專注於Java領域優質技術,歡迎關注
作者: 以李服人 知否專欄
專注於Java領域優質技術,歡迎關注
作者: 以李服人 知否專欄
前言
講到索引,第一反應肯定是能提高查詢效率。例如書的目錄,想要查找某一章節,會先從目錄中定位。如果沒有目錄,那麼就需要將所有內容都看一遍才能找到。
索引的設計對程序的性能至關重要,若索引太少,對查詢性能受影響;而如果索引太多,則會影響增/改/刪等的性能。
知識點
MySQL中一般支持以下幾種常見的索引:
- B+樹索引
- 全文索引
- 哈希索引
我們今天重點來講下B+樹索引,以及為什麼要用B+樹來作為索引的數據結構。
B+樹索引並不能直接找到具體的行,只是找到被查找行所在的頁,然後DB通過把整頁讀入內存,再在內存中查找。
重溫數據結構
1.1 哈希結構
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-1所示哈希索引。
- 直接查詢:現在要從8個數中查找6這條記錄,只需要計算6的哈希值,便可快速定位記錄,時間複雜度為O(1)。
- 範圍查詢:如果要進行範圍查詢(大於4的數據),那這個索引就完全沒用了。
專注於Java領域優質技術,歡迎關注
作者: 以李服人 知否專欄
前言
講到索引,第一反應肯定是能提高查詢效率。例如書的目錄,想要查找某一章節,會先從目錄中定位。如果沒有目錄,那麼就需要將所有內容都看一遍才能找到。
索引的設計對程序的性能至關重要,若索引太少,對查詢性能受影響;而如果索引太多,則會影響增/改/刪等的性能。
知識點
MySQL中一般支持以下幾種常見的索引:
- B+樹索引
- 全文索引
- 哈希索引
我們今天重點來講下B+樹索引,以及為什麼要用B+樹來作為索引的數據結構。
B+樹索引並不能直接找到具體的行,只是找到被查找行所在的頁,然後DB通過把整頁讀入內存,再在內存中查找。
重溫數據結構
1.1 哈希結構
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-1所示哈希索引。
- 直接查詢:現在要從8個數中查找6這條記錄,只需要計算6的哈希值,便可快速定位記錄,時間複雜度為O(1)。
- 範圍查詢:如果要進行範圍查詢(大於4的數據),那這個索引就完全沒用了。

1.2 二叉樹查找樹
二叉樹是一種經典的數據結構,要求左子樹小於根節點,右子樹大於根節點。
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-2所示二分查找樹。
- 直接查詢:假設查找鍵值為6的記錄,先找到根4,4<6,因此查找4的右子樹,找到9;9大於6,因此查找9的左子樹;一共查找3次。但如果順序查找,則需要查找8次(位於最後)。
- 範圍查詢:如果需要查找大於4的數據,則遍歷4的右子樹就行了
專注於Java領域優質技術,歡迎關注
作者: 以李服人 知否專欄
前言
講到索引,第一反應肯定是能提高查詢效率。例如書的目錄,想要查找某一章節,會先從目錄中定位。如果沒有目錄,那麼就需要將所有內容都看一遍才能找到。
索引的設計對程序的性能至關重要,若索引太少,對查詢性能受影響;而如果索引太多,則會影響增/改/刪等的性能。
知識點
MySQL中一般支持以下幾種常見的索引:
- B+樹索引
- 全文索引
- 哈希索引
我們今天重點來講下B+樹索引,以及為什麼要用B+樹來作為索引的數據結構。
B+樹索引並不能直接找到具體的行,只是找到被查找行所在的頁,然後DB通過把整頁讀入內存,再在內存中查找。
重溫數據結構
1.1 哈希結構
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-1所示哈希索引。
- 直接查詢:現在要從8個數中查找6這條記錄,只需要計算6的哈希值,便可快速定位記錄,時間複雜度為O(1)。
- 範圍查詢:如果要進行範圍查詢(大於4的數據),那這個索引就完全沒用了。

