MYSQL 索引与数据结构笔记

MYSQL 索引与数据结构笔记

1. B-Tree 与 B+ Tree 基础对比

• B-Tree（平衡树）
  • 每个节点既存储 键（Key），也存储 实际数据（Data）。
  • 查找时从根节点（Root）开始，沿着指针遍历至叶节点（Leaf），每次节点访问都可能触发一次磁盘 I/O。
  • 特点：小的键在左，大的键在右，定位单条记录的最坏深度与树高成正比。
• B+ Tree（平衡树加强版）
  • 非叶子节点 只存储 键，不存储数据；所有数据集中存放于 叶子节点。
  • 叶子节点之间通过双向链表相连，支持范围查询时从起始叶节点依次遍历，无需回到根节点重复搜索。
  • 由于非叶子节点仅存键，可在同页面存储更多索引，树更“宽”、高度更浅，减少索引查找的磁盘 I/O 次数。

以上图示直观对比了两者的结构差异：

• B-Tree 左侧，内外节点均存数据；
• B+ Tree 右侧，内部节点只有键，叶子通过链表横向连接。

B 树相比其他数据结构为何更快？B 树又如何进一步提升性能？

一、B 树的优势

1. 高扇出（Fan-out）、低高度
   • B 树的每个节点（页面）可以包含 m 个子指针和 m–1 个关键字，通常 m 很大（几百到上千），因为页面大小（如 16 KB）可容纳大量记录指针。
   • 相比二叉搜索树（每节点仅 2 个子指针），B 树树高明显更低：
     $\text{高度}\approx {\log }_{m}N\ll {\log }_{2}N$
   • 结果：每次查询只需少量层次的磁盘 I/O。
2. 磁盘友好：“页面+批量读写”
   • 节点大小与磁盘块（页面）大小匹配，一次 I/O 就能读取或写入一个完整节点。
   • 大量连续指针和键值在同一页面中，最大化单次 I/O 的有效数据利用率。
3. 动态平衡
   • B 树在插入/删除时始终保持平衡，无需昂贵的旋转操作（区别于 AVL、红黑树）。
   • 分裂/合并操作较少，且都局限在少数相邻节点，引发的页面写回有限。
4. 支持范围查询（部分）
   • 虽非链表连接，B 树也能通过中序遍历叶子节点进行范围扫描，复杂度 $O({\log }_{m}N+K)$，其中 K 是返回行数。

二、B 树的进一步优化

在 B 树基础上，B+ 树对 I/O 和范围查询做了两点关键改进：

1. 非叶子节点只存“路由键”
   • B 树：每个节点都存键+数据指针。
   • B+ 树：
     • 内部节点：仅存 键 和子指针，页内可容纳更多分支，进一步提升扇出 $m$。
     • 叶子节点：存所有 键 + 数据指针。
   • 好处：更宽的树 → 更浅的树 → 更少层级 I/O。
2. 叶子节点双向链表
   • 所有叶子通过指针串联，形成线性链表。
   • 范围查询：
     1. 定位首条记录（${\log }_{m}N$ 次 I/O）。
     2. 顺链遍历后续叶子页，每页一次 I/O，即可连续获取大量记录，无需再回到根节点。
   • 预取优化：操作系统或 InnoDB 可预测地提前读取下几页，减少读取延迟。

三、综合对比

结论

• B 树 相比纯内存二叉结构，更贴合磁盘 I/O 模型：高扇出、低树高、少 I/O。
• B+ 树 在此基础上：
  • 更高扇出（节点更“瘦”），进一步压低树高；
  • 链表化叶子，极大优化范围扫描和预取，减少随即 I/O。

