InnoDB为什么使用B+树实现索引？

InnoDB 为什么使用 B+树实现索引？说到这个话题，就需要先聊一聊 InnoDB 的索引类型有哪些？

InnoDB 中的索引类型

InnoDB 存储引擎支持两种常见的索引数据结构：B+树索引和哈希索引，其中 B+树索引是目前关系型数据库系统中最为常见、最为高效的索引之一。

数据库中的 B+树索引可分为聚簇索引和非聚簇索引。聚簇索引按照每张表的主键构建一个 B+树，其叶子节点记录着表中每行记录的所有值。只需访问叶子节点即可获取整行记录的信息。非聚簇索引的叶子节点中并不包含完整的行记录信息，而仅包含索引值和对应的主键值。

根据索引的唯一性，索引可分为唯一索引和普通索引。唯一索引要求索引列的值必须唯一，不可重复。

此外，在 MySQL 5.6 版本中引入了全文索引，在 5.7 版本及以后，通过使用 ngram 插件开始支持中文全文搜索。

B+树的特点

首先来看一下 B+树的特点：

1. B+树是一棵平衡树，每个叶子节点到根节点的路径长度相同，从而提高了查找效率；
2. 所有关键字都存储在 B+树的叶子节点上，因此进行范围查询时只需遍历一次叶子节点即可；
3. 叶子节点按照关键字大小顺序存放，因此能够快速支持按关键字大小进行排序；
4. 非叶子节点不存储实际数据，这使得可以存储更多的索引数据；
5. 非叶子节点使用指针连接子节点，从而能够迅速支持范围查询和倒序查询；
6. 叶子节点之间通过双向链表连接，便于进行范围查询。

使用 B+树实现索引具有以下几个优点：

1. 支持范围查询：B+树在执行范围查找时，只需从根节点遍历至叶子节点，因为数据存储在叶子节点上，并且叶子节点之间有指针连接，便于进行范围查找。
2. 支持排序：B+树的叶子节点按关键字顺序存储，能够快速支持排序操作，提升排序效率。
3. 存储更多的索引数据：由于非叶子节点仅存储索引关键字而不存储实际数据，可容纳更多索引数据。
4. 减少 IO 操作：B+树的叶子节点大小固定，一般设置为一页大小，使得节点分裂和合并时的 IO 操作较少，只需读取和写入一页。
5. 利用磁盘预读：节点大小固定有利于利用磁盘预读特性，一次性读取多个节点到内存中，减少 IO 操作次数，提高查询效率。
6. 优化缓存利用：B+树的非叶子节点仅存储指向子节点的指针，不存储数据，可使缓存容纳更多索引数据，提高缓存命中率，加速查询速度。

为什么不用红黑树或者 B 树？

因为 B+树的特点是只有叶子节点存储数据，而非叶子节点不存储数据，并且节点大小固定，叶子节点之间通过双向链表链接，所以，使用 B+树实现索引具有诸多优势，比如支持范围查询、有利于磁盘预读、优化排序等等。而这些是红黑树和 B 树无法实现的。

B+树索引和 Hash 索引有什么区别？

B+树索引和哈希索引是常见的数据库索引结构，它们之间存在以下几个主要区别：

B+树索引将索引列的值按大小排序后存储，因此适合范围查找和排序操作；而哈希索引则通过哈希函数计算索引列的值，得到一个桶的编号，然后将桶内记录保存在链表或树结构中。因此，哈希索引适合等值查询，但不适合范围查询和排序操作。

在插入和删除数据时，B+树索引需要调整索引结构，可能涉及页分裂和页合并等操作，因此维护成本较高；而哈希索引只需计算哈希值并操作链表中的记录，维护成本相对较低。

B+树索引在磁盘上有序存储，可利用磁盘预读提高区间查询效率；而哈希索引在磁盘上无序存储，可能需要随机访问磁盘，导致查询效率下降。

由于 B+树索引在节点中存储多个键值对，能充分利用磁盘块空间，提高空间利用率；而哈希索引需要额外存储哈希值和指针，空间利用率相对较低。

好了，本章节到此告一段落。希望对你有所帮助，祝学习顺利。