深入理解mysql索引底层数据结构

cubicjin

于 2025-05-17 14:52:14 发布

阅读量1k

点赞数 13

CC 4.0 BY-SA版权

分类专栏： Mysql系列文章标签： mysql 数据库

本文链接：https://blog.csdn.net/weixin_58611042/article/details/147986942

Mysql系列专栏收录该内容

8 篇文章

订阅专栏

B+树索引

B树是一种多路搜索树，在数据库、文件系统中常用于索引结构，它是 B+ 树的“祖先”，但现在用得更少。下面是它的主要特点：

在这里插入图片描述

B 树的核心特点（以阶为 m 的 B 树为例）

特点	说明
多叉结构	每个节点最多有 `m` 个子节点，`m` 是树的阶。
有序性	所有节点的 key 有序，子树分布在 key 的两边。
自平衡	插入/删除后自动保持平衡（高度相同）。
所有节点都存数据	每个节点都存 key 和 value。

B+ 树是一种多路搜索树，是 B 树的变种，常用于数据库和文件系统中，特别适合磁盘存储和范围查询，InnoDB就是采用的B+树。
在这里插入图片描述

B+ 树的核心特点：

1. 所有数据只存储在叶子节点

非叶子节点（也叫“内部节点”）只存 索引 key（右侧子节点的最小key），用于导航，不存实际数据。
所有完整的记录/行数据都在叶子节点。

2. 叶子节点之间通过链表相连

形成有序链表，支持快速的区间（范围）查询。

3. 每个节点存多个 key 和指针

一般一个节点最多可以存 m-1 个 key 和 m 个子指针。

B+ 树相对 B 树的主要改进：

方面	B 树	B+ 树	改进效果/原因
数据存储	关键字和数据同时存储在所有节点	关键字只存储在内部节点，数据只存在叶子节点	内部节点更小，能存更多 key，降低树高度，查询更快
叶子节点链表	没有叶子节点链表	叶子节点通过链表串联起来	支持高效范围查询（顺序遍历叶子节点即可）
查询效率	可能在任何节点找到数据	必须到叶子节点才能找到数据	统一访问叶子节点，范围查询方便，磁盘读写更顺序
范围扫描	复杂	简单且高效	叶子节点顺序连接，扫描时避免多次回溯和随机访问
节点大小	节点存数据较大	内部节点更小，叶子节点存完整数据	内部节点小，有助于减少磁盘IO，提高缓存利用率

为什么数据库用 B+ 树？

因为磁盘 I/O 非常慢，而 B+ 树专门为减少磁盘访问次数设计：

方面	B+ 树	红黑树
节点大小	大，匹配磁盘页	小，单个元素
树高	低，多路树	较高，二叉树
磁盘 IO 次数	少，顺序读取，预读好	多，随机访问
范围查询	高效，叶子链表支持顺序遍历	低效，需要中序遍历
适用场景	磁盘索引结构，数据库索引	内存数据结构，平衡二叉树

在 InnoDB 中的作用

主键索引（聚簇索引）：B+ 树的叶子节点就是整行数据；
二级索引（非聚簇索引）：叶子节点存索引列 + 主键值。

二级索引查找到主键值后要回表查询行数据。

MyISAM

MyISAM 是 MySQL 早期的默认存储引擎，基于 ISAM（Indexed Sequential Access Method）改进而来。
主要用于读操作多，写操作相对较少的场景。
不支持事务（无redolog和undolog），也不支持行级锁，只支持表级锁。

MyISAM表数据和索引分别存储在.MYD和.MYI文件中
MYI使用B+树记录索引，存储数据MYD的偏移地址

思考

思考：为什么二级索引不采用聚簇索引？

如果每个索引都把数据拷贝一遍，磁盘和内存成本太高。
多个“聚簇”会有多个版本的行数据，不一致不好维护。
这违背了“唯一数据源”的设计理念。

思考：创建表的时候，没有设置主键，那存储引擎会怎么办？
InnoDB要求表必须有主键（MyISAM可以没有）。如果没有显式指定，则MysQL系统会自动选择一个可以非空且唯一标识数据记录的列作为主键。如果不存在这种列，则MysQL自动为InnoDB表生成一个隐含字段作为主键,这个字段长度为6个字节，类型为长整型。

HASH索引

Hash 索引 是一种基于哈希表的数据结构，通过对索引列的值计算哈希函数，快速定位数据的位置。

特性	说明
访问速度快	哈希查找是 O(1) 的复杂度，查找非常快
不支持范围查询	因为哈希表是无序的，不能用来做 BETWEEN、<、> 查询
不支持排序	不能用于 ORDER BY，因为没有顺序
不支持模糊匹配	不支持LIKE ‘%xxx%’，除非是以常量开头的前缀匹配（视实现而定）
有哈希冲突	不同的值可能得到相同的哈希值（冲突），需要链式或开放寻址法解决