MySQL索引的数据结构和算法
索引问题相关
引出的问题是索引覆盖与回表,在执行器的部分已经讲过。
MySQL 默认的存储引擎 InnoDB 采用的是 B+ 作为索引的数据结构，原因有：
B+Tree vs B-Tree
-
B+ 树的非叶子节点不存放实际的记录数据，仅存放索引，因此数据量相同的情况下，相比存储即存索引又存记录的 B 树，B+树的非叶子节点可以存放更多的索引，因此 B+ 树可以比 B 树更「矮胖」，查询底层节点的磁盘 I/O次数会更少。
-
B+ 树有大量的冗余节点(所有非叶子节点都是冗余索引)，这些冗余索引让 B+ 树在插入、删除的效率都更高，比如删除根节点的时候，不会像 B 树那样会发生复杂的树的变化；
-
B+ 树叶子节点之间用链表连接了起来，有利于范围查询，而 B 树要实现范围查询，因此只能通过树的遍历来完成范围查询，这会涉及多个节点的磁盘 I/O 操作，范围查询效率不如 B+ 树。
B+ tree vs 二叉树
对于有N个叶子节点的B+Tree，其搜索复杂度为O(logdN),其中d表示节点语序的最大的子节点的个数为d个。在实际应用中，d值大于100，这样就保证了，即使数据达到1000W级别的时候，B+Tree的高度依然能够3-4层，也就是说一次数据查询只需要做3-4次的磁盘的IO操作就能查询到目标数据。
对比二叉树，每个父级节点的儿子节点的个数为2，其搜索的复杂度为O(logN), 比B+Tree的层高高出不少，因此二叉树的检索的目标数据所经历的磁盘IO次数要多得多。
B+Tree vs Hash
Hash 在做等值查询的时候，速度非常快，其搜索复杂度为O(1)。但是Hash表不适合做范围查询，他更加适合做等值查询，B+Tree索引比Hash表索引有着更为广泛的用途。