1、Mysql数据结构选择分析

上一篇介绍了介绍了B+树的索引方式，其实还有其他的索引方式，本篇就来了解下，顺便看一下innoDB当时为什么没有选择其他的索引方式，而是选择了B+树作为默认的索引方式。

1.1 全表遍历

PASS，这个就不用比较了。

1.2 Hash结构

Hash算法是通过某种确定性算法（比如MD5, SHA1, SHA2, SHA3）将输入转变为输出。相同的输入永远可以得到相同的输出。

加速查找速度的数据结构，常见的有２类：

1. 树。比如平衡二叉搜索树，查询/插入/修改/删除的平均时间复杂度为O(log2n)
2. 哈希。比如HashMap，查询/插入/修改/删除的平均时间复杂度为O(1)

Hash结构效率很高，那为什么索引结构要设计成树型呢？

1. Hash索引只能满足等于（=），不等于（!=），和IN的查询。如果进行范围查询，那么哈希型的索引就会退化为O(n)，而树型特性依然能保持O(log2n)的时间复杂度。
2. Hash索引还有一个缺陷，它的数据存储是没有顺序的。在order by的情况下，Hash索引还需要对数据重新排序。
3. 对于联合索引的情况下，Hash值是将联合索引键合并后来计算hash的，无法对单独的一个键或者几个索引键进行查询。
4. 虽然等值查询，hash索引的效率会更高。但是如果索引列重复值如果很多，那么效率就会降低。因为hash冲突时，需要遍历桶的行指针来进行比较，找到查询的关键字，非常耗时。

Hash索引使用存储引擎情况如下表，只有Memory存储引擎支持。

Mysql的Memory存储引擎支持Hash索引，如果需要用到查询的临时表时，可以选择Memory存储引擎。然后把某个字段设置为Hash索引，当字段的重复度低，并且经常需要进行等值查询的时候，采用Hash索引是个不错的选择。

另外，InnoDB本身虽然不支持Hash索引，但是它提供了自适应Hash索引（Adaptive Hash Index）。比如某个数据经常被访问，那么InnoDB就会将这个数据页的地址存放到Hash表中。这样下次再进行相同的检索条件时，就可以直接找到这个页面的所在位置了。

可以通过innodb_adaptive_hash_index变量来查看是否开启了自适应Hash：

mysql> show variables like '%adaptive_hash_index';
+----------------------------+-------+
| Variable_name              | Value |
+----------------------------+-------+
| innodb_adaptive_hash_index | ON    |
+----------------------------+-------+
1 row in set (0.33 sec)
1
2
3
4
5
6
7

1.2 二叉搜索树

１、二叉搜索树的特点

• 一个节点只有２个子节点
• 左子节点<本节点，右子节点>=本节点
  ２、查找规则
• 如果key等于根节点，返回根节点的用户数据记录
• 如果key大于根节点，则在右子树中找
• 如果key小于根节点，则在左子树中找

二叉搜索树的缺点是在特别情况下，查找数据的时间复杂度会退化为O(n)。比如下图：

为了避免上图的情况，当然核心是为了减少磁盘I/O的次数，就需要尽量降低树的高度。

1.3 AVL树

为了解决上面二叉搜索树退化为链表的问题，又提出了平衡二叉搜索树（Balanced Binary Tree），又称为AVL树：
它是一颗空树，或者它的左右两个子树的高度差不超过１，并且左右两个子树都是一颗平衡二叉树。

为了尽可能的降低磁盘I/O的次数，也就是降低树的高度，因此可以将二叉树改为M叉树（M>2）,这样树的高度就可以变得更低一点了。

1.4 B树

当上面提到的M叉树的M值更大的时候，就可以理解为是一颗B树了。

注意区分下B树和B+树的区别。
B树的目录项记录里面是直接包含了用户记录数据的，而B+树只有叶子节点才包含用户记录数据的。

那为什么使用B+树，不适用B树呢？

1. B+树查询效率更稳定。B＋树每次只有访问到叶子节点才能找到对应数据，而B树中，非叶子节点也会存储数据，这样就会造成查询效率不稳定的情况。
2. B+树查询效率更高。因为B树中还保存了用户记录的数据，所以每一个数据页能保存的数量要少于B+树的目录项记录的数量，所以B+树的高度会更低一点，因此所需要的磁盘I/O会更少一点。
3. 在查询范围上，B+树的效率会更高。因为所有关键字都出现在B+树的叶子节点，数据是递增的，因为可以通过二分查找快速找到。而B树本质上还是二叉搜索的搜索逻辑，因此需要通过中序遍历才能完成查询范围的查找，效率要低很多。