MySQL：从B树到B+树到索引再到存储引擎

索引其实是一种数据结构，在数据库中，读写的比例是在10：1，所以如果每一次查找都全表查找的话，效率将会变的十分的低下。所以，本文将会按照题目，按部就班地讲解MySql的索引。

##B树和B+树 B树和B+树算是数据结构中出现频率十分高的模型了，在笔者之前的几篇博客，有对二叉查找树和二叉平衡树进行过讲解和代码分析，但是那些都是在程序中使用比较多的树，在数据库中，数据量相对较大，多路查找树显然更加适合数据库的应用场景，接下来我们就介绍这两类多路查找树，毕竟作为程序员，心里没点B树怎么能行呢？

B树：B树就是B-树，他有着如下的特性：

• B树不同于二叉树，他们的一个节点可以存储多个关键字和多个子树指针，这也是B+树的特点；
• 一个m阶的B树要求除了根节点以外，所有的非叶子子节点必须要有[m/2,m]个子树；
• 根节点必须只能有两个子树，当然，如果只有根节点一个节点的情况存在；
• B树是一个查找二叉树，这点和二叉查找树很像，他都是越靠前的子树越小，并且，同一个节点内，关键字按照大小排序；
• B树的一个节点要求子树的个数等于关键字的个数+1；

好了，话不多说，看看B树的模型吧：

由于B树将所有的查找关键字都放在节点中，所以查找方式和二叉查找十分相像，比如说查找E:

先通过根节点找到了左子树，再顺序地遍历左子树，发现E在F和J的中间，于是查找叶子节点，顺序遍历关键字以后就可以返回E了，如果未能查到E，则表示没有找到。

B+树

人人都喜欢plus，B+树就是这么一个plus，后头所讲解的索引，就是用的B+树，我们先来看看他的特性吧：

• B+树将所有的查找结果放在叶子节点中，这也就意味着查找B+树，就必须到叶子节点才能返回结果；
• B+树每一个节点的关键字个数和子树指针个数相同；
• B+树的非叶子节点的每一个关键字对应一个指针，而关键字则是子树的最大，或者最小值；

看看模型吧：

他的查找方式也是简单粗暴的，和B树十分像，只不过他会在叶子节点中找到目标，比如我们找兔：

第一步比马小，就会查找他的子树，第二部比龙小，就会查找他的子树，最后在叶子节点中的关键字命中目标。

那么MySql是如何利用这数据结构的呢？

MySql中的两种常见存储引擎

MySql当然不止两种搜索引擎了，但是本次我们说的B+树索引，为接下来这两种存储引擎所用，一个是Innodb，一个Myisam。（搜索公众号Java知音，回复“2021”，送你一份Java面试题宝典）

Innodb存储引擎

Innodb使用的是B+树，他存在有一个主键索引和辅助索引两种索引，主键索引是在生成主键时就有的索引，他的叶子节点中存放的就是数据行，所以又称之为聚集索引。

而另一类索引，辅助索引，就是我们人为新建的索引，他的叶子节点中存放的是主键，当我们通过辅助索引查找到主键之后，再通过查找的主键去查找主键索引，我们看看两种索引的结构吧：

MyIsam存储引擎

很显然，MyIsam不可能再会用聚集索引了，虽然他用的是B+树，但是他的主键索引和辅助索引没有任何区别，都是在叶子中存储数据行的物理地址，这也使得他的读性能更高，我们来看他的模型吧：

区别

1、innodb支持事务，且默认是Autocommit，所以每一条SQL语句都会封装成一个事务，如果执行多条事务，最好加上begin和commit。MyIsam不支持事务，也就无法回滚；

2、另外Innodb支持行锁，MyIsam进行写操作会全表上锁，所以MyIsam的写操作性能会差些；

3、所以，在查询较多的表中，使用MyIsam较优，写比较多的表，使用Innodb；

拓展--复合索引

我们都知道我们可以对一个列创建一个索引，但是什么是复合索引呢？

创建：

create table test(
a int,
b int,
c int,
KEY a(a,b,c)
);

通过以上代码我们就可以创建一个a、b、c三个字段的复合索引了，相对于维护三个索引，维护一个复合索引的开销肯定是更低的。

但是复合索引需要满足一个最左匹配原则，也就是他会依次查找a、b、c三个字段，当左边的字段未作为判断条件时，就不会再去执行接下来的索引了，测试如下：

EXPLAIN DELETE from test
where  a=1 and c= 3 and b =2 

EXPLAIN DELETE from test
where  a=1 and c= 3