mongodb wiredTiger 存储引擎索引原理的理解总结

本篇文章主要是回顾一下B-tree(B树) B+tree（B+数） 数据结构在磁盘存储方面的应用，以及理解目前Mysql 数据库和Mongo 数据库底层的数据存储结构。

参照文章：

 B-tree  和B+tree   :

https://www.cnblogs.com/vianzhang/p/7922426.html

 Mongo  wireTiger 存储引擎分析：

https://source.wiredtiger.com/3.2.1/tune_page_size_and_comp.html

https://mongoing.com/archives/35143

https://www.cnblogs.com/olinux/p/6108203.html

1 B 树与 B+ 树介绍

  B 树中文名 ：平衡多路查找树，为了磁盘等外存储设备设计的一种平衡查找树。 B+ 树 是基于B树的一个变种。都是为了数据存储和检索而设计的一种结构。

  B 树的特点：           

每个节点的构成：
 
     1. 节点数据；

     2. 节点索引；

     3. 指向子结点的指针；

m 阶树

     1.每个节点最多拥有m个子树

     2.根节点至少有2个子树

     3.分支节点至少拥有m/2颗子树（除根节点和叶子节点外都是分支节点）

     4.所有叶子节点都在同一层、每个节点最多可以有m-1个key，并且以升序排列

借个图，图来自参照博客

  B+树与 B树的结构相同，区别就是B+ 的数据存放在叶子节点，而B数每个节点都有。

 通俗来说，选用B-tree 还是B+ tree 跟使用场景有关，B 树的特点， 索引和数据都存在节点，每个节点的索引存储就会少，势必深度会增加，树深度大了，跟磁盘IO的交换次数就会变多，查询性能就会下降。但是优点是，索引跟数据在同一节点，查找索引数据非常快。B+ 树，从结构上来说与B树没什么区别，主要是将数据存储放到了叶子节点，从而索引存储的数量变多，树的深度降低。

 Mysql Innodb 存储引擎选择B+树，其一是树的深度降低了，因为数据存储在叶子节点的原因，可以减少IO和磁盘的交互次数，其二 在树的叶子节点做了一个链式环结构，因为B+树的特性，叶子节点是有序排列的，通过指针的方式叶子节点数据构成了一个有序链表，在查询大小区间的数据时候更方便。

2 mongo wiredTiger 的索引原理

首先wiredTiger 存储的引擎数据存储使用的是B+Tree 结构。 与 Mysql innodb 不同的时，它的叶子节点之间没有通过链式结构形成一个链表，而是每个叶子节点以page 的方式存储了数据。参照图：摘自mongo中文社区

可以看到leaf page 上存储的数据主要由 page header ,block header , key/value 数据构成。

page header : 页的类型、页中实际载荷数据的大小、页中记录条数

block header:  块在磁盘上的寻址位置、数据checksum 等

在mongo 中是通过page 页来分配block 进行数据存储的，如果要定位某一行数据（key/value）的位置，可以先通过block的位置找到此page（相对于文件起始位置的偏移量），再通过page找到行数据的相对位置，最后可以得到行数据相对于文件起始位置的偏移量offsets。

而内存中除了B+tree 外又多了几种数据结构 ，一种是数组，主要是WT_ROW 和 WT_UPDATE 使用，一种是跳跃表主要是

WT_INSERT_HEAD 使用。

 

总结 mongo 采用Copy on write 的方式写数据，会先写到内存cache 中，会通过checkpoint 的方式来进行数据持久化，默认是60s 或少log 文件达到2G。 checkpoint 时，并不是在原来的节点上进行，而是写入新分配的page 上，copy 快照的方式。每次都会产生一个新的root page. 同时数据都会写入WAL 中。 当数据库crash 后，恢复是从WAL 中进行最新数据的恢复。