在這一章，我們將了解LiteDB里面幾個基本數據結構包括索引結構和數據塊結構，我也會試著說明前輩數據之巔在博客中遇到的問題，最后對比mysql進一步深入了解LiteDB的索引原理。

1.LiteDB的五種基本數據結構

　　在LiteDB的Structures中定義了五個基本數據結構，分別為PageAddress、CollectionIndex、DataBlock、IndexNode和IndexKey。他們各自說明如下：

1.1 PageAddress

　　頁地址，代表一個數據在頁的位置。其中的PageID就是頁的ID，Index是數據頁或者索引頁中字典的key值。根據頁的ID和字典key值，就可以找到相應的IndexNode或者DataBlock。將PageID=uint.MaxValue和Index=?ushort.MaxValue的頁地址作為空頁。

1.2 CollectionIndex

?　　表索引，類似于mysql將表的字段設置為一個索引。屬性Field表示存入的字段名稱，屬性Unique用于標識是否是非重復字段。

1.3 DataBlock

　

　　數據塊，這個類中Position就是存放在DataPage中的字典索引，比如一個Customer{ID=1，Name=“Jim1”，age=100}，將這條記錄處理成byte數組也就是屬性Data，將該數據塊存進DataPage中的字典中，在放入字典的同時，將生成一個key值。DataPage的PageID和字典的key值就作為這個數據塊的Position。

　　IndexRef是一個頁地址數組，存儲的是索引頁的位置。ExtendPageID是指擴展頁的ID。Key是這條記錄的主鍵。

1.4?IndexKey

　　索引鍵值，這個結構體實現了IComparable接口，主要完成的作用就是將常見的數據類型比如int、byte、string、DateTime轉換為統一一個數據類型，然后進行比較。

1.5?IndexNode

　　索引節點，用來存儲一條記錄的索引。索引節點之間用跳表來組成數據結構。

　　注意：屬性Position是存放在IndexPage中的字典索引，而DataBlock是存放在DataPage頁中字典索。屬性Prev和Next分別是指向上一個和下一個節點的IndexPage頁地址數組。

?

?2. 舉例說明

　　下面用一個示例來說明索引頁、數據頁和數據塊之間的關系，我創建一個"customer"的表，字段為{“Id”,"Age","Name",}，然后插入10記錄：{Id=1,Age=1,Name="Jim_1"},{Id=2,Age=2,Name="Jim_2"}.....{Id=10,Age=10,Name="Jim_10"}。大家可以看一下當前的數據展示如下：

　　從上面可以清楚看到IndexPage里面的IndexNode是有序排列。我們學過排序算法肯定都知道，要想實現排序，必須有比較對象。所以Key就要實現一個IComparable接口，這樣所有的IndexNode就可以通過他們的Key值進行排序。對IndexNode的增刪改查是用跳表這種數據結構，后面有機會我會專門結合LiteDB講一下跳表這種數據結構。同時要注意的是IndexNode的鏈接有Next和Prev，我這里為了簡略，只繪制出Next的鏈接。

　　我們能看到目前只有一頁DataPage，這頁DataPage的ItemCount是10，正好對應了10條數據。我再用PPT的模式將IndexNode，DataBlock的關系描述如下：

?

?　　上面這張圖就將IndexNode和DataBlock之間關系描述出來了，兩個不同的IndexPage中的索引節點指向的是同一個DataPage中的DataBlock。同時請各位注意的是，由于插入的Age是數值，Name是字符串，所以他們各自在索引頁里面的排列順序肯定是不一樣的。

3.針對博主數據之巔的疑問

　　博主數據之巔在分頁問題上做了一些嘗試，嘗試過程中遇到了查詢出來的數據ID并不是按順序排列的問題，我這里截圖如下：

?

　　為什么查詢出來的ID沒有按序排列，這是因為執行n.Name.StartWith("Jim1")的linq語句時，LiteDB就從Field為Name的IndexPage中進行查詢，這個IndexPage中的Key裝的是字符串變量，那么進行比較的也是字符串。做個簡單實驗我們就能知道“Jim_1”<"Jim_11"<"Jim_2"，這樣索引對應的數據查詢出來的id就是1,11,2這種順序了。

4.對比Mysql

　　如果大家對mysql的索引稍微有些了解的話，應該知道mysql的索引數據結構使用的是B+樹，mysql有兩種主要的存儲引擎叫做InnoDB和MyISM（下面內容轉自博客https://www.cnblogs.com/shijingxiang/articles/4743324.html）。

　　InnoDB使用的是聚簇索引，將主鍵組織到一棵B+樹中，而行數據就儲存在葉子節點上，若使用"where id = 14"這樣的條件查找主鍵，則按照B+樹的檢索算法即可查找到對應的葉節點，之后獲得行數據。若對Name列進行條件搜索，則需要兩個步驟：第一步在輔助索引B+樹中檢索Name，到達其葉子節點獲取對應的主鍵。第二步使用主鍵在主索引B+樹種再執行一次B+樹檢索操作，最終到達葉子節點即可獲取整行數據。

　　MyISAM使用的是非聚簇索引，非聚簇索引的兩棵B+樹看上去沒什么不同，節點的結構完全一致只是存儲的內容不同而已，主鍵索引B+樹的節點存儲了主鍵，輔助鍵索引B+樹存儲了輔助鍵。表數據存儲在獨立的地方，這兩顆B+樹的葉子節點都使用一個地址指向真正的表數據，對于表數據來說，這兩個鍵沒有任何差別。由于索引樹是獨立的，通過輔助鍵檢索無需訪問主鍵的索引樹。

　　一個表如下圖存儲了4行數據。其中Id作為主索引，Name作為輔助索引。圖示清晰的顯示了聚簇索引和非聚簇索引的差異。

　　1 由于行數據和葉子節點存儲在一起，這樣主鍵和行數據是一起被載入內存的，找到葉子節點就可以立刻將行數據返回了，如果按照主鍵Id來組織數據，獲得數據更快。

　　2 輔助索引使用主鍵作為"指針" 而不是使用地址值作為指針的好處是，減少了當出現行移動或者數據頁分裂時輔助索引的維護工作，使用主鍵值當作指針會讓輔助索引占用更多的空間，換來的好處是InnoDB在移動行時無須更新輔助索引中的這個"指針"。也就是說行的位置（實現中通過16K的Page來定位，后面會涉及）會隨著數據庫里數據的修改而發生變化（前面的B+樹節點分裂以及Page的分裂），使用聚簇索引就可以保證不管這個主鍵B+樹的節點如何變化，輔助索引樹都不受影響。

?　　最后我們可以看到LiteDB的索引方式和MyISAM類似,不管是主鍵索引還是輔助索引指向的是數據的地址，只不過LiteDB索引內部是用跳表，而mysql用的是B+樹。?

?

轉載于:https://www.cnblogs.com/xiaozhangStudent/p/11024586.html

總結

以上是生活随笔為你收集整理的LiteDB源码解析系列（3）索引原理详解的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。