造成树一边高一边低，这对整体的影响就是加深了树的深度

树的深度越深，说明加载一个数据结点需要进行的 IO 次数就越多；如上图：为了加载 0005 数据结点，则需要先加载 0001、0002、0003 、 0004；而如果是加载0.45这个数据结点的话，只需要两次 IO ：0001 、 0.45

六、为什么不选择平衡二叉树？

其实平衡二叉树和二叉搜索树的两者都有对数据排序的意识，根节点往左的小，往右的大。

而平衡二叉树在这基础上，还增加了平衡的要求（左右子树的高度差不能超过 1）

每在平衡二叉树中插入一个元素，它都是需要检查树是否平衡，不平衡就需要左旋或者右旋。

（具体的旋转规则，这里就不赘述了）

如果选择平衡树做索引，查询效率还是不错的，但是对于插入和删除来说效率就比较差了，因为它需要做平衡操作。

另外，平衡二叉树也是存在树深度大的问题的。

七、为什么不选择跳表？

（因为具体的数据结构是怎样的，并不是本文讨论的重点，所以此处并不赘述；但为了小伙伴们能快速回忆起来，下面给出一张结构图）

跳表：

跳表的最底层是一个单链表，如果存着 2kw 的数据，那么如果要达到二分查找的效率的话，就需要在上面建立 2^24个层级才能实现，而不同的层级都是分散在不同的数据页中的，这样一来就需要将近 24次磁盘 IO，非常影响性能。

八、为什么 要 选择B+树？

B+树：

B+树是应文件系统所需而产生的B树的变形树，B+树中只有叶子结点存储数据，其他中间结点都是索引结点，不存储数据。

MySQL中InnoDB存储引擎选用 B+ 树构建索引，主要是因为 B+ 树是多叉结构，按1k一行数据，一页16kb来算，B+树存放2kw数据也只是需要 3 层左右就可以了，查找一次数据，最多也就 3 次磁盘 IO 。

这个相比于其他的数据结构都好很多。

主要是因为 B+ 树是多叉结构，按1k一行数据，一页16kb来算，B+树存放2kw数据也只是需要 3 层左右就可以了，查找一次数据，最多也就 3 次磁盘 IO 。

这个相比于其他的数据结构都好很多。

但是B+树页也存在页分裂、维护页索引等性能消耗，这也告诉我们在技术选型的时候，没有最好的、只有相对合适的，更合适的。