hi ，大家好，今天分享MySQL硬核知識，希望大家可以學(xué)習(xí)到真正的知識，慢慢積累，厚積薄發(fā)：

看完本文可以學(xué)到什么

• ?一步一步推導(dǎo)出 Mysql 索引的底層數(shù)據(jù)結(jié)構(gòu)

• ?怎么分析回答技術(shù)選型問題

一步一步推導(dǎo)出 Mysql 索引的底層數(shù)據(jù)結(jié)構(gòu)。

Mysql 作為互聯(lián)網(wǎng)中非常熱門的數(shù)據(jù)庫，其底層的存儲引擎和數(shù)據(jù)檢索引擎的設(shè)計非常重要，尤其是 Mysql 數(shù)據(jù)的存儲形式以及索引的設(shè)計，決定了 Mysql 整體的數(shù)據(jù)檢索性能。

我們知道，索引的作用是做數(shù)據(jù)的快速檢索，而快速檢索的實現(xiàn)的本質(zhì)是數(shù)據(jù)結(jié)構(gòu)。通過不同數(shù)據(jù)結(jié)構(gòu)的選擇，實現(xiàn)各種數(shù)據(jù)快速檢索。在數(shù)據(jù)庫中，高效的查找算法是非常重要的，因為數(shù)據(jù)庫中存儲了大量數(shù)據(jù)，一個高效的索引能節(jié)省巨大的時間。比如下面這個數(shù)據(jù)表，如果 Mysql 沒有實現(xiàn)索引算法，那么查找 id=7 這個數(shù)據(jù)，那么只能采取暴力順序遍歷查找，找到 id=7 這個數(shù)據(jù)需要比較 7 次，如果這個表存儲的是 1000W 個數(shù)據(jù)，查找 id=1000W 這個數(shù)據(jù)那就要比較 1000W 次，這種速度是不能接受的。

Mysql 索引底層數(shù)據(jù)結(jié)構(gòu)選型

哈希表（Hash）

哈希表是做數(shù)據(jù)快速檢索的有效利器。

哈希算法：也叫散列算法，就是把任意值(key)通過哈希函數(shù)變換為固定長度的 key 地址，通過這個地址進(jìn)行具體數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。

考慮這個數(shù)據(jù)庫表 user，表中一共有 7 個數(shù)據(jù)，我們需要檢索 id=7 的數(shù)據(jù)，SQL 語法是：

select \* from user where id=7;

哈希算法首先計算存儲 id=7 的數(shù)據(jù)的物理地址 addr=hash(7)=4231，而 4231 映射的物理地址是 0x77，0x77 就是 id=7 存儲的額數(shù)據(jù)的物理地址，通過該獨立地址可以找到對應(yīng) user_name='g'這個數(shù)據(jù)。這就是哈希算法快速檢索數(shù)據(jù)的計算過程。

但是哈希算法有個數(shù)據(jù)碰撞的問題，也就是哈希函數(shù)可能對不同的 key 會計算出同一個結(jié)果，比如 hash(7)可能跟 hash(199)計算出來的結(jié)果一樣，也就是不同的 key 映射到同一個結(jié)果了，這就是碰撞問題。解決碰撞問題的一個常見處理方式就是鏈地址法，即用鏈表把碰撞的數(shù)據(jù)接連起來。計算哈希值之后，還需要檢查該哈希值是否存在碰撞數(shù)據(jù)鏈表，有則一直遍歷到鏈表尾，直達(dá)找到真正的 key 對應(yīng)的數(shù)據(jù)為止。

從算法時間復(fù)雜度分析來看，哈希算法時間復(fù)雜度為 O（1），檢索速度非常快。比如查找 id=7 的數(shù)據(jù)，哈希索引只需要計算一次就可以獲取到對應(yīng)的數(shù)據(jù)，檢索速度非常快。但是 Mysql 并沒有采取哈希作為其底層算法，這是為什么呢？

因為考慮到數(shù)據(jù)檢索有一個常用手段就是范圍查找，比如以下這個 SQL 語句：

select \* from user where id \>3;

針對以上這個語句，我們希望做的是找出 id>3 的數(shù)據(jù)，這是很典型的范圍查找。如果使用哈希算法實現(xiàn)的索引，范圍查找怎么做呢？一個簡單的思路就是一次把所有數(shù)據(jù)找出來加載到內(nèi)存，然后再在內(nèi)存里篩選篩選目標(biāo)范圍內(nèi)的數(shù)據(jù)。但是這個范圍查找的方法也太笨重了，沒有一點效率而言。

