图解MySQL索引：B-树、B+树

什么是索引？

索引是一种帮助MySQL高效访问数据的数据结构。

索引能做什么？

提高数据查询效率。

索引：排序数据结构，用于快速搜索！索引影响搜索的起始位置和顺序。

与存储结构不同：BTree索引（B-Tree或B+Tree索引）、Hash索引、Full-Index全文索引、R-Tree索引。
按应用级别分为：普通索引、特殊索引、复合索引。
根据数据的物理顺序和键值关系的逻辑（索引）顺序：聚集索引、非聚集索引。

普通索引：即一个索引只包含一列，一个表可以有多个单列索引。

唯一索引：索引列值必须唯一，但允许空值。

复合索引：即索引包含多个列。

聚簇索引：不是一个单独的索引，而是一种数据存储机制。
具体细节取决于应用。

非聚集索引：要么是聚集索引，要么是非聚集索引（重脸）。

哈希索引

基于哈希表的实现，只有匹配所有索引列的查询才会被执行到索引中，并在每一行上放置指针。
索引表中的数据。

B-Tree索引（MySQL使用B+Tree）

B-Tree可以加快数据访问速度，因为存储引擎需要进行全表扫描来查找数据。
它分布在不同的节点之间。

B+Tree索引

它是B树的修改版本，是数据库索引使用的存储结构。
数据全部在叶子节点上，并且添加了串行访问指针。
与B-Tree相比，在进行范围搜索时，只需要找到两个节点并遍历它们即可。
虽然B-Tree需要访问所有节点，但B+Tree效率更高。

结合存储引擎讨论（一般默认使用B+Tree）

案例：假设有一张学生表，以id为主键。

在MyISAM引擎中实现（第二个索引也是这样实现的）

InoDB中的实现

插入连续数据：

插入非顺序数据

为什么索引结构默认是B-Tree而不是Hash、二叉树、红黑树？Hash：虽然可以快速存储，但是没有顺序，IO复杂度较高。
二叉树：树的高度不均匀，不能自身平衡，搜索效率与数据（树的高度）有关，IO成本高。
红黑树：随着数据量的增加，树的高度增加，IO值高。

为什么官方推荐使用自增主键作为索引？结合B+Tree特性，自增主键连续，输入过程中减少页面碎片。
并且可以减少数据移动，每个槽都插入到最后。
简而言之，就是减少分割和移动的频率。

图解MySQL索引：B-树、B+树

理解MySQL索引的关键在于对B-Tree和B+Tree的深入分析。
这些复杂的数据结构对于提高查询效率至关重要。
本文的目的是阐明索引的基本概念和分类，以便您在面试时能够准确回答相关问题。
索引是一种数据结构，其主要作用是提高查询数据的效率。
相当于排序后的快速查找工具，影响WHERE子句查询的速度和ORDERBY排序的性能。
索引通常分为以下几类：一是按照存储结构有BTree（B-Tree或B+Tree）、Hash、全文索引和R-Tree；二是按照应用层次；这些是普通索引（单列）、唯一索引Index（唯一值，允许空值）和复合索引（多列的组合），再根据数据的物理顺序和逻辑顺序，还有聚集索引();B+TreeInnoDB结构包含数据）和非聚集索引（数据和索引分开存储）。
在基本实现中，哈希索引依赖于哈希表，但只有完全匹配所有列的查询才有效，而B-Tree（MySQL使用B+Tree）通过分布节点存储来提高搜索效率。
InnoDB中的B+Tree索引进一步优化，将数据集中在叶子节点上，增加顺序访问指针，降低范围查询的复杂度。
至于为什么B树不像其他结构，最主要的原因是B树的平衡性和连续性。
哈希索引虽然速度快，但不是顺序的，I/O复杂；二叉树高度不均匀，红黑树数据量增大，树高增大，这些都会影响性能。
自增主键作为索引，由于其连续性，可以有效避免分页和数据移动，同时也提高了插入效率。