为什么Innodb用B+树而不用跳表

最新推荐文章于 2025-03-17 19:57:14 发布
最新推荐文章于 2025-03-17 19:57:14 发布
阅读量1.4k 收藏 3
点赞数
分类专栏： MySQL 文章标签： b树 数据结构 链表 面试 数据库
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。
本文链接：https://blog.youkuaiyun.com/weixin_45743893/article/details/122994996
版权

为什么Innodb用B+树而不用跳表

  • （1）Innodb出来时跳表还没发扬光大，所以没选跳表？
  • （2）B+树的一个节点可以存储很多关键字，而且单个节点大小可以与磁盘页对齐（默认16kb），一次IO就能传输一整个节点（跳跃表可能会出现跨页IO），大幅减少磁盘IO次数，所以B+树更适合用于文件系统及关系型数据库。
  • （3）跳跃表的索引层建立具有随机性，磁盘不能对链表进行预读，会产生大量随机IO。（磁盘预读：从本次被读取的位置开始，顺序向后读取一定长度的数据放入内存）
  • （4）B+树检索效率比跳表高。
B+树 和 跳表 的结构及区别，不同的用途【mysql的索引为什么使用B+树而不使用跳表？】
小韩的博客
03-10 1542
B+树 和 跳表 的结构及区别，不同的用途【mysql的索引为什么使用B+树而不使用跳表？】 详解B+树与跳表的结构及区别，描述B+树与跳表新增数据的过程，解释MySQL与Redis选择对应结构的原因。
MySQL索引为什么使用B+树，而不用二叉树、红黑树、哈希表、B树？
折叠伞的博客
12-26 2386
索引是帮助MySQL高效获取数据的排好序的数据结构。 索引数据结构： 1.二叉树2.红黑树3.Hash表4.B-Tree。
二叉搜索树 B树 Skiplist跳表 哈希表 大数据哈希表应用
01-18
二叉搜索树 B树 Skiplist跳表 哈希表 大数据哈希表应用，注意：此资源上传文件错误（选成快捷方式了），请移除，我没有找到删除按钮。
MySQL十五：InnoDB为什么不使用跳表而是B+Tree
Edwin_Hu的博客
07-18 1260
跳表全称为跳跃列表，它允许快速查询，插入和删除一个有序连续元素的数据链表。跳跃列表的平均查找和插入时间复杂度都是O(logn)。
探秘 InnoDB：为何索引钟情于 B + 树而非跳表
m0_57836225的博客
03-17 747
跳表（Skip List）是一种随机化的数据结构，通过在原链表基础上建立多层索引来加速查找。它的基本思想是：在链表的每一层，每隔一定数量的节点建立一个指针，指向下一层的对应节点。这样，在查找时可以通过这些指针快速跳过一些节点，减少比较次数。例如，在一个包含 100 个节点的链表中，若每 10 个节点建立一个上层指针，查找某个节点时最多只需比较 10 次（理想情况下）。int value;level = 0;level++;i >= 0;
【MySQL】InnoDB 索引为什么使用B+树而不用跳表？
奶酪的博客
09-23 569
在MySQL中，为了加速查询，使用B+树来构建索引，将查询性能从O(n)优化到O(log n)。
Mysql的索引为什么使用B+树而不使用跳表？
m0_69305074的博客
04-18 2639
在我们的印象中，mysql数据表里无非就是存储一行行的数据。跟个excel似的。 直接遍历这一行行数据，性能就是O(n)，比较慢。为了加速查询，使用了B+树来做索引，将查询性能优化到了O(lg(n))。 但问题就来了，查询数据性能在 lg(n) 级别的数据结构有很多，比如redis的zset里用到的跳表，也是lg(n)，并且实现还贼简单。 那为什么mysql的索引，不使用跳表呢？ 我们今天就来聊聊这个话题。 B+树的结构 之前的一篇文章里，已经提到过B+树的结构了。文章不长，如果没看过，建议
揭秘！MySQL索引背后的秘密武器：B+树为何力压跳表，独领风骚？
玦尘的博客
07-13 1177
如果MySQL使用跳表，那么它的性能特征会有所不同。MySQL是为大规模数据存储和复杂事务设计的。它处理的数据量可能达到TB甚至PB级别，这些数据主要存储在**磁盘**上，由于跳表主要针对内存优化，MySQL可能无法充分利用跳表的优势，反而会因为频繁的磁盘I/O而降低性能。此外，跳表的多级索引需要额外的内存空间，这在磁盘存储环境中可能会导致更大的存储开销。
