mysql B+树索引

最新推荐文章于 2025-04-18 09:26:05 发布
最新推荐文章于 2025-04-18 09:26:05 发布
阅读量423 收藏
点赞数
分类专栏： Mysql 文章标签： mysql 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/yutian_1999/article/details/104599702
版权
本文介绍了索引作为数据结构的作用，对比了数组、链表、二叉树等查找效率。重点讲解了B-树和B+树的区别，强调B+树在MySQL中降低IO操作和支持范围查询的优势。还提到了聚簇索引和非聚簇索引的概念，并给出设计数据库表的实用建议，包括选择合适的数据类型、创建唯一和复合索引等。

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

索引

索引是什么？索引是一种数据结构，是一种能够帮助我们快速定位到数据的数据结构。最长常见的数据结构有数组、链表、二叉树、红黑树。

数组我们如何定值查询？只能遍历比较了，最差的情况下要遍历所有元素，时间复杂度O（n）。

链表如何定值查找元素？那就更只能靠遍历每一个节点来实现了，时间复杂度O（n）。

二叉树如何查找元素？从根节点向下遍历，就查找二叉树来说，时间复杂度是O（log n）。
但是二叉树有一个问题，如果根节点是到叶子节点如果是顺序插入的话，二叉树就会变成一个线性的链表。
在这里插入图片描述
鉴于二叉树的缺点，我们需要一种平衡二叉树来提高我们的查询效率。
在这里插入图片描述
但是平衡二叉树还是有一个问题，当树的节点足够多的情况下，树的高度还是会很高，定值查询依然会有瓶颈。

B-树结构

在这里插入图片描述
B树为了保证树的高度不要太高于是对树的每个节点进行了横向的扩展，也即是每一个节点可以可以存放多个数据，那么这样来说，树的高度就可以降低了。这种横向扩展的结构我们称做为页，虽然B树解决了树的高度问题，但是同时带来一个问题，那就是每个页里面都有存放数据，io操作时依然会带来很大的性能开销。

B+树结构

在这里插入图片描述
B+树像较与B树有两个改变

  1. 将数据只存在在叶子节点上
  2. 叶子节点上增加一个横向指针

数据存在叶子节点的好处？
根节点和中间节点就能存储更多的数据，mysql默认的页大小是16kb，如果根节点和中间节点不存放数据的话，就能存放更多的索引数据，就能减少磁盘的IO，比如上述结构的，11我们只需两次io就能真正的查询到数据。

叶子节点的横向指针的好处？
叶子节点的横向指针可以支持范围查询，像我们hash索引就不能支持范围查询。

聚簇索引和非聚簇索引
叶子节点的data存放了实际数据的就是聚簇索引，innerDB就是聚簇索引的实现，叶子节点的data只存放了数据的磁盘地址的就是非聚簇索引，myisam就是非聚簇索引的实现，想要真正定位到数据还要一次IO操作。

为什么innerDb希望我们建一个整形自增的主键索引？
整形的好处大概有两个，一个是方便比较，第二个是相对占用的空间小，自增的目的是为了减少树的旋转。

关于设计表的几个建议
  1. 建议使用innerDb引擎，支持事务、表锁、行锁、聚簇索引
  2. 最好有整形自增主键，强调一点根据数据量选用int或者bigint，尽量避免主键到头的尴尬
  3. 索引最好有唯一索引和复合索引搭配使用，不要滥建索引，会降低写的性能，树的旋转耗时
  4. 列字段占用空间越小越好，可以使用枚举来代替字符串
  5. 最好有create_time 和 update_time字段，方便定位问题
  6. 最好预留几个字段，方便扩展
  7. 字段备注越详细越好，方便后来者熟悉业务
  8. 数据表最好一次建好，后续执行DML会耗时，表越大越耗时，修改过程中会拒绝写操作
  9. 表字段不宜太多，可以垂直拆分成多个表
扫码关注公众号