所以，使用哈希算法實現(xiàn)的索引雖然可以做到快速檢索數(shù)據(jù)，但是沒辦法做數(shù)據(jù)高效范圍查找，因此哈希索引是不適合作為 Mysql 的底層索引的數(shù)據(jù)結(jié)構(gòu)。

二叉查找樹(BST)

二叉查找樹是一種支持?jǐn)?shù)據(jù)快速查找的數(shù)據(jù)結(jié)構(gòu)，如圖下所示:

二叉查找樹的時間復(fù)雜度是 O(lgn)，比如針對上面這個二叉樹結(jié)構(gòu)，我們需要計算比較 3 次就可以檢索到 id=7 的數(shù)據(jù)，相對于直接遍歷查詢省了一半的時間，從檢索效率上看來是能做到高速檢索的。此外二叉樹的結(jié)構(gòu)能不能解決哈希索引不能提供的范圍查找功能呢？

答案是可以的。觀察上面的圖，二叉樹的葉子節(jié)點都是按序排列的，從左到右依次升序排列，如果我們需要找 id>5 的數(shù)據(jù)，那我們?nèi)〕龉?jié)點為 6 的節(jié)點以及其右子樹就可以了，范圍查找也算是比較容易實現(xiàn)。

但是普通的二叉查找樹有個致命缺點：極端情況下會退化為線性鏈表，二分查找也會退化為遍歷查找，時間復(fù)雜退化為 O（N），檢索性能急劇下降。比如以下這個情況，二叉樹已經(jīng)極度不平衡了，已經(jīng)退化為鏈表了，檢索速度大大降低。此時檢索 id=7 的數(shù)據(jù)的所需要計算的次數(shù)已經(jīng)變?yōu)?7 了。

在數(shù)據(jù)庫中，數(shù)據(jù)的自增是一個很常見的形式，比如一個表的主鍵是 id，而主鍵一般默認(rèn)都是自增的，如果采取二叉樹這種數(shù)據(jù)結(jié)構(gòu)作為索引，那上面介紹到的不平衡狀態(tài)導(dǎo)致的線性查找的問題必然出現(xiàn)。因此，簡單的二叉查找樹存在不平衡導(dǎo)致的檢索性能降低的問題，是不能直接用于實現(xiàn) Mysql 底層索引的。

AVL 樹和紅黑樹

二叉查找樹存在不平衡問題，因此學(xué)者提出通過樹節(jié)點的自動旋轉(zhuǎn)和調(diào)整，讓二叉樹始終保持基本平衡的狀態(tài)，就能保持二叉查找樹的最佳查找性能了。基于這種思路的自調(diào)整平衡狀態(tài)的二叉樹有 AVL 樹和紅黑樹。

首先簡單介紹紅黑樹，這是一顆會自動調(diào)整樹形態(tài)的樹結(jié)構(gòu)，比如當(dāng)二叉樹處于一個不平衡狀態(tài)時，紅黑樹就會自動左旋右旋節(jié)點以及節(jié)點變色，調(diào)整樹的形態(tài)，使其保持基本的平衡狀態(tài)（時間復(fù)雜度為 O（logn）），也就保證了查找效率不會明顯減低。比如從 1 到 7 升序插入數(shù)據(jù)節(jié)點，如果是普通的二叉查找樹則會退化成鏈表，但是紅黑樹則會不斷調(diào)整樹的形態(tài)，使其保持基本平衡狀態(tài)，如下圖所示。下面這個紅黑樹下查找 id=7 的所要比較的節(jié)點數(shù)為 4，依然保持二叉樹不錯的查找效率。

紅黑樹擁有不錯的平均查找效率，也不存在極端的 O(n)情況，那紅黑樹作為 Mysql 底層索引實現(xiàn)是否可以呢？其實紅黑樹也存在一些問題，觀察下面這個例子。

紅黑樹順序插入 1~7 個節(jié)點，查找 id=7 時需要計算的節(jié)點數(shù)為 4。

紅黑樹順序插入 1~16 個節(jié)點，查找 id=16 需要比較的節(jié)點數(shù)為 6 次。觀察一下這個樹的形態(tài)，是不是當(dāng)數(shù)據(jù)是順序插入時，樹的形態(tài)一直處于“右傾”的趨勢呢？從根本上上看，紅黑樹并沒有完全解決二叉查找樹雖然這個“右傾”趨勢遠(yuǎn)沒有二叉查找樹退化為線性鏈表那么夸張，但是數(shù)據(jù)庫中的基本主鍵自增操作，主鍵一般都是數(shù)百萬數(shù)千萬的，如果紅黑樹存在這種問題，對于查找性能而言也是巨大的消耗，我們數(shù)據(jù)庫不可能忍受這種無意義的等待的。

