MySQL索引的实现和使用 -- B+树的实例

最新推荐文章于 2025-05-31 22:10:57 发布
原创 最新推荐文章于 2025-05-31 22:10:57 发布 · 置顶 · 1k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#mysql #索引 #数据结构 #b 树 #编程

本文详细介绍了MySQL中索引的实现，包括B+树索引的工作原理，不同类型的索引如主键索引、唯一索引、普通索引以及聚簇和非聚簇索引的区别。还讨论了B+树的优势，如空间利用率高、IO效率高以及查询效率稳定，并解释了为何选择B+树而非其他数据结构。同时，文章提到了索引的创建、最左匹配原则以及如何分析SQL的执行效率。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

 

前言：索引是数据库中常用的一种数据结构，对于大量数据的表结构中，实现快速查询离不开索引的帮助，本文简单介绍MySQL中索引的实现以及使用

在你想要了解索引之前，掌握树的数据结构是必要的，请先阅读 数据结构之树

索引

分类

索引按种类分为主键索引，唯一索引，普通索引 
按数据结构分为B+树索引和哈希索引 
按创建类型分聚簇索引和非聚簇索引

-  聚簇索引就是以主键创建的索引 
- 非聚簇索引就是以非主键创建的索引 
- 聚簇索引在叶子节点存储的是表中数据，非聚簇存的是主键和索引列 
- 非聚簇查询时，拿到主键再去查找想要的数据（回表）

Mysql对索引的支持

其中非，这里的BTREE实际上都是代表的B+树，而且我们可以看到的是，常规主流的InNoDB和MyISAM的索引，都是使用的BTREE索引，所以理论上来说，我们是无法人为创建一个哈希索引，哪怕加上using hash，但在特殊情况下，存储引擎会自动优化创建哈希索引

基本概念

首先我们要知道数据库是如何存储数据的

上面的图片代表一页 ，一页为4K大小
每个数据页组成一个双向链表 
而每个数据页中的记录又组成一个单向链表 
其中每一页都会根据主键生成一个页目录，可利用二分法快速定位 
以其他列做搜索条件时只能从最小记录开始依次遍历，检索每一页

