为什么MySQL索引选择B+树而不使用B树?

2023-10-07 00:44

本文主要是介绍为什么MySQL索引选择B+树而不使用B树?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

为什么mysql索引选择B+树而不使用B树?


1. 关于mysql查询效率:

在这里插入图片描述


2. 关于分块读取:

在这里插入图片描述


3. 关于数据格式存储:

在这里插入图片描述


4. 关于合适的数据结构:哈希表,树

哈希表:

在这里插入图片描述
分析:

    1. 哈希表是散列表,存储在其中的数据是无序的, 所以当进行范围查询的时候,需要挨个便利,效率较低;
    1. 存储过程中会出现哈希碰撞,哈希冲突,必须要设计应能优良的哈希算法;
    1. 存储的过程中,可能会造成存储空间的浪费;
    1. mysql的 memory 存储引擎是 哈希索引;mysql的 innodb 中有一个特性叫做 自适应hash;

在这里插入图片描述

数据结构在线动态展示:https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

如:一个二叉树:单个节点只存储一条数据,单个节点至多有两个子节点。
在这里插入图片描述
随着数据量的增加,树的层数自然也要增加,而树的层数的增加会导致io次数的增加(每层一次io),为了存储更多的数据而不增加io次数,引入了多叉树,即B树

B树

如下:我们选择了一个度为4(每个节点至多存储3条数据)的B树,同样的数据量的存储,我们的树的层数由原本的4层,变成了2层,减少了io查询次数。
在这里插入图片描述
那么,随之而来的又有一个问题,三层的b树能存储多少条数据呐?

B树的存储结构:每个节点可存储多条数据,且存储了对应的键值,指针和数据。

在这里插入图片描述
分析:
innodb默认页的大小是16k,每个树的节点除了存储数据之外,还包含键值指针,我们假设理想模式下,一个数据是1k,那么第一层最多最多存储16条数据;第二层,就是第一层的16个指针对应第二层的16个节点,我们也假设每个节点最多存储16条,那么第二层至多存储数据也就是16 * 16条;第三层,就是第二层的16 * 16个指针,我们也假设每个节点最多存储16条,那么第三层至多存储就是16 * 16 * 16条数据,综上,三层B树最多能存储的数据就是 16 + 16 * 16 + 16 * 16 * 16 = 4368,而实际上一定是小于这个数的,所以三层的B树至多也就存储4000多条数据

4000条数据显然不满足我们平时数据库的存储使用,那么怎么才能存储更多的数据呐?B树继续加层数?多一层就多一次io,代价比较高,不适合;那么,还有另外一种方案,就是每个节点存储尽可能多的数据,因此引入了B+树

B+树

如下:度为4(每个节点至多存储3条数据)的B+树,同样数据量的存储
在这里插入图片描述
B+树的存储结构:上层节点只存储指针和键值,最底层叶子节点存储键值和数据,并且叶子节点之间是链式环结构。与B树相比,上层节点可以存储更多的数据,且叶子节点的范围查询或分页查询效率更高。

在这里插入图片描述
那么,三层的B+树能存储多少条数据呐?

分析:

指针和键值的大小肯定远小于数据的大小,假设指针+键值占用10Byte,innodb默认页的大小是16k,那么第一层磁盘块能存储的指针+键值就是16 * 1024 / 10 = 1600(约等于),假设第一层1600个 指针 指向第二层1600个子节点,第二层的每个子节点一样至多存储指针+键值16 * 1024 / 10 = 1600(约等于),那么第二层总共存储的指针+键值总数就是 1600 * 1600,第三层假设只存储数据,每条数据1k,每个节点至多可以存储16条数据,第二层的1600 * 1600个指针对应第三层的1600 * 1600个子节点,那合起来就是 1600 * 1600 * 16 = 4096 0000条数据;

不同的数据类型,肯定会影响存储的数据量,一般结论是:

3层B+树大概可以存:
主键为bigint:约2000w
主键为int:约4000w

因此,与B树相比,B+树显然可以存储更多的数据量


5. 问题总结:

    1. 一般innodb索引层数有几层?
      解析:
      一般情况下,3-4层,因为3-4层的B+树足以支撑千万级别的数据存储;
    1. 索引列的键(key)值怎么选?
      解析:
      innodb非叶子节点的存储是 指针+键值,指针一般变化不大,所以索引列要尽可能选择占用空间小的字段,因为占用越小,单个节点能存储的 指针+键值 自然就更多,存储的数据自然就更多。
    1. 创建表的时候,主键是否需要自增?
      解析:
      需要,因为如果不自增,会带来索引维护成本的提高,造成叶分裂,而自增只需要在后面有序排列,因此,在满足业务场景的前提下,能自增尽量设置成自增;
    1. 一张表可以有多少个索引?
      解析:
      理论上来说没有索引个数的限制,但并不是索引越多越好。
    1. 一个索引对应一棵树还是多个索引对应多棵树?
      解析:
      一个索引一棵树
    1. 索引的叶子节点要存放数据,当多个索引存在的时候,数据放几份?
      解析:
      一份
    1. 如果数据存储一份,其他索引的叶子节点存储什么数据?
      解析:
      官方文档写的是 primary key,翻译过来的话是 主键,但是回答 聚簇索引的列值 更为准确;
      因为,在innodb的存储引擎中,mysql在数据插入的时候,必须要选择某一个索引列绑定在一起,如果有主键,选择主键,如果没有主键,就会选择唯一键,如果没有唯一键,那么mysql会自动生成一个6字节的rowId来进行存储。

聚簇索引:跟数据绑定存储的称之为聚簇索引;
非聚簇索引:没有跟数据绑定存储的称之为非聚簇索引;
如:
一个表中有 id,name, age, gender, address等字段,其中id为主键,name为普通索引;
那么,id就是聚簇索引,name就是非聚簇索引。

这篇关于为什么MySQL索引选择B+树而不使用B树?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/154994

相关文章

Java Spring 中 @PostConstruct 注解使用原理及常见场景

《JavaSpring中@PostConstruct注解使用原理及常见场景》在JavaSpring中,@PostConstruct注解是一个非常实用的功能,它允许开发者在Spring容器完全初... 目录一、@PostConstruct 注解概述二、@PostConstruct 注解的基本使用2.1 基本代

C#使用StackExchange.Redis实现分布式锁的两种方式介绍

《C#使用StackExchange.Redis实现分布式锁的两种方式介绍》分布式锁在集群的架构中发挥着重要的作用,:本文主要介绍C#使用StackExchange.Redis实现分布式锁的... 目录自定义分布式锁获取锁释放锁自动续期StackExchange.Redis分布式锁获取锁释放锁自动续期分布式

springboot使用Scheduling实现动态增删启停定时任务教程

《springboot使用Scheduling实现动态增删启停定时任务教程》:本文主要介绍springboot使用Scheduling实现动态增删启停定时任务教程,具有很好的参考价值,希望对大家有... 目录1、配置定时任务需要的线程池2、创建ScheduledFuture的包装类3、注册定时任务,增加、删

使用Python实现矢量路径的压缩、解压与可视化

《使用Python实现矢量路径的压缩、解压与可视化》在图形设计和Web开发中,矢量路径数据的高效存储与传输至关重要,本文将通过一个Python示例,展示如何将复杂的矢量路径命令序列压缩为JSON格式,... 目录引言核心功能概述1. 路径命令解析2. 路径数据压缩3. 路径数据解压4. 可视化代码实现详解1

Pandas透视表(Pivot Table)的具体使用

《Pandas透视表(PivotTable)的具体使用》透视表用于在数据分析和处理过程中进行数据重塑和汇总,本文就来介绍一下Pandas透视表(PivotTable)的具体使用,感兴趣的可以了解一下... 目录前言什么是透视表?使用步骤1. 引入必要的库2. 读取数据3. 创建透视表4. 查看透视表总结前言

Python 交互式可视化的利器Bokeh的使用

《Python交互式可视化的利器Bokeh的使用》Bokeh是一个专注于Web端交互式数据可视化的Python库,本文主要介绍了Python交互式可视化的利器Bokeh的使用,具有一定的参考价值,感... 目录1. Bokeh 简介1.1 为什么选择 Bokeh1.2 安装与环境配置2. Bokeh 基础2

Android使用ImageView.ScaleType实现图片的缩放与裁剪功能

《Android使用ImageView.ScaleType实现图片的缩放与裁剪功能》ImageView是最常用的控件之一,它用于展示各种类型的图片,为了能够根据需求调整图片的显示效果,Android提... 目录什么是 ImageView.ScaleType?FIT_XYFIT_STARTFIT_CENTE

MySQL 中的 JSON 查询案例详解

《MySQL中的JSON查询案例详解》:本文主要介绍MySQL的JSON查询的相关知识,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录mysql 的 jsON 路径格式基本结构路径组件详解特殊语法元素实际示例简单路径复杂路径简写操作符注意MySQL 的 J

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型