189 8069 5689
面试的时候肯定会问这一个问题，mysql为什么会选择b+树作为索引呢？而不选择其他索引，例如b树？hash？
创新互联服务项目包括肃州网站建设、肃州网站制作、肃州网页制作以及肃州网络营销策划等。多年来，我们专注于互联网行业，利用自身积累的技术优势、行业经验、深度合作伙伴关系等，向广大中小型企业、政府机构等提供互联网行业的解决方案，肃州网站推广取得了明显的社会效益与经济效益。目前，我们服务的客户以成都为中心已经辐射到肃州省份的部分城市，未来相信会继续扩大服务区域并继续获得客户的支持与信任！
下面说的磁盘IO是指数据从硬盘加载到内存中的操作
hash索引的话，不支持范围查询，因为hash就是一个键对应一个值的，没办法范围查询
二叉树的话，它的特点就是左子树小于根节点小于右子树，如果根节点取值有问题的话，有可能会退化成链表，就是树不分叉了，树一直往左或者一直往右，这样就不能折半查找从而减少IO次数了，不支持范围查询，要是范围查询的话，每次都要从根部遍历，树也太高了，树越高，IO操作越频繁，浪费资源
平衡二叉树的话，它就没有了二叉树的这种退化成链表的缺点，因为他左右子节点最多相差1层，可是他也不支持范围查找这一点和二叉树的问题一样
b树的话，和二叉树比起来树是很矮胖，IO操作减少了，是个多叉树，它每个节点都存了对应的行数据，可是如果这一行的数据的列不断的增加，那么这一页存储的节点就会变少，因为所占的空间不断的变大，树也会越来越高，增加IO操作次数，同时是也不支持范围查找。要是相同大小的空间可以存很多的节点数据的话就更好了，所以就有了下面的b+树
b+树 它非叶子节点只存索引的数据，不存整行数据，但是叶子节点是冗余的，冗余了非叶子节点，叶子节点还都用双向链表链接起来，这样有助于顺序查找，b+树和b树比起来，更加矮胖，磁盘IO次数更少
二、 mysql中索引类型
聚簇索引与非聚簇索引
我们可以简单的理解为 聚簇索引就是主键索引，非聚簇索引就是普通索引
本质的区别是
聚簇索引的叶子节点存储的是整行数据
innodb是通过主键来实现聚簇索引的，如果没有主键的话，那么他就会选择一个唯一非空的索引来实现，如果再没有的话，他就会隐式生成一个主键来实现聚簇索引
非聚簇索引存储的是索引值和主键值
普通索引 一张表中可以有多个普通索引，随便一个字段都可以建立的索引，我们平常建立的索引大部分都是普通索引
联合索引 好几个字段联合起来建立的索引
唯一索引 业务中唯一的字段适合建立唯一索引，一个表中可以有多个唯一索引
主键索引 和唯一索引一样，主键索引也是唯一的，不同的就是，一个表只能有一个主键索引
三、关于索引的sql
创建主键索引
ALTER TABLE test add PRIMARY KEY (id)
创建唯一索引
ALTER TABLE test add UNIQUE idx_id_card(id_card)
创建普通索引
ALTER TABLE test add INDEX idx_name(name)
创建联合索引
ALTER TABLE test add INDEX idx_age_name(age,name)
修改索引名称 ：先删除再添加
删除索引 （两种方式）
两者的算法思路其实很像：比中间的小就在剩下的左边，大就在剩下的右边找 但是： 二叉树查找一般习惯是在链式存储上进行，为一个树形结构 二分查找一定在顺序存储上进行
文就是对这两种数据结构做简单的介绍。
1. B-Tree
B-Tree不是“B减树”，而是“B树”。
这里参考了严蔚敏《数据结构》对B-Tree的定义：
一棵m阶的B-Tree,或者为空树，或者满足下列特性：
1.树中每个结点至多有m棵子树；
2.若根结点不是叶子结点，则至少有两棵子树；
3.除根节点之外的所有非终端结点至少有[m/2]棵子树；
4.所有非终端结点中包含下列信息数据:
(n,A0,K1,A1,K2,A2……Kn,An)