最低0.47元/天 解锁文章

200万优质内容无限畅学
【B+树操作实例】实例讲解插入、删除元素的过程
Jay_Wooz的博客
07-06 1892
基本概念 B+树是B树的变种，常用于数据库和操作系统的文件系统中。由于B+树的非叶节点只存有其子树的的索引，而真正的数据元素都在同一层，即都在叶节点上，所以其插入与删除元素具有稳定的对数时间复杂度。对于一棵m阶的B+树（m代表子树的最大数量），有如下特性： 每个节点至多有m个子树 除根结点外，每个结点至少有[m/2]个子女，根结点至少有两个子女 有k个子女的结点必有k个关键字 实例讲解 对B+树的插入和删除操作可以遵循以下口诀： 以4阶B+树为例，假设非叶节点保存的关键字是子节点的最大值。 在
【Mysql 底层原理】MySQL 索引原理：B-Tree 和 B+Tree 的区别与应用
激流丶的博客
10-28 2366
博主从事应用安全和大数据领域，有8年研发经验，5年面试官经验，Java技术专家，WEB架构师，阿里云专家博主，华为云云享专家，51CTO 专家博主。
从B 树、B+ 树、B* 树谈到R 树
ggxxkkll的专栏
05-09 4634
出处：http://blog.youkuaiyun.com/v_JULY_v 。   第一节、B树、B+树、B*树 1.前言： 动态查找树主要有：二叉查找树（Binary Search Tree），平衡二叉查找树（Balanced Binary Search Tree），红黑树(Red-Black Tree )，B-tree/B+-tree/ B*-tree (B~Tree)。前三者是典型的二叉查
MYSQL-B+TREE索引原理
hao_yunfeng的博客
09-06 412
1.什么是索引？ 索引：加速查询的数据结构。 2.索引常见数据结构： #1.顺序查找: 最基本的查询算法-复杂度O（n）,大数据量此算法效率糟糕。 #2.二叉树查找（binary tree search）: O(log2n)   图1 左边是数据表，一共有两列七条记录，最左边的是数据记录的物理地址（注意逻辑上相邻的记录在磁盘上也并不是一定物理相邻的）。为了加快Col2的查找，可以...
最完整的mysql8索引实现原理及优化方案来了
最新发布
weixin_46300935的博客
05-31 937
提高select查询性能的最佳方式就是在查询中给表中的一个或者多个列添加索引，以便能够高效的检索到数据。但是要注意的是，并不是给所有的列都添加索引之后，效率就一定会高，多余的索引会浪费mysql确定使用哪些索引的空间和时间，索引还会增加插入、更新、删除的成本，增加索引的维护成本，所以要合理的去添加索引。索引用于快速查找具有特定列值的行。如果没有索引，MySQL必须从第一行开始，然后遍历整个表以找到相关的行。表越大，成本就越高。
红黑树 b树 b+树
xym222的博客
09-11 395
引言 二叉查找树的查找的时间复杂度是Ｏ(log N)，Ｂ树和Ｂ＋树的出现是因为另外一个问题，那就是磁盘ＩＯ；众所周知，ＩＯ操作的效率很低，那么，当在大量数据存储中，查询时我们不能一下子将所有数据加载到内存中，只能逐一加载磁盘页，每个磁盘页对应树的节点。造成大量磁盘ＩＯ操作（最坏情况下为树的高度）。平衡二叉树由于树深度过大而造成磁盘IO读写过于频繁，进而导致效率低下。 所以，我们为了减少磁盘ＩＯ的次数，就你必须降低树的深度，将“瘦高”的树变得“矮胖”。一个基本的想法就是： （1）、每个节点存储多个元素 （2）
mysql 辅助索引的例子_[MySQL] B+树索引
weixin_42545004的博客
02-03 423
B+树是一种经典的数据结构，由平衡树和二叉查找树结合产生，它是为磁盘或其它直接存取辅助设备而设计的一种平衡查找树，在B+树中，所有的记录节点都是按键值大小顺序存放在同一层的叶节点中，叶节点间用指针相连，构成双向循环链表，非叶节点(根节点、枝节点)只存放键值，不存放实际数据。下面看一个2层B+树的例子：保持树平衡主要是为了提高查询性能，但为了维护树的平衡，成本也是巨大的，当有数据插入或删除时，需采用...
算法——B树，B-树，B+树，B*树全面解析笔记
轮回浮华三千的博客
08-17 992
算法——B树，B-树，B+树，B*树全面解析笔记 https://zhuanlan.zhihu.com/p/54102723 https://www.cnblogs.com/lianzhilei/p/11250589.html B树 = B-树 B-树，即为B树。因为B树的原英文名称为B-tree，而国内很多人喜欢把B-tree译作B-树，其实，这是个非常不好的直译，很容易让人产生误解。如人们可能会以为B-树是一种树，而B树又是一种树。而事实上是，B-tree就是指的B树，目前理解B的意思为平衡 B树的出现