《MySQL是怎样运行的》快速查询秘籍——B+树索引
2202_75570972的博客
05-23 899
我们前面知道页与页之间是一个双向链表实现的，我们要找的话，是不是要按照这个链表一个一个找下去，然后找到，可行吗？B+树是多叉树，平衡二叉树、红黑树是二叉树，在同等数据量下，平衡二叉树、红黑树高度更高，磁盘O次数更多，性能更差，而且它们会频繁执行再平衡过程，来保证树形结构平衡。record_type:这个就是表示记录得类型，0表示普通记录，2表示Infimum记录，3表示Supermum记录，1表是就是目录项记录。最上面的节点叫做根节点，然后最下面的叫做叶子节点，中间的叫做非叶子节点。
B+树在MySQL中的应用价值
2301_81724645的博客
01-08 1946
本文将详细探讨为什么 MySQL 会选择 B+ 树存储数据，从结构特点、性能优势到应用场景进行分析。
简单谈谈Mysql索引与redis跳表
09-09
主要给大家介绍了Mysql索引与redis跳表的相关资料，文中介绍的非常详细，对大家学习或者使用Mysql和redis具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧
redis mysql 表_简单谈谈Mysql索引与redis跳表
weixin_42525428的博客
01-19 198
摘要面试时，交流有关mysql索引问题时，发现有些人能够涛涛不绝的说出B+树和B树，平衡二叉树的区别，却说不出B+树和hash索引的区别。这种一看就知道是死记硬背，没有理解索引的本质。本文旨在剖析这背后的原理，欢迎留言探讨问题如果对以下问题感到困惑或一知半解，请继续看下去，相信本文一定会对你有帮助mysql 索引如何实现mysql 索引结构B+树与hash有何区别。分别适用于什么场景数据库的索引还...
使用 B+ 树 or 使用跳表？
小楠的博客
09-17 1287
使用 B+ 树 or 使用跳表？
索引会带来什么弊端？为什么选择B+树作为索引的数据结构？索引都是B+树的？
m0_45364328的博客
07-07 529
索引是个好东西，由于索引底层是基于B+树的，而查找也在B+树的基础上，利用二分查找的思想加快查找速度。我们今天不讨论索引为什么快，有什么好处，仅仅讨论它有什么坏处，或者有什么代价索引是个好东西，可不能乱建，它在空间和时间上都会有消耗：：每建立一个索引都要为它建立一棵B+树，每一棵B+树的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，一棵很大的B+树由许多数据页组成，那就是很大的一片存储空间。：每次对表中的数据进行 增、删、改 操作时，都需要去修改各个B+树索引。而且我们讲过，B+树每层
为什么 MySQL 使用 B+tree 作为 InnoDB 引擎的索引结构，而 redis 使用跳表作为ZSET的实现？
qq_45942251的博客
04-29 499
为什么Mysql 使用 B+树而不是红黑树（或其他）？ 数据库的数据被分割为多个页以文件的形式存储在硬盘上的。因此我们每次进行数据库查询其实是在做磁盘IO，而磁盘IO是时间开销较大的操作！数据库在进行索引查找的时候每次访问一个页都是一次磁盘IO。因此我们需要选择一种能够尽量少做磁盘IO的数据结构来创建索引！ 之所以选择B+树是因为它的扇出率较大，树高较小。因此在进行索引搜索的时候需要进行的IO数量也较其他树的数量小。 B+树只有叶子节点会存储数据，将B+树每一个叶子节点通过指针连接起来就能实现顺序遍历
mysql 跳表 b 树_红黑树、B(+)树、跳表、AVL等数据结构，应用场景及分析，以及一些英文缩写...
weixin_42575505的博客
02-18 646
转载自https://www.cnblogs.com/charlesblc/p/5987812.html在网上学习了一些材料。这一篇：https://www.zhihu.com/question/30527705AVL树:最早的平衡二叉树之一。应用相对其他数据结构比较少。windows对进程地址空间的管理用到了AVL树红黑树:平衡二叉树，广泛用在C++的STL中。map和set都是用红黑树实现的。...