这种设计正好契合数据库对“大量数据+高并发读写+范围查询”场景的需求，因而被广泛采用，MySQL InnoDB 默认索引即基于 B+ 树。

2. MySQL 为何选择 B+ Tree

1. 更少的磁盘 I/O

   • 叶子节点更集中，树高度更低。
   • 访问任意数据最多经过$\lceil {\log }_{m}N\rceil$层，且每层页面能存更多指针。

2. 高效的范围查询

   • 双向链表链通所有叶节点。
   • 查询 [low, high] 时，从根定位 low，再顺链查到 high，无需多次回根。

3. 页面利用更高

   • 非叶子节点仅存键，单页指针更多。
   • 更少分裂、重平衡次数，维护成本更低。

3. 索引使用示例与性能分析

假设有如下测试表：

CREATE TABLE t_demo (
  id_int INT NOT NULL PRIMARY KEY,
  id_char CHAR(10),
  INDEX idx_char (id_char)
);

INDEX / KEY

• 在 SQL 标准中，INDEX 用于指示“给某列建立额外的索引结构”；MySQL 中 INDEX 和 KEY 同义。
• 作用：加速基于该列的查找（=、IN）、排序（ORDER BY）、范围扫描（BETWEEN、>、<）等操作。
• 类型：
  • 普通索引（Secondary Index）：如上例 idx_char，只存列值 + 聚簇主键，用于辅助查找。
  • 唯一索引（UNIQUE INDEX）：加上 UNIQUE 关键字，保证列值不重复。
  • 全文索引（FULLTEXT）：用于自然语言全文检索。
  • 空间索引（SPATIAL）：针对 GIS 数据。

idx_char

• 这是索引的名字，必须在同表内唯一。

• 建议命名习惯：idx_<列名> 或 idx_<表名>_<列名>，便于维护和阅读。

• 用途示例：

  SHOW INDEX FROM t_demo;
  -- 你会看到一个名为 idx_char 的索引，Column_name: id_char
  DROP INDEX idx_char ON t_demo;
  

聚簇索引 vs 辅助索引

• 聚簇索引（Clustered Index）
  • 由 InnoDB 强制由主键构建。
  • 叶子节点直接存放整行数据（行记录）。
• 辅助索引（Secondary Index）
  • 叶子节点只存「索引列值 + 主键列值」。
  • 查到主键后，再回聚簇索引查整行。

3.1 整数字段索引查询

EXPLAIN SELECT * FROM t_demo WHERE id_int = 3;

• Output: key: PRIMARY, rows: 1
• 利用聚簇索引，直接定位叶节点，一个 I/O 即可返回数据。
• EXPLAIN 用于让 MySQL 优化器输出该查询的“执行计划”，常见字段：

3.2 字符字段索引查询

EXPLAIN SELECT * FROM t_demo WHERE id_char = 'three';

• Output: key: idx_char, rows: 1
• 较整型略慢，但依然通过二分定位叶节点和链表读取。

4. 索引失效与类型转换陷阱

当对 索引字段 应用函数或运算时，会导致 MySQL 无法利用索引，转而全表扫描，示例如下：

EXPLAIN SELECT * FROM t_demo WHERE id_int + 0 = 1;
-- key: NULL, rows: 全表扫描

原因：

• 聚簇索引的页内顺序被打乱，MySQL 无法在叶节点上直接比较。
• 索引失效后，每行先转换再比较，磁盘 I/O 和 CPU 转换开销剧增。

最佳实践

• 避免在 WHERE 条件中对索引列进行任何运算或类型转换。

• 如需偏移量查询，可将常量移至列右侧：

  -- 建议
  SELECT * FROM t_demo WHERE id_int = 1 - 0;
  -- 避免
  SELECT * FROM t_demo WHERE id_int + 0 = 1;
  

• 对于范围查询（如 BETWEEN、>、<），只要不对字段本身改动，即可走范围索引。

5. 小结

• B+ Tree：MySQL 默认索引结构，专为大规模数据检索优化。
• 范围查询：链表加速，极大提升大数据下的连续扫描性能。
• 索引失效：对索引列的任何计算或类型转换都会导致全表扫描，严重影响性能。