現(xiàn)在考慮另一種更為嚴(yán)格的自平衡二叉樹 AVL 樹。因為 AVL 樹是個絕對平衡的二叉樹，因此他在調(diào)整二叉樹的形態(tài)上消耗的性能會更多。

AVL 樹順序插入 1~7 個節(jié)點，查找 id=7 所要比較節(jié)點的次數(shù)為 3。

AVL 樹順序插入 1~16 個節(jié)點，查找 id=16 需要比較的節(jié)點數(shù)為 4。從查找效率而言，AVL 樹查找的速度要高于紅黑樹的查找效率（AVL 樹是 4 次比較，紅黑樹是 6 次比較）。從樹的形態(tài)看來，AVL 樹不存在紅黑樹的“右傾”問題。也就是說，大量的順序插入不會導(dǎo)致查詢性能的降低，這從根本上解決了紅黑樹的問題。

總結(jié)一下 AVL 樹的優(yōu)點：

不錯的查找性能（O（logn）），不存在極端的低效查找的情況。

可以實現(xiàn)范圍查找、數(shù)據(jù)排序。

看起來 AVL 樹作為數(shù)據(jù)查找的數(shù)據(jù)結(jié)構(gòu)確實很不錯，但是 AVL 樹并不適合做 Mysql 數(shù)據(jù)庫的索引數(shù)據(jù)結(jié)構(gòu)，因為考慮一下這個問題：

數(shù)據(jù)庫查詢數(shù)據(jù)的瓶頸在于磁盤 IO，如果使用的是 AVL 樹，我們每一個樹節(jié)點只存儲了一個數(shù)據(jù)，我們一次磁盤 IO 只能取出來一個節(jié)點上的數(shù)據(jù)加載到內(nèi)存里，那比如查詢 id=7 這個數(shù)據(jù)我們就要進(jìn)行磁盤 IO 三次，這是多么消耗時間的。所以我們設(shè)計數(shù)據(jù)庫索引時需要首先考慮怎么盡可能減少磁盤 IO 的次數(shù)。

磁盤 IO 有個有個特點，就是從磁盤讀取 1B 數(shù)據(jù)和 1KB 數(shù)據(jù)所消耗的時間是基本一樣的，我們就可以根據(jù)這個思路，我們可以在一個樹節(jié)點上盡可能多地存儲數(shù)據(jù)，一次磁盤 IO 就多加載點數(shù)據(jù)到內(nèi)存，這就是 B 樹，B+樹的的設(shè)計原理了。

B 樹

下面這個 B 樹，每個節(jié)點限制最多存儲兩個 key，一個節(jié)點如果超過兩個 key 就會自動分裂。比如下面這個存儲了 7 個數(shù)據(jù) B 樹，只需要查詢兩個節(jié)點就可以知道 id=7 這數(shù)據(jù)的具體位置，也就是兩次磁盤 IO 就可以查詢到指定數(shù)據(jù)，優(yōu)于 AVL 樹。

下面是一個存儲了 16 個數(shù)據(jù)的 B 樹，同樣每個節(jié)點最多存儲 2 個 key，查詢 id=16 這個數(shù)據(jù)需要查詢比較 4 個節(jié)點，也就是經(jīng)過 4 次磁盤 IO。看起來查詢性能與 AVL 樹一樣。

但是考慮到磁盤 IO 讀一個數(shù)據(jù)和讀 100 個數(shù)據(jù)消耗的時間基本一致，那我們的優(yōu)化思路就可以改為：盡可能在一次磁盤 IO 中多讀一點數(shù)據(jù)到內(nèi)存。這個直接反映到樹的結(jié)構(gòu)就是，每個節(jié)點能存儲的 key 可以適當(dāng)增加。

當(dāng)我們把單個節(jié)點限制的 key 個數(shù)設(shè)置為 6 之后，一個存儲了 7 個數(shù)據(jù)的 B 樹，查詢 id=7 這個數(shù)據(jù)所要進(jìn)行的磁盤 IO 為 2 次。

一個存儲了 16 個數(shù)據(jù)的 B 樹，查詢 id=7 這個數(shù)據(jù)所要進(jìn)行的磁盤 IO 為 2 次。相對于 AVL 樹而言磁盤 IO 次數(shù)降低為一半。

