MySQL之B+树

最新推荐文章于 2025-09-30 14:26:59 发布

原创最新推荐文章于 2025-09-30 14:26:59 发布 · 207 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#mysql #数据库

MySQL 专栏收录该内容

1 篇文章

订阅专栏

B+树是一种高效的数据存储结构，尤其适用于数据库索引。它通过页存储减少IO操作，每个页包含有序的用户数据并链接下一个页。主键索引，即聚集索引，使物理顺序与逻辑顺序相同，而非聚集索引则不遵循此规则。查询时，系统会根据最左匹配原则决定是否使用索引。优化器会评估不同路径的耗时和回表次数，选择最佳策略。

B+树

页的存在方便读取，一次读取一条数据需要调用多次IO，而使用页存储，一次读取8KB的数据，减少了IO的反复读取

一个页16KB

页目录中存放的是每一个页中最小值

每一个页中存放的是用户数据区域，而用户区域中存放也是有顺序的，并且最小的主键值在前面

如此方式方便查询，只要最小的键值大于待查询的数据，则就不必继续查询下去

是按照链表方式存储

最后每一个页也按照页的方式存储

如此就组成了B+树，所谓B+树：叶子结点中有冗余，包含了根结点的数据，并且子节点之间具有双向指针链接

索引：高效的排好序的一种数据结构 B+树就一种主键索引

INodeDB 主键方便生成B+树主键索引又叫做聚集索引（聚簇索引）物理顺序与主键所在的列值逻辑顺序是相同的

非聚集索引：索引顺序与物理顺序无关.

**1无法查找

索引时必须给定最左端的数据 1**

1*1时，需要使用到索引条件

是否走索引块mysql会自身判断何种耗时最少，回表次数最少为原则

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

CodeAndDecode

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

MySQL的b+树

学无止境

02-25

819

【MySQL的b+树】

Mysql索引结构全维度比较

Formor_的博客

09-27

856

前言在MySQL中，无论是Innodb还是MyIsam，都使用了B+树作索引结构(这里不考虑hash等其他索引)。本文将从最普通的二叉查找树开始，逐步说明各种树解决的问题以及面临的新问题，从而说明MySQL为什么选择B+树作为索引结构。一、二叉查找树(BST)：不平衡二叉查找树(BST，Binary Search Tree)，也叫二叉排序树，在二叉树的基础上需要满足：任意节点的左子树上所有节...

参与评论您还未登录，请先登录后发表或查看评论

MySQL之进阶：一篇文章搞懂MySQL索引之B+树

最新发布

m0_73735578的博客

09-30

1024

这种设计的好处是，非叶子节点只存储键值，因此固定大小的数据库页（如 InnoDB 中的页默认大小为 16KB）能够容纳更多的键值。这样，B+ 树的阶数（每个节点子节点的最大数量）会更高，使得树的形态“更矮更胖”。当数据量不断增长时，树的高度会随之增加，这会导致磁盘的 I/O 次数显著增多，从而降低数据查询的效率。在查找过程中，为了访问索引数据，会加载整个节点的数据块，这会增加磁盘 I/O 操作次数。图中的圆形代表二叉查找树的节点，其中最顶端的节点称为“根节点”，而没有子节点的节点称为“叶节点”。

MySQL B+ 树

01-19

问题： SELECT 0 = 0; // 返回 1 SELECT 0 = 1; // 返回 0 SELECT 0 = 'a'; // ？ SELECT 1 = '1'; // ？一 Page 页构成 B+ 树表数据 CREATE TABLE t_t ( id INT PRIMARY KEY AUTO_INCREMENT, a INT NOT NULL DEFAULT 0, b INT NOT NULL DEFAULT 0, c VARCHAR(32) NOT NULL DEFAULT '' )ENGINE=INNODB; 插

B树、B+树、LSM已经它们对应的存储引擎及应用

weixin_33778778的博客

07-31

480

2019独角兽企业重金招聘Python工程师标准>>> ...

MySQL B+树

yangmengjiao_的博客

08-29

293

索引这个词，相信大多数人已经相当熟悉了，很多人都知道MySQL的索引主要以B+树为主，但是要问到为什么用B+树，恐怕很少有人能把前因后果讲述的很完整。本文就来从头到尾介绍下数据库的索引。索引是一种数据结构，用于帮助我们在大量数据中快速定位到我们想要查找的数据。索引最形象的比喻就是图书的目录了。注意这里的大量，数据量大了索引才显得有意义，如果我想要在[1,2,3,4]中找到4这个数据，直接对全数据检索也很快，没有必要费力气建索引再去查找。索引在mysql数据库中分三类： B+树索引、Hash索引、全..