一篇理解-链表，哈希表，二叉树，平衡二叉树，B树，B+树
qq_1757537040的博客
03-27 1949
链表： 链表的概念：链表是一种物理存储结构上非连续，非顺序的存储结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。 链表的结构是多式多样的，当时通常用的也就是两种： 无头单向非循环列表：结构简单，一般不会单独用来存放数据。 实际中更多是作为其他数据结构的子结构，比如说哈希桶等等。 带头双向循环链表：结构最复杂，一般单独存储数据。实际中经常使用的链表数据结构， 都是带头双向循环链表。这个结构虽然复杂， .
什么是跳表？redis为啥使用跳表作为索引，不使用B+树？redis的单线程为啥效率高？
sinat_19594515的博客
07-18 4672
1.什么是跳表 我们知道redis中使用跳表作为索引。 储存数据时，数组容量有限且有序数组增加元素时效率比较低，所以存储数据时常选用链表。但是链表的查询效率O(n)。 有没有可以提高链表查找效率的方式呢？跳表就是这样一种结构。利用空间换时间的方式，提高查询效率。 跳跃表的结构是多层的，通过从最高维度的表进行检索再逐渐降低维度从而达到对任何元素的检索接近线性时间的目的O(logn)。 理想的跳表是每一层是下一层元素的1/2，即每个元素跳过2个元素，这样共有log2N层。但是这样插入删除元素就会很复杂，
为什么innodb使用B+树
最新发布
05-14
### InnoDB 使用 B+ 树 的原因及优势 #### 1. 数据分布与磁盘 I/O 效率 B+ 树的设计使得其能够有效地减少磁盘 I/O 操作次数。由于磁盘读写操作通常是以块为单位进行的，而 B+ 树的高度较低且每个节点可以容纳较多的关键字和子节点指针，因此在查询过程中所需的磁盘访问次数较少[^5]。 #### 2. 范围查询的支持能力 相比于红黑树或其他类型的二叉搜索树，B+ 树更适合处理范围查询。这是因为所有的记录都存储在叶子节点上，并且这些叶子节点之间存在链表链接关系。这样，在执行范围查询时可以通过简单的线性扫描完成目标数据集定位而不必反复跳跃不同层次间的内部节点[^4]。 #### 3. 插入删除操作稳定性 当向一棵平衡二叉树（如AVL树或红黑树）中频繁地插入新元素或者移除已有元素时可能会破坏原有结构从而引发复杂的旋转调整过程；然而对于B+树来说，即使发生分裂合并等情况也仅限于局部范围内不会影响整体高度变化太多，进而保持较高的运行效率[^1]。 #### 4. 缓存友好型设计 考虑到计算机体系架构特点——CPU缓存行大小有限制等因素的影响，采用扁平化程度更高的B+树有助于提高命中率并降低延迟成本。因为每次加载一页数据进入内存后往往能覆盖更多实际需要用到的信息项，所以相比起那些分支因子较小的传统BST变种而言更加节省资源消耗[^2]。 ```python class Node: def __init__(self, keys=None, children=None): self.keys = keys or [] self.children = children or [] def insert(node, key): if not node.children: # Leaf node index = find_insert_position(node.keys, key) node.keys.insert(index, key) return split_if_needed(node) child_index = find_child_position(node.keys, key) updated_child = insert(node.children[child_index], key) if isinstance(updated_child, tuple): # Split occurred new_key, new_child = updated_child index = find_insert_position(node.keys, new_key) node.keys.insert(index, new_key) node.children.insert(index + 1, new_child) return split_if_needed(node) return node def search(node, target): while True: i = bisect_left(node.keys, target) if i != len(node.keys) and node.keys[i] == target: break if not node.children: return None node = node.children[i] return (node, i) ```
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