所以數(shù)據(jù)庫索引數(shù)據(jù)結(jié)構(gòu)的選型而言，B 樹是一個很不錯的選擇。總結(jié)來說，B 樹用作數(shù)據(jù)庫索引有以下優(yōu)點：

優(yōu)秀檢索速度，時間復(fù)雜度：B 樹的查找性能等于 O（h*logn），其中 h 為樹高，n 為每個節(jié)點關(guān)鍵詞的個數(shù)；

盡可能少的磁盤 IO，加快了檢索速度；

可以支持范圍查找。

5.B+樹

B 樹和 B+樹有什么不同呢？

第一，B 樹一個節(jié)點里存的是數(shù)據(jù)，而 B+樹存儲的是索引（地址），所以 B 樹里一個節(jié)點存不了很多個數(shù)據(jù)，但是 B+樹一個節(jié)點能存很多索引，B+樹葉子節(jié)點存所有的數(shù)據(jù)。

第二，B+樹的葉子節(jié)點是數(shù)據(jù)階段用了一個鏈表串聯(lián)起來，便于范圍查找。

通過 B 樹和 B+樹的對比我們看出，B+樹節(jié)點存儲的是索引，在單個節(jié)點存儲容量有限的情況下，單節(jié)點也能存儲大量索引，使得整個 B+樹高度降低，減少了磁盤 IO。其次，B+樹的葉子節(jié)點是真正數(shù)據(jù)存儲的地方，葉子節(jié)點用了鏈表連接起來，這個鏈表本身就是有序的，在數(shù)據(jù)范圍查找時，更具備效率。因此 Mysql 的索引用的就是 B+樹，B+樹在查找效率、范圍查找中都有著非常不錯的性能。

Innodb 引擎和 Myisam 引擎的實現(xiàn)

Mysql 底層數(shù)據(jù)引擎以插件形式設(shè)計，最常見的是 Innodb 引擎和 Myisam 引擎，用戶可以根據(jù)個人需求選擇不同的引擎作為 Mysql 數(shù)據(jù)表的底層引擎。我們剛分析了，B+樹作為 Mysql 的索引的數(shù)據(jù)結(jié)構(gòu)非常合適，但是數(shù)據(jù)和索引到底怎么組織起來也是需要一番設(shè)計，設(shè)計理念的不同也導(dǎo)致了 Innodb 和 Myisam 的出現(xiàn)，各自呈現(xiàn)獨特的性能。

MyISAM 雖然數(shù)據(jù)查找性能極佳，但是不支持事務(wù)處理。Innodb 最大的特色就是支持了 ACID 兼容的事務(wù)功能，而且他支持行級鎖。Mysql 建立表的時候就可以指定引擎，比如下面的例子，就是分別指定了 Myisam 和 Innodb 作為 user 表和 user2 表的數(shù)據(jù)引擎。

執(zhí)行這兩個指令后，系統(tǒng)出現(xiàn)了以下的文件，說明這兩個引擎數(shù)據(jù)和索引的組織方式是不一樣的。

Innodb 創(chuàng)建表后生成的文件有：

• frm:創(chuàng)建表的語句

• idb:表里面的數(shù)據(jù)+索引文件

Myisam 創(chuàng)建表后生成的文件有

• frm:創(chuàng)建表的語句

• MYD:表里面的數(shù)據(jù)文件（myisam data）

• MYI:表里面的索引文件（myisam index）

從生成的文件看來，這兩個引擎底層數(shù)據(jù)和索引的組織方式并不一樣，MyISAM 引擎把數(shù)據(jù)和索引分開了，一人一個文件，這叫做非聚集索引方式；Innodb 引擎把數(shù)據(jù)和索引放在同一個文件里了，這叫做聚集索引方式。下面將從底層實現(xiàn)角度分析這兩個引擎是怎么依靠 B+樹這個數(shù)據(jù)結(jié)構(gòu)來組織引擎實現(xiàn)的。

MyISAM 引擎的底層實現(xiàn)（非聚集索引方式）

MyISAM 用的是非聚集索引方式，即數(shù)據(jù)和索引落在不同的兩個文件上。MyISAM 在建表時以主鍵作為 KEY 來建立主索引 B+樹，樹的葉子節(jié)點存的是對應(yīng)數(shù)據(jù)的物理地址。我們拿到這個物理地址后，就可以到 MyISAM 數(shù)據(jù)文件中直接定位到具體的數(shù)據(jù)記錄了。