Mysql之B+树索引详解（2）——数据页结构

一步一步走

07-06

922

本文重点介绍了数据页的结构，并没有大而全的对各个细节进行陈列，而是关注数据如何存储、如何查询，数据页如何组织等问题进行了探讨分析，希望读者有所收获。本文内容参考了大量互联网数据，未一一注明来源，如有涉及版权问题，请与我联系。

Mysql之B+树索引详解（4）——聚簇索引的生长、凋零

一步一步走

07-12

1216

以插入数据示例B+树是如何生长、凋零的

MySQL 中 B+树索引的原理深入解析

持续分享有趣的技术干货

08-19

873

节点结构：B+树的节点分为内部节点和叶子节点。内部节点包含若干个关键字和指向子节点的指针，叶子节点包含若干个关键字和指向数据记录的指针（在 MySQL 中，叶子节点存储的是数据的实际地址或主键值）。阶数（Degree）：B+树的阶数是指一个节点最多拥有的子节点数。例如，一个 3 阶的 B+树，每个内部节点最多可以有 3 个子节点。叶子节点与非叶子节点的区别：非叶子节点的关键字用于索引和分割子树，而叶子节点的关键字则是实际的数据索引，并且叶子节点之间通过链表相连，以方便进行范围查询。平衡。

MySQL B+树深度解析：从原理到优化实践

兀行者的博客

02-16

1133

在数据库领域，索引是提升查询性能的核心技术之一。而B+树作为MySQL中最常用的索引结构，其性能直接影响着数据库的整体表现。作为一名MySQL专家，我将带领大家深入理解B+树的原理、实现机制，以及如何通过优化B+树提升数据库性能。

Mysql B+树

u010648194的博客

03-08

8639

①介绍一下 B tree, 多路平衡查找树(balance tree) 通过名称多路平衡就知道这个树的特点，是平衡二叉树的基础上改进的多路（支持多个分叉）。所有的叶子节点在同一高度，非叶子节点也会存放数据。假设要从上图中查找id = X的数据，B TREE 搜索过程如下：取出根磁盘块，加载40和60两个关键字。如果X等于40，则命中；如果X小于40走P1；如果40 < X < 60走P2；如果X = 60，则命中；如果X > 60走P3。根据以上规则命中后，接

Mysql-B+树

海的那边，还是海吗

09-13

1069

B+树是一种自平衡的树状数据结构，通常用于数据库中的索引。多路分支：每个节点可以包含多个子节点，这意味着B+树可以高效地处理大量的数据。自平衡：B+树具有自平衡性质，确保树的高度保持较小，从而保持高效的查询性能。有序性：B+树的节点是有序的，这使得范围查询非常高效，因为查询时只需遍历一次。叶子节点存储数据：B+树的叶子节点存储实际的数据记录，这与其他树状结构（如B树）不同，它们的叶子节点通常存储键值对。分裂和合并：B+树具有分裂和合并节点的机制，以保持树的平衡性。

mysql与B+树

huaweitman的专栏

06-05

792

每一层数据最大数据大小 16k 数据加指针大小 14b 存储引擎是形容表的 myisam 数据和索引的文件分开非聚簇索引

mysql索引之B+树

qq_41149775的博客

06-28

1288

提到B+树就不得不提及二叉树，平衡二叉树和B树这三种数据结构了。B+树就是从他们三个演化来的。众所周知B+树是一种常见的数据结构，被广泛应用于数据库和文件系统等领域，B+树的设计目标是保持树的平衡性，以提供稳定的性能，并且适用于大规模数据存储。B+树由一个根节点、内部节点和叶子节点组成，其中内部节点用于索引和导航，而叶子节点存储实际的数据。1.keyAndValue:键值对--key是标识；value是存储的具体数据2.node:节点的子节点，存储的是具体的子节点3.next:节点的后节点，标记后一个节点4

MySQL与B+树

m0_70299172的博客

05-02

274

在磁盘设备上，通过B+树可以有效的存储数据；所有记录都存储在叶子节点上，非叶子(non-leaf)存储索引(keys)信息；而且记录按照索引列的值由小到大排好了序。B+树含有非常高的扇出（fanout），通常超过100，在查找一个记录时，可以有效的减少IO操作；*扇出：是每个索引节点(Non-LeafPage)指向每个叶子节点(LeafPage)的指针；*扇出数 = 索引节点(Non-LeafPage)可存储的最大关键字个数 + 1。