在这里插入图片描述

mysql的索引构建（B+树）
vatxiongxiaohui的专栏
08-23 2435
mysql，一个作为java开发人员几乎无法避开的关系型数据库，把它搞懂无疑对我们的开发和面试都有着巨大的帮助。但是mysql很庞大，这次只讲mysql的索引构建（B+树），不做其他延伸。其实在之前的工作中，也一直说想清晰地认识一下mysql的索引，也零零散散的看过一些文章，但是由于本人技拙，mysql虽会使用，但其原理一直没有一个豁然开朗的那种感觉，无意间在网上找到一本书，买来一观，才对此有了一个比较清晰的认识，在此作出总结记录，留做后用。
Mysql B+树索引
夏冬丶王阳旭
07-20 1902
原文地址：https://amos-x.com/index.php/amos/archives/mysql-btree-index/ 前言 索引是数据库提高查询效率的常用办法，那么索引为什么能提高查询效率，索引是怎么工作的，这就需要我们了解其本质上的工作原理，这也是很多面试时的常见问题。 下面我们就详细聊一下：索引。 在开始前，先说明一下，以下所有内容，基于默认的Innodb存储引擎，也是目前主流常用引擎。 正文 在开始聊索引前，首先需要明白：InnoDB是一个将表中的数据存储到磁..
MySQL索引-B+树
lingdu010的博客
06-23 248
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 全文索引 我们今天要介绍的是工作开发中最常接触到的 InnoDB 存储引擎中的 B+ 树索引。要介绍 B+ 树索引，就不得不提二叉查找树，平衡二叉树和 B 树这三种数据结
数据库——MySQL必知之B+树索引
最新发布
weixin_47088026的博客
04-18 1158
磁盘设备上，通过B+树可有效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，可有效地减少IO操作扇出：每个索引节点指向每个叶子节点的指针扇出数：索引节点可存储的最大关键字个数+1。
索引
11-13 211
B+ Tree 原理 1. 数据结构 B Tree 指的是 Balance Tree，也就是平衡树。平衡树是一颗查找树，并且所有叶子节点位于同一层。 B+ Tree 是基于 B Tree 和叶子节点顺序访问指针进行实现，它具有 B Tree 的平衡性，并且通过顺序访问指针来提高区间查询的性能。 在 B+ Tree 中，一个节点中的 key 从左到右非递减排列，如果某个指针的左右相...
为什么MySQL用B+树做索引
u014495560的博客
11-15 792
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...
mysql中的B+树索引
qqqq0199181的博客
06-20 357
mySQL中有3类索引 B+树索引 自适应hash索引 全文索引 本文讲的是B+树索引，其他两种索引以后有机会再写。 概念 B+树索引，顾名思义就是用B+树结构来存储索引的数据，至于B+树的定义这里就不加赘述了。要注意的一点是B+树索引的叶子节点存储的并不是一条记录，而是一个数据页。索引数据时，是先通过索引找到记录所在的页，然后把页加载到内存中，找到页中的记录。 在MySQL中B...
MySQL 中 B+树索引的原理深入解析
持续分享有趣的技术干货
08-19 737
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之B+树索引详解（2）——数据页结构
一步一步走
07-06 800
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 B+树深度解析：从原理到优化实践
兀行者的博客
02-16 808
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之索引(2)（B树、B+树、索引分类、聚集索引、二级索引、回表查询）
岁岁岁平安的博客
11-11 901
本篇博客的主要内容是关于MySQL的索引中的B树、B+树索引的详细和优缺点、索引分类（主键索引、唯一索引、常规索引）、MySQL中InnoDB存储引擎中索引的存储形式（聚集索引、二级索引）、MySQL中的B+树...
Mysql索引-B+树
gaoshang1992的博客
06-16 349
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的B+树索引
cafery的博客
03-22 890
Mysql的B+树索引
MYSQL数据库索引B+树结构
Charls_Wu的博客
05-10 1616
MYSQL数据库InnoDB数据索引原理
【MySQL】B+ 树索引
liuwanqing233333的博客
03-01 970
InnoDB 索引~~
mysql的B+树索引
A coder of life
10-14 246
这篇文章是自己学习mysql随手写的杂记，编辑混乱且不够严谨，请勿参考，谢谢！ 以mysql中的innodb引擎为例，索引是个什么东西？为什么说索引即数据？一个2层B+树索引最多可以存多少条数据？聚簇索引，二级索引，联合索引？ 在单个页中进行记录查找分为： 定位记录所在的槽 遍历槽比对记录 真实的场景中，表中的数据会分布在很多的页中。记录的查找也在这些页中进行，如果我们不进行任何查找优化，...
MySQL B+树索引
qq_52634184的博客
04-20 338
当我们建立索引时,MySQL会构建一颗B+树,把索引中的值作为B+树的节点保存,然后以最高效的方式组织和访问这些数据,来完成相关联数据的快速查找。总之,B+树是一种自平衡的搜索树,具有较低的树高,比较稳定的插入删除性能和较高的区间查询效率,这使得它成为构建数据库索引的理想结构。它是B树的变种,区别在于B+树的非叶子节点不保存数据,只保存节点指针。B+树的特点:1. 非叶子节点不保存数据,只有叶子节点保存实际数据。3. 由于非叶子节点不保存数据,树的层次较少, elevated高度较低,方便查找。