其中，n为关键字的数目，K(i)为关键字，且K(i) K(i+1), Ai为指向子树根结点的指针，且指针A(i-1)所指子树中所有结点的关键字均小于Ki，Ai所指子树中所有结点的关键字均大于Ki；
5.所有叶子结点都出现在同一层次上；
下面通过一个例子解释一下B-Tree的查找过程。
这是一棵4阶的B-Tree，深度为4。
假如在该图中查找关键字47，首先从根结点开始，根据根结点指针t找到*a结点，因为47大于 *a 结点的关键字35，所以会去A1指针指向的 *c结点继续寻找，因为 *c的关键字 43 要查找的47 *c结点的关键字78，所以去 *c结点A1指针指向的 *g结点去寻找，结果在 *g结点中找到了关键字47，查找成功。
2. B+Tree
不同的存储引擎可能使用不同的数据结构存储，InnoDB使用的是B+Tree；那什么是B+Tree呢？
B+Tree是应文件系统所需而出的一种B-Tree的变型树，一棵m阶的B+树和m阶的B-树的差异在于:
1.有n棵子树的结点中含有n个关键字；
2.所有的叶子结点中包含了全部关键字的信息，及指向含这些关键字的记录的指针，且叶子结点本身依关键字的大小自小而大顺序链接；
3.所有的非终端结点可以看成是索引部分，结点中仅含有其子树(根结点)中的最大（或最小）关键字；
还是通过一个例子来说明。
这个例子中，所有非终端结点仅含有子树中最大的关键字。
因为叶子节点本身依据关键字的大小自小而大顺序链接，所以可以从最小关键字起顺序查找。也可以从根结点开始，进行随机查找。
在B+树中随机差找和在B-树中类似，以上图为例。假设要查找关键字51，现在根节点中比较，发现5159，因为这里使用的是非终端结点的关键字是子树中最大的关键字，所以进入最大值为59的子结点(15\44\59)中查找，同理，因为445159，所以进入P3指向的结点(51\59)中查找，然后命中关键字51，因为此结点(51\59)是叶子结点，所以查找终止，该结点包含指向数据的指针。
3.索引如何在B+Tree中组织数据存储
假设有如下表:
对于表中的每一行数据，索引中包含了last_name、first_name和dob列的值，下图展示索引是如何组织数据存储的:
索引对多个值进行排序的依据是定义索引时列的顺序。
(Allen Cuba 1960-01-01)结点左侧的指针指向[?,Allen Cuba 1960-01-01)的叶子页，(Allen Cuba 1960-01-01)和(Astaire,Angelina,1980-03-04)之间的指针指向[Allen Cuba 1960-01-01,Astaire Angelina 1980-03-04)的叶子页，以此类推。总之，每个指针指向的结点中的最小值就是该指针左侧的的值。
这种存储结构也说明了在定义多个列组成的多列索引中，为什么需要把重复率最低的列放到最左侧，因为这会减少比较的次数，查找起来更加高效。
4.索引为什么选用B树这种数据结构？
因为使用B树查找时，所用的磁盘IO操作次数比平衡二叉树更少，效率也更高。
为什么使用B树查找所用的磁盘IO操作次数比平衡二叉树更少？
大规模数据存储中，树节点存储的元素数量是有限的（如果元素数量非常多的话，查找就退化成节点内部的线性查找了），这样导致二叉查找树结构由于树的高度过大而造成磁盘I/O读写过于频繁，进而导致查询效率低下。那么我们就需要减少树的高度以提高查找效率。而平衡多路查找树结构B树就满足这样的要求。B树的各种操作能使B树保持较低的高度，从而达到有效减少磁盘IO操作次数。
在二叉树中有一种平衡二叉树，通过平衡算法可以让二叉树两边的节点平均分布，这样就能让所有的索引查找都在一个近似的时间内完成。而MySQL这类数据库采用了二叉树的升级版B+Tree的形式，每个节点有三个支叶，不过其算法原理仍然是平衡树的原理。