MYSQL索引结构之B+树

没伞的孩子就得跑的专栏

05-05

1526

MYSQL索引结构之B+树

Mysql索引-B+树

gaoshang1992的博客

06-16

376

分享概要本次分享儒猿专栏《从零开始带你成为**MySQL**实战优化高手》中Mysql索引的内容。本次会先从一个数据页中如何存储和查询数据开始，拓展到多个数据页中查询数据，分析无索引查询时的低效率问题，然后通过页分裂过渡到主键目录以及索引页相关内容，见证一颗索引树是如何一步步生长起来的。最后站在更高的角度看下常见的一些索引名词、索引的优缺点以及如何才能设计出更好的索引来，开始分析前我们先来思考下如下的一些面试题： 1.InnoDB的索引数据结构是什么？为什么用这种数据结构？2.聚簇索引和普通索引的区别

MySQL索引背后的数据结构及算法原理

xubaoguo的专栏

09-10

666

http://blog.codinglabs.org/articles/theory-of-mysql-index.html

mysql的b+树

07-10

### B+树的工作原理 MySQL 中的 B+ 树是一种自平衡的树结构，专为磁盘存储设计，以减少 I/O 操作次数并提高查询效率。B+ 树的所有数据都存储在叶子节点中，而非叶子节点仅用于索引导航[^2]。这种结构使得 B+ 树相比传统的 B 树具有更高的性能优势。 #### 1. **层级更少** 由于每个非叶子节点可以存储更多的键值和指针，B+ 树的高度通常比 B 树更低。这意味着从根节点到叶子节点的路径更短，从而减少了查找数据所需的 I/O 次数。 #### 2. **查询速度稳定** 在 B+ 树中，所有数据记录都位于叶子节点上，并且这些叶子节点通过指针连接成一个有序链表。因此，无论查找哪个关键字，都需要访问相同数量的节点，保证了查询时间的一致性和稳定性。 #### 3. **支持范围查询** B+ 树的叶子节点构成一个有序链表，这使得它非常适合处理范围查询（如 `WHERE id BETWEEN 100 AND 200`）。数据库可以通过遍历叶子节点链表快速获取满足条件的数据范围。 #### 4. **高效的全表扫描** 与 B 树不同，B+ 树只需要遍历所有叶子节点即可完成对整棵树的扫描，而无需逐层访问每个节点。这对于执行全表扫描操作非常有利，尤其是在大数据量的情况下。 --- ### B+ 树在 MySQL 中的应用在 MySQL 的 InnoDB 存储引擎中，B+ 树是实现主键索引（聚集索引）和二级索引的主要数据结构[^4]。 #### 1. **聚集索引（Clustered Index）** InnoDB 表的数据组织方式是按主键顺序将数据行存储在 B+ 树的叶子节点中。这种结构称为“索引组织表”，意味着表中的每一行数据都直接与主键关联。如果没有显式定义主键，InnoDB 会自动选择一个唯一且非空的列作为隐式主键，或者生成一个隐藏的内部 ID 来构建聚集索引。 #### 2. **二级索引（Secondary Index）** 除了主键索引外，用户还可以为其他列创建二级索引。二级索引的叶子节点并不直接存储数据行，而是存储对应的主键值。当使用二级索引进行查询时，首先定位到主键值，然后回表（即再次访问聚集索引）获取完整的数据行。 #### 3. **页（Page）机制** InnoDB 的最小存储单元是“页”，大小通常为 16KB。无论是数据页还是索引页，都是按照 B+ 树结构组织的。非叶子节点只包含键值和指针，而叶子节点则包含实际的数据记录或指向数据记录的指针[^4]。 #### 4. **磁盘预读优化** 为了提升性能，InnoDB 利用了磁盘预读机制。每个节点的大小被设置为一个页的大小，这样每次 I/O 操作只需加载一个完整的节点到内存中，减少了磁盘访问次数[^3]。 #### 5. **二分查找与指针跳转** 在 B+ 树的非叶子节点中，键值是以排序后的形式存储的。查找过程中，可以通过二分查找法快速定位目标键所在的子节点，并通过指针跳转到下一个层级，最终到达存放数据的叶子节点[^4]。 --- ### 示例：B+ 树的查找过程假设我们有一个主键为 `id` 的表，其聚集索引是一棵 B+ 树。当我们执行如下 SQL 查询： ```sql SELECT * FROM users WHERE id = 123; ``` InnoDB 引擎会从 B+ 树的根节点开始，依次向下查找，直到找到包含 `id=123` 的叶子节点，然后返回该行数据。如果是二级索引查询： ```sql SELECT * FROM users WHERE email = 'user@example.com'; ``` 系统会先在二级索引树中查找对应的主键值，再根据主键值回到聚集索引中查找完整数据行。 --- ### 总结 MySQL 中的 B+ 树索引通过层级较少、稳定的查询性能、高效的支持范围查询和全表扫描等特性，在数据库系统中扮演着至关重要的角色。它不仅提升了查询效率，还优化了磁盘 I/O 操作，是现代关系型数据库高性能的关键基础之一。 ---