MySQL~不同数据结构对索引的友好程度（Hash、二叉搜索树、AVL树、B-树、B+树）

1.选择标准

索引选数据结构只有一个标准：磁盘IO次数，越少越好

索引是存储在外部磁盘上的，对于关系型数据库，当数据量比较大的时候，索引有可能达到几个G甚至更多，不可能全部加载完，只能逐一加载，每次加载都会耗时，所以加载次数越少越好

2.各种数据结构分析

2.1可以是Hash表吗？

不可以

• Hash是通过某种确定的算法将输入变输出，相同的输入总会得到相同的输出
• Hash中像HashMap，增删查改的平均都是O(1)，单从效率方面是比B+树快好几倍
• 哈希在处理数据相等时效率非常高

那为什么不选Hash?

• 原因1：Hash索引只支持等于、不等于、in查询.如果进行范围查询，哈希的复杂度会退化成O(n)，而树索引仍然高效O(log2N)
• 原因2：哈希存储数据无序，因为哈希值无序，所以存储的数据也无序，如果使用ORDER BY查询，数据会重新排序
• 原因3：联合索引时，Hash会将几个索引值合并计算，无法对单独的一个或几个索引进行查询
• 原因4：如果索引列的重复值比较多（比如性别、年龄），Hash会发生哈希冲突，导致效率大大降低，可能会O(n)

Hash索引的适应场景：
虽然树索引使用范围更广，但也有一些场景使用Hash索引效率更高，比如键值型数据库中，Redis存储的核心就是哈希表

Innodb本身虽然不支持哈希索引，但是提提供自适应哈希（Adaptive Hash Index），如果某个数据经常被访问，就会将这个数据放入Hash表中，下次访问可以直接取出，这样树索引也有了哈希的优点。

2.2 可以是二叉搜索树或者红黑树吗?

不可以

• 二叉搜索树每个节点只能有两个子节点，即度为2，且左节点<根节点<右节点

• 最基础的二叉搜索树（Binary Search Tree）查找规则如下：如果key大于根节点，去右子树；如果key小于根节点，去左子树；如果等于根节点，返回根节点；
  正常情况O(log2N)：
  
  特殊情况O(n)：
  深度过大，退化成线性，类似链表
  
  为什么不可以？

• 二叉搜索树的平均查找效率是O(logN)

• 如果数据很多的话，二叉搜索树最多俩分支，所以树的深度会很大，查找效率其实不高

• 如果是范围查找还需要对二叉树进行中序遍历（二叉树的中序遍历有序），和上面的链表一样是O(N)不高效

2.3 可以是AVL树吗?

本质可以，但为了更高的效率不选它

• 2叉树时，如果数据非常大，深度依然很大，效率并不高
• 拿来当索引时，尽量往N叉树方向发展

AVL树

• AVL树又被称为平衡二叉搜索树（Balanced Binary Tree），特点：它可以是一颗空树或它的左右两个子树的高度差小于1，并且左右子树都是平衡树.

虽然不会退化成O(N)，但是数据非常多时，树的深度依然很高，如下图：

如何解决这个问题？
可以将2叉树变成N叉树，比如相同数据情况下，将2叉树变成3叉树：

总结:
二叉树或者AVL树可以用来作为数据库索引，但是尽量往N叉树的方向发展，降低树的高度，才能更符合索引的查找特性.

可以用树作为索引的数据结构，但是树越“矮胖”越好.

2.4 可以是B-树吗？

本质可以，但是为了更高的效率不选它

B-树和二叉树的差异

• 结点不再限于2个分支，可以有n个分支
• 结点不只存1个数据，可以存多个数据
• 节点存储数据个数和度有关 度=存储数据个数+1
• 在每个节点中查找时，不再限于2分查找，可以是N分查找，效率更高
• 在非叶子节点中也存有数据，如果和非叶节点中的数据相同，可以直接返回

B-树

• B-树（Balance-Tree），多路平衡查找树，一个节点最多可以有m个节点，m就称为B-树的阶，每个节点中包括关键字和子节点的指针，关键字中附带数据.对于一个100阶的B-树，在第3层就可以储存100万的索引数据，在大量索引数据的情况下，B-树是非常合适的.

B-树的特性

• 根节点最少有2个节点；
• 每个节点最多可以有m个节点；
• 除了根 叶子节点外，其余节点最少要有m/2个节点
• 所有节点的子节点个数可以不相同，但最少m/2个
• 叶子节点必须在同一层中
• 增加和删除节点时，如果不平衡，B树会自动调整节点的位置来保持平衡（旋转）
• 关键字遍布全树，即叶子和非叶子节点中都存放数据
• 每一次搜索相当于对关键字进行一次二分查找
  

2.5 可以是B+树吗?

可以，官方推荐+默认，真实的索引结构

• B+树是B-树的进阶，本质上也是多路搜索树
• B+树适合文件索引场景

B+树和B-树的差异

• B+树有几个分支就有几个关键字，而B-树 分支=关键字+1
• B+树父节点的关键字在子节点中都能找到，并且一般父节点的关键字是子节点关键字中最大或者最小的那个
• B+树只有叶子节点保存数据，而B-树叶子 非叶子节点都保存数据
• B+树所有关键字都在叶子节点出现，而B-树只出现部分关键字

为什么B+树比B-树更适合实际应用中操作系统的文件索引和数据库索引？

1.B+树的磁盘读写次数少
B+树的节点中不含有指针，比B-树的节点小，如果把左右的关键字段放入节点中，该节点容纳的关键字的数量就更多，一次性读入内存的关键字就越多，相对的查找次数就越低.
2.B+树的查询效率更稳定
B+树的所有的数据都存放在叶子节点，每次查询数据的路径长度差不多，查询效率相当，而B-树在非叶子节点中也存放数据，不同数据查询的路径长度不同，查询效率就不同，所以稳定性差一些。