最通俗易懂的数据库索引结构讲解

一般一个数据库系统包含以下：

• 存储（文件系统）：将设备持久化到存储设备当中

• 程序实例：对存储进行逻辑上的管理

  • 物理存储关系的存储管理模块
  • 优化执行效率的缓存模块
  • 对sql语句进行解析的SQL解析模块
  • 记录操作的日志管理模块
  • 进行多用户管理的权限划分模块
  • 灾难恢复模块容灾机制
  • 优化查询效率的索引模块
  • 支持并发操作的锁模块

一、为什么要使用索引

首先我们要明白，数据库的数据是存储在磁盘中的，每次读磁盘都是非常昂贵的的IO开销，而且速度非常慢，所以现在的系统都有局部读取的功能，能够将我们所要的数据的周围的数据一并读取，但是这些还不能够满足我们，仍然会出现一次查询需要多次IO，毕竟在没有索引的情况下，我们每次查询数据库基本都是全表查询，数据量少还好说，数据量稍微大些，不仅影响性能还浪费时间。所以索引就出现了。

二、索引有哪些类型呢（以mysql为例）

• 普通索引：最基本的索引，它没有任何限制，用于加速查询。INDEX
• 唯一索引：索引列的值必须唯一，但允许有空值。如果是组合索引，则列值的组合必须唯一。UNIQUE INDEX
• 主键索引：是一种特殊的唯一索引，一个表只能有一个主键，不允许有空值。一般是在建表的时候 同时创建主键索引。PRIMARY KEY
• 组合索引：指多个字段上创建的索引，只有在查询条件中使用了创建索引时的第一个字段，索引才会被使用。使用组合索引时遵循最左匹配原则（后边讲解）。INDEX name(“colum_name”,“colum_name”…)
• 全文索引：主要用来查找文本中的关键字，而不是直接与索引中的值相比较。FULLTEXT INDEX name("")

三、索引的数据结构

1、二叉查找树进行二分查找

结构图：

可以看出，二叉查找树的左子节点的值是小于他的父节点的，例如上图中2小于5，右子节点均大于父节点的值。

到这里我们应该能够明白，二叉查找树结构的索引查找方法了，比如我们查找6,6>5，所以找5的右节点，6<7找7的子节点，以此类推，便可定位到，可以看出，他是对半搜索，所以时间复杂度为O(logn)。

缺点

• 节点删除添加，会破坏其结构，可能会变成线性结构，那么其复杂度可能会变为O(n)，大大降低了效率
• 就算我们花费手段将其结构还原，我们可以看到，每个节点只能有两个节点，也就是说，一次查询可能需要较多的深度查找，这种做法增加了IO负担，浪费资源，也耗时。是不满足我们的优化查询需求。

所以为了提高效率，我们尽量降低深度，增大每个节点的子节点。由此，我们引出B-Tree

2、B-Tree结构

也称作平衡多路查找树
实际中，每个索引子节点上限是大于3的，每个存储块（节点）包括关键字（蓝色）和指向孩子的指针（黄色），能够有多少个孩子，取决于存储块的容量和数据库的相关配置

定义：

• 根节点至少包括两个孩子
• 树中每个节点最多含有m个孩子（m>=2)
• 除了根节点和叶节点外，其他每个节点至少有m/2个孩子
• 所有叶子节点都位于同一层（叶子节点的高度都是一样的）

其余特点：

• 关键字个数永远比指针少一个
• 左子节点关键字的值都会比该节点的父节点关键字值小，右子节点均大于父节点关键字值，其余子节点关键字值位于父节点关键字值开区间之内，例如图上的9和10位于(8,12)

查询B数结构的索引时，也是比较简单明了的，比如我们查15，小于根节点的所有值，故查询左边，发现大于8和12，于是查询右边，15>13，继续右边，然后定位了。

优点：

• 高度比二叉树矮得多
• 添加或删除时，因为有其定义在，B数可以进行上移下移来保证结构完整性，避免发展成线性结构
• 时间复杂度：O(logb(n)),b为分叉数

3、B+Tree(主流)

B+数是B数的变体，基本定义和B数相同

在一个磁盘块中，关键字数目跟指针数目是一样的

其特性跟B数也有点小区别

• 父节点关键字最小值<=左子节点值<父节点中间节点值
• 父节点关键字最大值<=右子节点值
• 父节点关键字其余值<=其余子节点值<父节点最大值
• 非叶子节点只存储关键字，数据只能存储在叶子节点中，也就是说哪怕在非叶子节点查询到了，也必须进入他的叶子节点
• 所有叶子节点均由一个链指针指向下一个叶子节点，顺序由小向大连接，方便我们进行统计。比如我们查找到关键字为10的叶子节点，我们需要统计>=10的数据，直接统计后边连接的就行，就无须回到非叶子节点层进行搜索

B+树的优点：

• 除了叶子节点，其余节点只存储关键字，这样一个磁盘块所能容纳的关键字就越多，一次能够查找的关键字就越多。也就是提高了磁盘IO性能
• B+树查询效率更加稳定，都是需要查询到叶子节点
• B+树更有利于对数据库的扫描，叶子节点顺序相连，更有利于数据库范围查询，效率更高

4、 Hash

hash索引效率非常高，一次计算就可以找到目标，时间复杂度O(1)

缺点：

• 仅仅满足“=”，“IN”,不能使用范围查询
• 不能利用部分索引键查询，无法用组合索引
• 不能避免表扫描
• 遇到大量Hash值相等的情况后性能低下

它的局限性还是很大的

索引是建得越多越好吗

答案肯定是否。

• 数据量小的表不需要建立索引，建立会增加额外的索引开销

• 数据变更需要维护索引，因此更多的索引意味着更多的维护成本

• 索引是存储在磁盘上的，更多的索引页意味着需要更多的磁盘空间

  注意：

  1、索引需要占用磁盘空间，因此在创建索引时要考虑到磁盘空间是否足够

  2、创建索引时需要对表加锁，因此实际操作中需要在业务空闲期间进行