1.2 二叉樹查找樹
二叉樹是一種經典的數據結構,要求左子樹小於根節點,右子樹大於根節點。
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-2所示二分查找樹。
- 直接查詢:假設查找鍵值為6的記錄,先找到根4,4<6,因此查找4的右子樹,找到9;9大於6,因此查找9的左子樹;一共查找3次。但如果順序查找,則需要查找8次(位於最後)。
- 範圍查詢:如果需要查找大於4的數據,則遍歷4的右子樹就行了
1.3 平衡二叉樹(AVL樹)
按照二叉查找樹的定義,它是可以任意的構造,同樣是這些數字,可以按照 圖1-3-1的方式來建立二叉查找樹。同樣查找數據6,需要查找5次。
專注於Java領域優質技術,歡迎關注
作者: 以李服人 知否專欄
前言
講到索引,第一反應肯定是能提高查詢效率。例如書的目錄,想要查找某一章節,會先從目錄中定位。如果沒有目錄,那麼就需要將所有內容都看一遍才能找到。
索引的設計對程序的性能至關重要,若索引太少,對查詢性能受影響;而如果索引太多,則會影響增/改/刪等的性能。
知識點
MySQL中一般支持以下幾種常見的索引:
- B+樹索引
- 全文索引
- 哈希索引
我們今天重點來講下B+樹索引,以及為什麼要用B+樹來作為索引的數據結構。
B+樹索引並不能直接找到具體的行,只是找到被查找行所在的頁,然後DB通過把整頁讀入內存,再在內存中查找。
重溫數據結構
1.1 哈希結構
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-1所示哈希索引。
- 直接查詢:現在要從8個數中查找6這條記錄,只需要計算6的哈希值,便可快速定位記錄,時間複雜度為O(1)。
- 範圍查詢:如果要進行範圍查詢(大於4的數據),那這個索引就完全沒用了。

1.2 二叉樹查找樹
二叉樹是一種經典的數據結構,要求左子樹小於根節點,右子樹大於根節點。
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-2所示二分查找樹。
- 直接查詢:假設查找鍵值為6的記錄,先找到根4,4<6,因此查找4的右子樹,找到9;9大於6,因此查找9的左子樹;一共查找3次。但如果順序查找,則需要查找8次(位於最後)。
- 範圍查詢:如果需要查找大於4的數據,則遍歷4的右子樹就行了
1.3 平衡二叉樹(AVL樹)
按照二叉查找樹的定義,它是可以任意的構造,同樣是這些數字,可以按照 圖1-3-1的方式來建立二叉查找樹。同樣查找數據6,需要查找5次。
因此為了最大性能地構造一個二叉查找樹,需要它是平衡的,即平衡二叉樹。
平衡二叉樹定義:首先符合二叉查找樹的定義,另外任何節點的兩個子樹高度最大差為1。
平衡二叉樹的查詢速度是很快的,但是有缺點:
- 維護樹的代價是非常大,在進行插入或更新時,經常會需要多次左旋或右旋來維持平衡。如 圖1-3-2所示
- 數據量多的時候,樹會很高,需要多次I/O操作。
- 在進行範圍查找時,假設查找>=3,先找到3,然後需要查找到3的父節點,然後遍歷父節點的右子樹。

專注於Java領域優質技術,歡迎關注
作者: 以李服人 知否專欄
前言
講到索引,第一反應肯定是能提高查詢效率。例如書的目錄,想要查找某一章節,會先從目錄中定位。如果沒有目錄,那麼就需要將所有內容都看一遍才能找到。
索引的設計對程序的性能至關重要,若索引太少,對查詢性能受影響;而如果索引太多,則會影響增/改/刪等的性能。
知識點
MySQL中一般支持以下幾種常見的索引:
- B+樹索引
- 全文索引
- 哈希索引
我們今天重點來講下B+樹索引,以及為什麼要用B+樹來作為索引的數據結構。
B+樹索引並不能直接找到具體的行,只是找到被查找行所在的頁,然後DB通過把整頁讀入內存,再在內存中查找。
重溫數據結構
1.1 哈希結構
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-1所示哈希索引。
- 直接查詢:現在要從8個數中查找6這條記錄,只需要計算6的哈希值,便可快速定位記錄,時間複雜度為O(1)。
- 範圍查詢:如果要進行範圍查詢(大於4的數據),那這個索引就完全沒用了。