MySQL(和PHP调配之***组合)的授权方法
MySQL(和PHP调配之***组合)选用两层授权(Dual Licensed)，它们是GPL和MySQL数据库(和PHP调配之***组合) AB拟定的商业答应协议。
假如你在一个遵从GPL的自在(开源)项目中运用MySQL(和PHP调配之***组合)，那么你能够遵从GPL协议运用MySQL(和PHP调配之***组合)。
可是，假如你的项目不是在GPL协议下的话，你有必要为运用MySQL(和PHP调配之***组合)来付出答应费用，或许你或许由于这个要素而将你的项目改为遵从GPL，那么你需求处理因而带来的更多的支撑作业，这有或许会带来本钱上的进步。在这种情况下，一些软件发行商或许倾向于挑选其他开源数据库，例如遵从BSD授权的PostgreSQL。
2、产品老练性
到2009年，甲骨文的数据库Oracle(大型网站数据库渠道)现已诞生了30周年，而MySQL(和PHP调配之***组合)却连它的一半时刻都没有。微软的sql server(WINDOWS渠道上强壮的数据库渠道)只是比MySQL(和PHP调配之***组合)大两年，可是sql server(WINDOWS渠道上强壮的数据库渠道)的发布是建立在Sybase的基础上，那时分Sybase现已诞生了6年的时刻。
至于其他值得重视的开源数据库，PostgreSQL将在2009年到达20岁的生日。虽然MySQL数据库(和PHP调配之***组合)并不是市场上最年青的数据库，可是却有更多老练的数据库可供咱们挑选。
当然，或许这并不是咱们回绝MySQL(和PHP调配之***组合)的一个有说服力的理由，可是关于一些比较保守的IT司理来说，在为一些要害事务挑选渠道的时分，渠道的老练性却是有必要要考虑的一个要素，在这一点上，MySQL(和PHP调配之***组合)无疑毫无优势。
3、功用设置老练性
要想在MySQL(和PHP调配之***组合)与其他数据库之间进行一个八面玲珑的功用设置比照，并不是一件简单的工作。跟着新软件版其他发布或一些补丁的推出，从前的功用列表或许会敏捷变得过期了。并且，有些功用对有的使用程序非常重要，可是对其他使用程序则不必定。
有的时分，一些缺失的功用能够通过其他方法来完成，例如，在MySQL(和PHP调配之***组合) 4.1曾经，你能够通过运
一般的数据备份用 ：mysql路径+bin/mysqldump -u 用户名 -p 数据库名 导出的文件名
数据还原是：到mysql命令行下面，用：source 文件名;的方法。
但是这种方法对大数据量的表进行操作就非常慢。因为他不仅导出了数据还导出了表结构。
在针对大数据量的表时，我们可以用infile和 outfile来操作。
outfile导出数据库数据的用法：
下图我们可以看到6百多万数据35秒就搞定了：
下面我们看看infile的语法：
在infile导入数据的时候，我们还可以做一些优化。我们可以用
alter table table_name disable keys 关闭普通索引。等数据导入玩，再用：
alter table table_name enable keys 来开启普通索引。这样就不会边导入数据，边整理索引的二叉树儿影响导数据的效率。
如果可以保证 数据的正确性，我们可以将表的唯一索引也关闭，之后再开启,不是每条数据就算是唯一的他都要去检测一遍。命令：
set unique_checks=0; #关闭唯一校验
set unique_checks=1;#开启唯一校验
如果是InnoDB存储引擎，我们还可以set auto commit=0;关闭自动提交，来提高效率。InnoDB是按主键的顺序保存的，我们将其主键顺序排列也可以提高效率。
下面我们对myisam引擎的表做个测试，我们先不关索引，导入数据(用了近4分钟)：
然后我们先把索引关闭试试(只用了一分钟多一点，快了不少啊！摸摸大！)：