MySQL高频基本面试问题整理
热门推荐
张彦峰的博客
04-07 174万+
总结大厂MySQL高频基本面试问题整理，用于快速查缺补漏
mysql 几阶b树_在学到MySQL索引时,涉及到了B树和B+树.聊一聊
weixin_35785909的博客
01-27 2032
1 B 树在介绍 B + 树之前， 先简单的介绍一下 B 树，这两种数据结构既有相似之处，也有他们的区别，最后，我们也会对比一下这两种数据结构的区别。1.1 B 树概念B 树也称 B - 树, 它是一颗多路平衡查找树。二叉树我想大家都不陌生，其实，B 树和后面讲到的 B + 树也是从最简单的二叉树变换而来的，并没有什么神秘的地方，下面我们来看看 B 树的定义。每个节点最多有 m-1 个关键字(可以...
B+树
藏知阁
02-13 498
MySQL中 B+树和B树的不同之处： 1、非叶节点如果有k个元素，则必有k个孩子节点； 2、所有父节点元素都同时存在于子节点元素中，在子节点元素中是最大或最小的元素； 3、所有的叶子节点包含了全部元素，且从小到大排序，节点间用指针链接起来。 例子，下面是[1, 2, 3, 5, 6, 8, 9, 11, 13, 15]构成的一棵B+树： 参考： [1] 漫画：什么是B+树？ ...
树：B+ 树
新华编程特战队
01-24 1109
树只是一个平衡的二叉搜索树，其中所有数据都存储在叶节点中，而内部节点只存储索引。找到要删除的节点并将其从叶节点中删除，但我们还需要将其从指向此节点的索引中删除。，其中所有叶节点都处于同一级别，以及存储在内部节点中的某些值如何充当指向叶节点中存在的实际数据的指针。现在，从子节点中提取一个透视表，以插入到父节点和子节点的父节点的键中。根节点至少具有两个子节点。除根节点外，每个节点最多可以有 m 个子节点，最小可以有�/2。直到我们到达一个叶子节点，我们继续遍历树，如果叶子节点满了，我们就把叶子节点一分为二！
B+树索引实战
清风不灭的博客
02-25 255
Mysql B＋树索引实战 索引的代价 空间上的代价 一个索引都为对应一棵B+树，树中每一个节点都是一个数据页，一个页默认会占用16KB的存储空间，所以一个 索引也是会占用磁盘空间的。 时间上的代价 索引是对数据的排序，那么当对表中的数据进行增、删、改操作时，都需要去维护修改内容涉及到的B+树索引。 所以在进行增、删、改操作时可能需要额外的时间进行一些记录移动，页面分裂、页面回收等操作来维护好...
B树和 B+树
m0_50920058的博客
03-22 2088
B树和 B+树是两种广泛用于数据库和文件系统的平衡树数据结构，主要用于索引和存储大规模数据。它们的核心目标是提高磁盘 I/O 效率，从而加快查询和更新操作。：如果索引列不包含所有查询需要的字段，就必须回表，导致额外的磁盘 I/O。
B+树结构与索引＜二＞ _ 索引页示例
爱我所爱0505
09-05 595
通过结构示例介绍聚集索引的B+树和辅助索引的B+树的区别与联系
B+树,有图有真相!
08-02 1428
前言 B+树是目前最常用的一种索引数据结构,通常用于数据库和操作系统的文件系统中,本文就网上的知识点与个人理解结合分享,如有错误,欢迎探讨及指正. 定义 B+树是B树的一种变形形式，B+树上的叶子结点存储关键字以及相应记录的地址，叶子结点以上各层作为索引使用。一棵m阶的B+树定义如下(注意: B+树的阶数m表示一个节点最多能有m个子节点,也就是每个节点上最多的键值个数.): 1.每个结点至多有m个子女; 2.除根结点外，每个结点至少有[m/2]个子女，根结点至少有两个子女; 3.有k个子女的结点必有k
MySQL索引的B+树结构及视图、触发器
菜鸡也有大佬梦
12-24 843
一、索引 MySQL官方对索引的定义为：索引（index）是帮助MySQL高效获取数据的数据结构（有序）。在数据之外，数据库系统还维护者满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据， 这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。如下面的示意图所示 : [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0XHTs6Ig-1577...
数据结构——B+树
weixin_52821814的博客
