网站建设应该有什么特点,今天的新闻,自己建网站好还是用淘宝做好,转行学python后悔了Mysql实战-索引结构 二叉树/平衡二叉树/红黑树/BTree/BTree
我们在项目中都会使用索引#xff0c;所以我们要了解索引的存储结构#xff0c;今天我们就着重讲解下Mysql的索引结构存储模型#xff0c;并且看下 二叉树#xff0c;平衡二叉树#xff0c;红黑树#xff0c;B…Mysql实战-索引结构 二叉树/平衡二叉树/红黑树/BTree/BTree
我们在项目中都会使用索引所以我们要了解索引的存储结构今天我们就着重讲解下Mysql的索引结构存储模型并且看下 二叉树平衡二叉树红黑树BTree及BTree的演变过程
1.索引的组成
为什么会有索引
为了方便我们查找数据快捷的查找数据就像目录一样我们在翻书的时候可以根据目录直接找到相应的位置在DB中索引就是在读取的数据的过程中查找数据的目录信息
什么是联合索引
联合索引就是多个字段的索引 为什么需要联合索引呢 下面我们看一个例子
user 表结构如下
CREATE TABLE user (id bigint NOT NULL AUTO_INCREMENT COMMENT 主键,id_card char(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT 身份证ID,user_name char(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT 用户名字,age int NOT NULL COMMENT 年龄,PRIMARY KEY (id)
) ENGINEInnoDB AUTO_INCREMENT1 DEFAULT CHARSETutf8mb4 COLLATEutf8mb4_unicode_ci COMMENT用户表 OK时间: 0.627s如果我们需要查询 身份证号 和 姓名信息 我们应该如何操作
select user_name from user where id_card xxxxx这个查询语句意味着什么 回表查询
为什么会发生回表这就要探究下我们的索引结构了怎么能避免回表
2.索引结构
什么是回表查询 讲清楚 回表查询之前我们必须清楚的知道 Mysql的索引存储结构这样才能讲明白回表查询
大家都知道Mysql 采用BTree 来存储索引结构那么你一定听说过BTree 那么他们俩到底有什么区别呢
Btree 是为了磁盘或其他存储设备而设计的一种多叉平衡树Btree 相当于二叉树Btree每个内节点有多个分支即多叉BTree是BTree的一个变种是BTree在数据库中的一个实现是常见的也是数据库中使用最为频繁的一种索引
2.1 二叉树二叉平衡树
二叉树是什么
这是二叉树大致的情况
二叉树的极端情况-单链到底 二叉树 存在一种极端的情况 这种效率就很差一条链路走到底效率极为低下
二叉平衡树 为了解决 一条路走到底的问题 印出来了二叉平衡树平衡二叉树 (AVL) 树是一种自平衡二叉查找树 (BST)
平衡二叉树是二叉树对于空间密度提升的升级平衡二叉树比二叉树比较有规则所以深度比二叉树小所有节点的左右子树的高度差不能超过 1平衡二叉树在数据量大的时候查询和插入速度都大于二叉树
2.2 红黑树
那什么是红黑树呢 其实红黑树和上面的平衡二叉树类似 红黑树是一种自平衡二叉搜索树
红黑树 每个节点多了一个额外的位置用来存储节点的颜色红色或黑色每个节点颜色只有红或黑要么是红色要么是黑色唯一选择红黑树的根节点一定是黑色的红黑树所有的叶子节点全是null黑色红黑树不能有相邻的红色节点即红色节点不能有父/子 红节点从任一节点到子树的每个叶子节点黑色节点数相同 叫做节点的黑高从根节点到每个叶子节点路径的黑色节点数相同 叫做树的黑高
上面这些限制就是为了 红黑树实现自平衡而定义的准则有了这些准则就能避免 二叉树极端情况成为单链的场景最后两点比较难理解我们来验证下
从任一节点到子树的每个叶子节点黑色节点数相同 叫做节点的黑高 计算节点黑高根13-叶子A 13-3-null 节点黑高3根13-叶子B13-19-25-26-null 黑色节点 1325null 节点黑高3所以从任一节点到叶子节点 黑节点数相同黑高 从根节点到每个叶子节点路径的黑色节点数相同 叫做树的黑高 根节点 13到叶子A 3个黑色节点 树的黑高就是3黑高为3的红黑树最小高度是3全黑黑高为3的红黑树最大高度是5交替红黑黑稿为3的红黑树子树最小高度是2最大高度为4
红黑树有什么操作呢
红黑树的基本操作和其他树形结构一样一般都包括查找、插入、删除等操作。
查找 红黑树是二叉树的一种查找过程和二叉查找树一样插入 红黑树的插入很复杂红黑树插入新节点后需要进行调整新插入的新节点一定是红色 如果插入的节点是黑色那么这个节点所在路径比其他路径多出一个黑色节点这个调整起来会比较麻烦。如果插入的节点是红色此时所有路径上的黑色节点数量不变仅可能会出现两个连续的红色节点的情况这种情况下通过变色和旋转进行调整即可 删除 删除更为复杂要确定待删除节点有几个孩子还要找删除节点的前驱/后继节点等等不做赘述
2.3 B-Tree就叫做BTree
不存在B减树 要么是BTree 要么是BTree不存在B减树这种叫法B树是一种多路自平衡搜索树它类似普通的二叉树但是BTree 允许每个节点有更多的子节点,这是和二叉树最大的区别 每个子节点存在多节点
下面我们来看下BTree的特点 以下以下
所有键值分布在整个树中任何关键字出现且只出现在一个节点中搜索有可能在非叶子节点结束在关键字全集内做一次查找性能近似于二分查找算法
BTree 的数据存在每个节点中所以每个节点能够保存的索引值很少所以存储大量数据时树的层级会很高这样就导致与磁盘的 IO 交互次数增多查找数据的效率就变得很低为什么这么说
我们来模拟一下BTree查找过程 可以看到有磁盘块和P1/P2/P3指针信息 比如我现在要查找 60 60元素存储在 磁盘块9 中 第一步 找 60 先根据根节点信息找到根节点存储的磁盘1 把磁盘1信息加载到内存 发生磁盘IO操作第1次第二步 加载磁盘1后内存中有两个文件17和35及3个记录其他磁盘的地址的指针数据P1/P2/P3根据 60 35 ,因此我们二叉树右子树查找找到指针 P3第三步 根据P3指针定位磁盘4 然后把磁盘4的信息加载到内存发生磁盘IO操作第2次第四步 加载磁盘4后内存中有两个文件 65和87及3个记录其他磁盘的地址的指针数据P1/P2/P3根据 60 65 因此我们找二叉树左子树查找找到指针 P1第五步 根据指针P1 定位磁盘9 然后把磁盘9的信息加载到内存发生磁盘IO操作第3次第六步 加载磁盘9后内存中有两个文件 36和60 对比 要找的元素 60找到并且定位了该文件所在的磁盘位置 磁盘9
该过程 发生了三次IO过程从磁盘加载了3次数据信息 频繁的从IO磁盘获取数据 这就产生了BTree下一篇文章我们介绍下BTree 本文 我们介绍了索引的基本结构包括二叉树平衡二叉树红黑树BTree的演变过程和他们之间的区别特别是红黑树插入和删除都需要复杂的操作也讲解了BTree的读取原理继而引出BTree与之对比
