-
哈希表是一种以键-值(key-value)存储数据的结构。
-
把值放在数组里,用一个哈希函数把key换算成一个确定的位置,然后把value放在数组的这个位置。
-
多个key值经过哈希函数的换算,会出现同一个值的情况。解决种方法是,拉出一个链表。
-
优点是增加新的值value时速度会很快,只需要往后追加。但缺点是,因为不是有序的,所以哈希索引做区间查询的速度是很慢。
-
哈希表这种结构适用于只有等值查询的场景。比如Memcached及其他一些NoSQL引擎。
-
-
有序数组在等值查询和范围查询场景中的性能就都非常优秀。
- 查找时用二分法就可以快速得到。
- 优点,有序数组的查询效率是最好的数据结构了。但缺点,更新数据的时候往中间插入一个记录就必须得挪动后面所有的记录,成本太高。
- 有序数组索引只适用于静态存储引擎。例如这类不会再修改的数据。
-
二叉搜索树:每个节点的左儿子小于父节点,父节点又小于右儿子。
-
为了维持O(log(N))的查询复杂度,需要保持这棵树是平衡二叉树。
-
实际上大多数的数据库存储却并不使用二叉树。其原因是,索引不止存在内存中,还要写到磁盘上。
-
为了让一个查询尽量少地读磁盘,使用**“N叉”树**。“N叉”树中的“N”取决于数据块的大小。
以InnoDB的一个整数字段索引为例,这个N差不多是1200。这棵树高是4的时候,就可以存 1200的3次方个值,这已经17亿了。考虑到树根的数据块总是在内存中的,一个10亿行的表上一 个整数字段的索引,查找一个值最多只需要访问3次磁盘。其实,树的第二层也有很大概率在内存中,那么访问磁盘的平均次数就更少了。
-
N叉树由于在读写上的性能优点,以及适配磁盘的访问模式,已经被广泛应用在数据库引擎中 了。
-
- 数据库底层存储的核心就是基于这些数据模型的。每碰到一个新数据库,我们需要先关注它的数据模型,这样才能从理论上分析出这个数据库的适用场景。
在MySQL中,索引是在存储引擎层实现的,下面就以InnoDB为例,分析一下其中的索引模型。
-
在InnoDB中,表都是根据主键顺序以索引的形式存放的,这种存储方式的表称为索引组织表。
-
InnoDB使用了B+树索引模型,所以数据都是存储在B+树中的。
-
每一个索引在InnoDB里面对应一棵B+树。
-
假设,我们有一个主键列为ID的表,表中有字段k,并且在k上有索引。
这个表的建表语句是:mysql> create table T( id int primary key, k int not null, name varchar(16), index (k))engine=InnoDB;表中R1~R5的(ID,k)值分别为(100,1)、(200,2)、(300,3)、(500,5)和(600,6),两棵树的示例示意图如下。InnoDB的索引组织结构。
-
根据叶子节点的内容,索引类型分为主键索引和非主键索引。
-
主键索引的叶子节点存的是整行数据。在InnoDB里,主键索引也被称为聚簇索引(clustered index)。
-
非主键索引的叶子节点内容是主键的值。在InnoDB里,非主键索引也被称为二级索引 (secondary index)。
问题:基于主键索引和普通索引的查询有什么区别?
- 如果语句是select * from T where ID=500,即主键查询方式,则只需要搜索ID这棵B+树;
- 如果语句是select * from T where k=5,即普通索引查询方式,则需要先搜索k索引树,得到ID 的值为500,再到ID索引树搜索一次。这个过程称为回表。
总结,基于非主键索引的查询需要多扫描一棵索引树。因此,我们在应用中应该尽量使用主键查询。
-
B+树为了维护索引有序性,在插入新值的时候需要做必要的维护。
以上面这个图为例:
- 如果插入新的行ID值为700,则只需要在R5的记录后面插入一个新记录。
- 如果新插入的ID值为400,就相对麻烦了,需要逻辑上挪动后面的数据,空出位置。
- 如果R5所在的数据页已经满了,根据B+树的算法,这时候需要申请一个新的数据页,然后挪动部分数据过去。这个过程称为页分裂。
- 页分裂操作,影响性能,还影响数据页的利用率。原本放在一个页的数据,现在分到两个中, 整体空间利用率降低大约50%。
- 当然有分裂就有合并。当相邻两个页由于删除了数据,利用率很低之后,会将数据页做合并。可以认为是分裂过程的逆过程。
-
分析一下哪些场景下应该使用自增主键,而哪些场景下不应该。
-
自增主键是指自增列上定义的主键,在建表语句中一般是这么定义的: NOT NULL PRIMARY KEY AUTO_INCREMENT。
-
性能:自增主键的插入数据模式,正符合了我们前面提到的递增插入的场景。每次插入一条
新记录,都是追加操作,都不涉及到挪动其他记录,也不会触发叶子节点的分裂。 -
存储空间:假设你的表中确实有一个唯一字段,比如字符串类型的身份证号,那应该用身份证号做主键,还是用自增字段做主键呢?
主键长度越小,普通索引的叶子节点就越小,普通索引占用的空间也就越小。
-
-
适合用业务字段直接做主键的场景:典型的KV场景。
(1)只有一个索引;(2)该索引必须是唯一索引。
- 典型的KV场景,由于没有其他索引,所以也就不用考虑其他索引的叶子节点大小的问题。
- 这时候我们就要优先考虑上一段提到的“尽量使用主键查询”原则,直接将这个索引设置为主键, 可以避免每次查询需要搜索两棵树。
-
- 分析了数据库引擎可用的数据结构。
- 介绍了InnoDB采用的B+树结构。
- 为什么 InnoDB要这么选择?
- B+树能够很好地配合磁盘的读写特性,减少单次查询的磁盘访问次数
- 由于InnoDB是索引组织表,一般情况建议创建一个自增主键,这样非主键索引占用的空间最小。
- 但也有使用业务逻辑字段做主键的应用场景。