07-15 2万+
B+树
B+树（B+TREE）索引
坚定目标，超越自我
09-19 2560
InnoDB的B+树的阶（也就是树的分支因子）并不是一个固定的值，而是取决于几个因素，主要是页面（Page）的大小。总的来说，InnoDB的B+树通常是非常高阶的，这有助于减少树的高度，提高查询效率。例如，一个阶为4的B+树的每个节点最多有4个子节点。：B+树是一种多路平衡查找树，树的每个节点最多包含m个子节点（m是树的阶），除根节点和叶子节点外，其他每个节点至少有m/2个子节点。实际的B+树可能会有更多的关键字和层级，但查找原理是相同的：从根节点开始，根据关键字的大小逐层向下搜索，直到达到叶子节点，
b+树和索引
05-11
### B+树与索引的关系及其实现在数据库中的应用 #### 什么是B+树？ B+树是一种多路平衡查找树，具有良好的磁盘I/O性能和顺序访问能力。它通过将数据集中存储在叶子节点上来优化范围查询和顺序扫描操作[^1]。 #### B+树的特点及其优势 - **所有数据集中在叶子节点**：这使得B+树能够支持高效的范围查询，因为所有的实际数据都在同一层（即叶子节点），便于连续遍历[^2]。 - **更高的扇出度**：相比红黑树或其他二叉搜索树，B+树允许每个节点拥有更多子节点，从而降低了树的高度，减少了磁盘寻道次数[^3]。 - **更好的空间利用率**：尽管内部节点仅保存索引信息可能导致一定浪费，但由于其紧凑的设计以及较低的树高度，整体的空间利用效率仍然很高[^2]。 #### 数据库中如何使用B+树作为索引结构？ 在关系型数据库如MySQL中，尤其是采用InnoDB存储引擎的情况下，主键索引通常是基于B+树构建的。这意味着每一条记录不仅可以通过主键快速定位到具体位置，而且整个表的数据实际上是以聚簇形式按照主键顺序排列并存储于B+树的叶节点之中[^4]。 对于非主键字段上的普通索引，则会建立独立的一颗或多棵树形结构——辅助索引（Secondary Index）。这类索引同样遵循B+树模式，在其中维护指向对应行物理地址的信息而非直接包含完整的记录内容。 以下是关于这两种主要类型的简单描述： ##### 主键索引 (Clustered Index) - 所有的数据都被组织成一颗大而深邃的B+树； - 查找某个特定值时只需沿着路径向下直至找到目标即可完成检索过程； - 插入新条目或者删除现有项也会自动调整保持整棵树处于平衡状态以便后续继续高效运作。 ```sql CREATE TABLE example ( id INT PRIMARY KEY, -- 这里定义了一个名为id 的自增列为主键 name VARCHAR(50), age TINYINT UNSIGNED, ); ``` 上面SQL语句创建了一张带有三个属性的小表格，并指定`id`列为它的主关键字。这样做的结果就是在后台默默建立起了一棵以ID为依据排序的大规模B+树实例供以后执行各种DML命令时候调用。 ##### 辅助索引 (Non-clustered / Secondary Indices) 除了主键之外还可以针对其他任意数量的不同条件分别设立额外单独存在的小型化版本B+树来进行加速过滤筛选工作流程。比如下面例子展示了怎样给姓名这一栏加设次级指引器： ```sql ALTER TABLE example ADD INDEX idx_name(name); -- 此处新增了一个叫做idx_name的名字索引来提高按名字搜素的速度 ``` 每次当我们尝试从这个修改后的样例集合里面提取满足某些特殊要求的结果集的时候，系统将会优先考虑是否存在匹配当前请求参数特征的最佳候选者之一—也就是之前预先准备好的那些专门用途定制化的微型版B+树木料清单列表里的成员们；如果确实存在的话则可以直接跳转过去获取最终答案而不是重新全量扫描一遍原始资料源文件夹再逐一核验符合条件与否的过程了！ --- ### 技术细节探讨 考虑到现代计算机体系架构特点以及硬盘随机读写成本远高于连续块状传输等因素影响下，选用具备如下特性的算法模型显得尤为重要： - 支持批量加载/卸载大批量相邻单元格群组的能力； - 可以轻易扩展适应海量级别以上的庞大数据总量需求场景而不至于崩溃瘫痪掉； - 同时兼顾到了单点精确命中率极高的即时响应速度诉求同时也照顾好了区间片段覆盖式的模糊近似估计统计分析类应用场景的实际业务价值体现出来等方面综合考量过后才决定采纳目前普遍流行的这种经典设计方案作为默认选项推荐给大家使用的标准范式框架基础之上进一步深入研究探索下去吧! ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值