1.2 二叉樹查找樹
二叉樹是一種經典的數據結構,要求左子樹小於根節點,右子樹大於根節點。
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-2所示二分查找樹。
- 直接查詢:假設查找鍵值為6的記錄,先找到根4,4<6,因此查找4的右子樹,找到9;9大於6,因此查找9的左子樹;一共查找3次。但如果順序查找,則需要查找8次(位於最後)。
- 範圍查詢:如果需要查找大於4的數據,則遍歷4的右子樹就行了
1.3 平衡二叉樹(AVL樹)
按照二叉查找樹的定義,它是可以任意的構造,同樣是這些數字,可以按照 圖1-3-1的方式來建立二叉查找樹。同樣查找數據6,需要查找5次。
因此為了最大性能地構造一個二叉查找樹,需要它是平衡的,即平衡二叉樹。
平衡二叉樹定義:首先符合二叉查找樹的定義,另外任何節點的兩個子樹高度最大差為1。
平衡二叉樹的查詢速度是很快的,但是有缺點:
- 維護樹的代價是非常大,在進行插入或更新時,經常會需要多次左旋或右旋來維持平衡。如 圖1-3-2所示
- 數據量多的時候,樹會很高,需要多次I/O操作。
- 在進行範圍查找時,假設查找>=3,先找到3,然後需要查找到3的父節點,然後遍歷父節點的右子樹。

1.4 B+ 樹
在B+樹中,所有記錄節點存放在葉子節點上,且是順序存放,由各葉子節點指針進行連接。如果從最左邊的葉子節點開始順序遍歷,能得到所有鍵值的順序排序。
如有 3、1、2、10、9、0、4、6這8個數據,可建立如圖1-4-1所示高度為2的B+樹。
專注於Java領域優質技術,歡迎關注
作者: 以李服人 知否專欄
前言
講到索引,第一反應肯定是能提高查詢效率。例如書的目錄,想要查找某一章節,會先從目錄中定位。如果沒有目錄,那麼就需要將所有內容都看一遍才能找到。
索引的設計對程序的性能至關重要,若索引太少,對查詢性能受影響;而如果索引太多,則會影響增/改/刪等的性能。
知識點
MySQL中一般支持以下幾種常見的索引:
- B+樹索引
- 全文索引
- 哈希索引
我們今天重點來講下B+樹索引,以及為什麼要用B+樹來作為索引的數據結構。
B+樹索引並不能直接找到具體的行,只是找到被查找行所在的頁,然後DB通過把整頁讀入內存,再在內存中查找。
重溫數據結構
1.1 哈希結構
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-1所示哈希索引。
- 直接查詢:現在要從8個數中查找6這條記錄,只需要計算6的哈希值,便可快速定位記錄,時間複雜度為O(1)。
- 範圍查詢:如果要進行範圍查詢(大於4的數據),那這個索引就完全沒用了。

1.2 二叉樹查找樹
二叉樹是一種經典的數據結構,要求左子樹小於根節點,右子樹大於根節點。
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-2所示二分查找樹。
- 直接查詢:假設查找鍵值為6的記錄,先找到根4,4<6,因此查找4的右子樹,找到9;9大於6,因此查找9的左子樹;一共查找3次。但如果順序查找,則需要查找8次(位於最後)。
- 範圍查詢:如果需要查找大於4的數據,則遍歷4的右子樹就行了
1.3 平衡二叉樹(AVL樹)
按照二叉查找樹的定義,它是可以任意的構造,同樣是這些數字,可以按照 圖1-3-1的方式來建立二叉查找樹。同樣查找數據6,需要查找5次。
因此為了最大性能地構造一個二叉查找樹,需要它是平衡的,即平衡二叉樹。
平衡二叉樹定義:首先符合二叉查找樹的定義,另外任何節點的兩個子樹高度最大差為1。
平衡二叉樹的查詢速度是很快的,但是有缺點:
- 維護樹的代價是非常大,在進行插入或更新時,經常會需要多次左旋或右旋來維持平衡。如 圖1-3-2所示
- 數據量多的時候,樹會很高,需要多次I/O操作。
- 在進行範圍查找時,假設查找>=3,先找到3,然後需要查找到3的父節點,然後遍歷父節點的右子樹。