MySQL-B+树索引
小知识折射大智慧
06-17 1665
在数据库中B+树的高度一般都在2～3层，也就是对于查找某一键值的行记录，最多只需要2到3次的IO。 InnoDB存储引擎表是索引组织表，即表中数据按照主键顺序存放。而聚集索引就是按照每张表的主键构造一颗B+树，并且叶子节点存放整张表的行记录数据，因此也让聚集索引的叶子节点成为数据页。聚集索引的这个特性决定了索引组织表中数据也是索引的一部分。同B+树结构一样，每个数据页都是通过一个双向链表来进行链接。
MySQL 索引（B+树）详解
深入Java世界：探索编程之美与技术深度
12-06 2278
性能低、执行时间太长、等待时间太长、连接查询、索引失效。explain中第一行出现的表是驱动表。指定了联接条件时，满足查询条件的记录行数少的表为[驱动表]未指定联接条件时，行数少的表为[驱动表]对驱动表直接进行排序就会触发索引，对非驱动表进行排序不会触发索引。id：SELECT识别符。这是SELECT的查询序列号。SIMPLE： 简单SELECT(不使用UNION或子查询)PRIMARY： 最外面的SELECTUNION：UNION中的第二个或后面的SELECT语句。
mysqlB+树索引 vs 哈希索引
03-16
<think>嗯，用户想比较MySQL中B+树索引和哈希索引的优缺点及适用场景。首先，我需要回忆一下这两种索引的基本结构和工作原理。B+树索引是一种多路平衡查找树，而哈希索引则是基于哈希表实现的。两者的结构差异会导致不同的查询性能表现。 根据引用[3]，B+树索引适合范围查询和排序，而哈希索引在等值查询上更快。那用户可能需要知道什么情况下选择哪种索引更好。比如，如果应用中有很多范围查询，B+树更合适；如果是精确查找，哈希可能更高效。 接下来，要考虑它们的存储结构。引用[4]提到B+树的内部节点只存索引，不存数据，这样减少存储空间。而哈希索引可能需要处理哈希冲突，这会影响性能。这点需要详细说明。 性能对比方面，B+树的查询时间复杂度是O(log n)，哈希则是平均O(1)，但最坏情况可能退化为O(n)。但实际中哈希冲突管理好的话，还是高效的。不过B+树在范围查询时效率更高，这也是为什么MySQL默认使用B+树的原因之一。 使用场景的话，用户可能需要知道何时选择哈希索引。比如内存表或者需要快速查找键值的场景。而B+树适用于需要排序、分组或者范围查找的情况，比如订单时间范围查询。 另外，需要提到哈希索引不支持部分索引和覆盖索引，而B+树支持，这点在优化查询时很重要。例如，如果查询只需要索引列，B+树可以直接返回数据，而哈希需要回表。 还要注意MySQL的存储引擎支持情况，比如InnoDB的自适应哈希索引功能，用户可能不知道这个特性，可以解释一下。 最后，总结两者的优缺点，给出实际应用中的建议，帮助用户根据具体需求选择合适的索引类型。同时，确保回答结构清晰，分点明确，让用户容易理解。</think>### MySQL B+树索引与哈希索引对比分析 #### 一、核心区别 1. **数据结构** - **B+树索引**：多路平衡搜索树，数据存储在叶子节点，形成有序链表[^4] 例如：$$ \text{非叶节点}(K_1,K_2,...,K_n) \rightarrow \text{叶节点}(D_1,D_2,...,D_n) $$ - **哈希索引**：基于哈希表实现，通过哈希函数将键值映射到桶位置 2. **查询模式** - B+树支持$范围查询$（如`BETWEEN`、`>`、`<`）和排序操作 - 哈希索引仅支持$等值查询$（`=`、`IN()`），无法处理范围查询[^3] #### 二、性能对比 | 维度 | B+树索引 | 哈希索引 | |------------|--------------------------|-------------------------| | 查询时间复杂度 | $O(\log N)$ | 平均$O(1)$，最差$O(N)$ | | 范围查询效率 | 高（顺序访问叶子节点）[^4] | 不支持 | | 排序性能 | 天然有序 | 需要额外排序步骤 | | 索引维护成本 | 插入/删除需要平衡树 | 哈希冲突需处理链式结构 | #### 三、存储特性 1. **B+树优势** - 支持$覆盖索引$（索引包含查询字段） - 内部节点不存储数据，节省空间[^4] 例如：$$ \text{存储效率}=1-\frac{\text{数据节点数}}{\text{总节点数}} $$ - 支持多列联合索引的最左前缀匹配 2. **哈希局限** - 无法使用索引完成排序 - 不支持部分索引（如`LIKE 'prefix%'`） - 哈希冲突会降低性能 #### 四、典型应用场景 1. **优先选择B+树** - 订单系统的日期范围查询 ```sql SELECT * FROM orders WHERE order_date BETWEEN '2023-01-01' AND '2023-06-30' ``` - 需要`ORDER BY`的报表查询 - 联合索引查询（如`(last_name, first_name)`） 2. **适合哈希索引** - 内存表（MEMORY引擎）的高速等值查询 ```sql SELECT session_data FROM user_sessions WHERE session_id = 'a1b2c3' ``` - 数据仓库的精确匹配ETL过程 - InnoDB自适应哈希索引（自动缓存热点数据）[^1] #### 五、选择建议 1. **OLTP系统**：90%以上使用B+树索引 2. **OLAP系统**：在明确只有点查询时考虑哈希索引 3. **混合负载**：使用InnoDB自适应哈希索引，自动平衡两者优势
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