當(dāng)我們?yōu)槟硞€字段添加索引時，我們同樣會生成對應(yīng)字段的索引樹，該字段的索引樹的葉子節(jié)點同樣是記錄了對應(yīng)數(shù)據(jù)的物理地址，然后也是拿著這個物理地址去數(shù)據(jù)文件里定位到具體的數(shù)據(jù)記錄。

Innodb 引擎的底層實現(xiàn)（聚集索引方式）

InnoDB 是聚集索引方式，因此數(shù)據(jù)和索引都存儲在同一個文件里。首先 InnoDB 會根據(jù)主鍵 ID 作為 KEY 建立索引 B+樹，如左下圖所示，而 B+樹的葉子節(jié)點存儲的是主鍵 ID 對應(yīng)的數(shù)據(jù)，比如在執(zhí)行 select * from user_info where id=15 這個語句時，InnoDB 就會查詢這顆主鍵 ID 索引 B+樹，找到對應(yīng)的 user_name='Bob'。

這是建表的時候 InnoDB 就會自動建立好主鍵 ID 索引樹，這也是為什么 Mysql 在建表時要求必須指定主鍵的原因。當(dāng)我們?yōu)楸砝锬硞€字段加索引時 InnoDB 會怎么建立索引樹呢？比如我們要給 user_name 這個字段加索引，那么 InnoDB 就會建立 user_name 索引 B+樹，節(jié)點里存的是 user_name 這個 KEY，葉子節(jié)點存儲的數(shù)據(jù)的是主鍵 KEY。注意，葉子存儲的是主鍵 KEY！拿到主鍵 KEY 后，InnoDB 才會去主鍵索引樹里根據(jù)剛在 user_name 索引樹找到的主鍵 KEY 查找到對應(yīng)的數(shù)據(jù)。

問題來了，為什么 InnoDB 只在主鍵索引樹的葉子節(jié)點存儲了具體數(shù)據(jù)，但是其他索引樹卻不存具體數(shù)據(jù)呢，而要多此一舉先找到主鍵，再在主鍵索引樹找到對應(yīng)的數(shù)據(jù)呢?

其實很簡單，因為 InnoDB 需要節(jié)省存儲空間。一個表里可能有很多個索引，InnoDB 都會給每個加了索引的字段生成索引樹，如果每個字段的索引樹都存儲了具體數(shù)據(jù)，那么這個表的索引數(shù)據(jù)文件就變得非常巨大（數(shù)據(jù)極度冗余了）。從節(jié)約磁盤空間的角度來說，真的沒有必要每個字段索引樹都存具體數(shù)據(jù)，通過這種看似“多此一舉”的步驟，在犧牲較少查詢的性能下節(jié)省了巨大的磁盤空間，這是非常有值得的。

在進(jìn)行 InnoDB 和 MyISAM 特點對比時談到，MyISAM 查詢性能更好，從上面索引文件數(shù)據(jù)文件的設(shè)計來看也可以看出原因：MyISAM 直接找到物理地址后就可以直接定位到數(shù)據(jù)記錄，但是 InnoDB 查詢到葉子節(jié)點后，還需要再查詢一次主鍵索引樹，才可以定位到具體數(shù)據(jù)。等于 MyISAM 一步就查到了數(shù)據(jù)，但是 InnoDB 要兩步，那當(dāng)然 MyISAM 查詢性能更高。

本文首先探討了哪種數(shù)據(jù)結(jié)構(gòu)更適合作為 Mysql 底層索引的實現(xiàn)，然后再介紹了 Mysql 兩種經(jīng)典數(shù)據(jù)引擎 MyISAM 和 InnoDB 的底層實現(xiàn)。最后再總結(jié)一下什么時候需要給你的表里的字段加索引吧：

較頻繁的作為查詢條件的字段應(yīng)該創(chuàng)建索引；

唯一性太差的字段不適合單獨創(chuàng)建索引，即使該字段頻繁作為查詢條件；

更新非常頻繁的字段不適合創(chuàng)建索引。

- END -

---

看完一鍵三連在看，轉(zhuǎn)發(fā)，點贊

是對文章最大的贊賞，極客重生感謝你

推薦閱讀

深入理解數(shù)據(jù)結(jié)構(gòu)和算法

深入理解Kafka的設(shè)計思想

如何成為技術(shù)大神

超強(qiáng)干貨來襲 云風(fēng)專訪：近40年碼齡，通宵達(dá)旦的技術(shù)人生

總結(jié)

以上是生活随笔為你收集整理的深入理解 MySQL 索引底层原理的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。