1.4 B+ 樹
在B+樹中,所有記錄節點存放在葉子節點上,且是順序存放,由各葉子節點指針進行連接。如果從最左邊的葉子節點開始順序遍歷,能得到所有鍵值的順序排序。
如有 3、1、2、10、9、0、4、6這8個數據,可建立如圖1-4-1所示高度為2的B+樹。
在進行更新時,B+樹同樣需要類似二叉樹的旋轉操作。舉例,假設新增一個7,那可以直接填充到4、6的後面。如果再添加8,那麼就需要進行旋轉了,感受下面的B+樹旋轉過程。
專注於Java領域優質技術,歡迎關注
作者: 以李服人 知否專欄
前言
講到索引,第一反應肯定是能提高查詢效率。例如書的目錄,想要查找某一章節,會先從目錄中定位。如果沒有目錄,那麼就需要將所有內容都看一遍才能找到。
索引的設計對程序的性能至關重要,若索引太少,對查詢性能受影響;而如果索引太多,則會影響增/改/刪等的性能。
知識點
MySQL中一般支持以下幾種常見的索引:
- B+樹索引
- 全文索引
- 哈希索引
我們今天重點來講下B+樹索引,以及為什麼要用B+樹來作為索引的數據結構。
B+樹索引並不能直接找到具體的行,只是找到被查找行所在的頁,然後DB通過把整頁讀入內存,再在內存中查找。
重溫數據結構
1.1 哈希結構
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-1所示哈希索引。
- 直接查詢:現在要從8個數中查找6這條記錄,只需要計算6的哈希值,便可快速定位記錄,時間複雜度為O(1)。
- 範圍查詢:如果要進行範圍查詢(大於4的數據),那這個索引就完全沒用了。

1.2 二叉樹查找樹
二叉樹是一種經典的數據結構,要求左子樹小於根節點,右子樹大於根節點。
如有 3、1、2、10、9、0、4、6這8個數據,建立如 圖1-2所示二分查找樹。
- 直接查詢:假設查找鍵值為6的記錄,先找到根4,4<6,因此查找4的右子樹,找到9;9大於6,因此查找9的左子樹;一共查找3次。但如果順序查找,則需要查找8次(位於最後)。
- 範圍查詢:如果需要查找大於4的數據,則遍歷4的右子樹就行了
1.3 平衡二叉樹(AVL樹)
按照二叉查找樹的定義,它是可以任意的構造,同樣是這些數字,可以按照 圖1-3-1的方式來建立二叉查找樹。同樣查找數據6,需要查找5次。
因此為了最大性能地構造一個二叉查找樹,需要它是平衡的,即平衡二叉樹。
平衡二叉樹定義:首先符合二叉查找樹的定義,另外任何節點的兩個子樹高度最大差為1。
平衡二叉樹的查詢速度是很快的,但是有缺點:
- 維護樹的代價是非常大,在進行插入或更新時,經常會需要多次左旋或右旋來維持平衡。如 圖1-3-2所示
- 數據量多的時候,樹會很高,需要多次I/O操作。
- 在進行範圍查找時,假設查找>=3,先找到3,然後需要查找到3的父節點,然後遍歷父節點的右子樹。

1.4 B+ 樹
在B+樹中,所有記錄節點存放在葉子節點上,且是順序存放,由各葉子節點指針進行連接。如果從最左邊的葉子節點開始順序遍歷,能得到所有鍵值的順序排序。
如有 3、1、2、10、9、0、4、6這8個數據,可建立如圖1-4-1所示高度為2的B+樹。
在進行更新時,B+樹同樣需要類似二叉樹的旋轉操作。舉例,假設新增一個7,那可以直接填充到4、6的後面。如果再添加8,那麼就需要進行旋轉了,感受下面的B+樹旋轉過程。
採用B+樹的索引結構優點:
- B+樹的高度一般為2-4層,所以查找記錄時最多隻需要2-4次IO,相對二叉平衡樹已經大大降低了。
- 範圍查找時,能通過葉子節點的指針獲取數據。例如查找大於等於3的數據,當在葉子節點中查到3時,通過3的尾指針便能獲取所有數據,而不需要再像二叉樹一樣再獲取到3的父節點。
看到這應該明白mysql索引為什麼使用B+樹了吧