文章目錄
前言：首先推薦一個數據結構可視化的網站：
https://www.cs.usfca.edu/~galles/visualization/Algorithms.html，本文不做過深的數據結構剖析，但是要簡單瞭解一些數據結構的特性和概念。瞭解索引的存儲結構前，我們必須要先了解一些索引的基本概念。
什麼是索引
索引：就是數據庫管理系統中一個排序的數據結構，協助快速查詢和更新表中數據。注意索引是放在磁盤上的
建立索引的方式：
1.建表的時候就創建
2.建完表後續想添加索引：alter table 表名 add index 索引名(字段名);
索引的類型：
1.normal：普通索引，非唯一的索引沒有任何限制
2.unique：唯一索引，要求字段的值不能重複。（primary key主鍵索引，特殊的唯一索引，主鍵索引所在的列字段必須NOT NULL）
3.full Text：全文索引，如果要在一個大文本里匹配一個字符那麼就可以創建一個全文索引。char、varchar、text這些類型才能創建全文索引，匹配語法：select * from 表名 where match(字段名) against(‘要匹配的字符’ in natural language mode);
索引的存儲結構
我們都知道mysql中的索引有BTREE和HASH，而最常使用的就是BTREE。那麼問題來了，爲什麼mysql當初的設計者要選擇使用B樹呢？
如果使用有序數組
我們知道數組有下標，像’=’,’>’,’<'這些查詢效率會很高，但是，更新索引時就會出現挪動大量數據，改變數據下標，所以這並不適合作爲mysql的存儲結構。
如果使用單鏈表
針對上邊問題，我們會先想到使用鏈表來解決更新問題，因爲鏈表記錄的有上個節點和下個節點的地址。但是看，插入和更新快了，他的查詢效率大大減少，因爲單鏈表不支持二分查詢，所以說查詢效率是很低的。那麼有沒有使用二分查找的鏈表呢？
如果使用二分查找樹（Binary Search Tree）
二分查找樹簡稱BST
特點：左子樹的值都要小於父節點，右子樹的值都要大於父節點。
缺點：如圖所示，如果是有序的插入，那麼BST樹就會變成一個線性的鏈表（斜樹，不平衡樹），深度會很大。導致查詢會很慢。所以也並不適合mysql的索引結構
平衡二叉樹（AVL樹）
AVL也就是發明者的名字簡寫。
特點：基於二叉樹，但左右子樹的深度差得絕對值不超過1。如果右子樹的深度和左子樹的深度絕對值超過1，就會發生左旋（反之右旋），如下圖：
缺點：如果mysql採用這種方式存儲索引，那麼我們看下圖存儲示例：
假設我們要找37這條數據，我們去索引樹上找，第一次拿到磁盤塊1之後，要到server層來比較發現我們要找的數據比他大，就到右子樹上找下個磁盤塊，繼續比較發現又小了，就繼續到左子樹找下個磁盤塊。纔拿到所需數據。
我們要知道，我們每次訪問樹節點的時候就是和磁盤的一次IO，將磁盤數據加載進內存。前邊文章說過，在InnoDB中，IO操作的最小單位是頁（page），默認是16kb。但是，如上圖，一個節點只存儲了那麼點東西，是遠遠不夠16kb的（16384個字節），所以說，使用AVL樹每次IO都會浪費大量的空間，而且放的節點越多，IO次數也就越多，浪費的空間也就越大，所需時間也越多。
比如上圖中，要查找37這條數據，就要3次IO，如果有成千上萬條數據呢，IO時間是無法估量的。
思考一下如何解決這一問題呢？我們可以讓每個節點存儲更多的數據，可以讓二叉變成多叉（“叉數”也就是“路數”也稱爲“度”） ，這樣可以讓樹的深度減少，IO次數也就越少，查詢速度也就越快。
多路平衡查找樹（B Trees）
我們來看，和上圖同樣的數據，在B樹中要找37這條數據，如下圖，只需要兩次IO就可以了。數據量越大效果也就越明顯。
那麼這個B樹是如何實現一個節點存儲多個數據並且還保持平衡的呢？
分裂和合並：假如路數是3，也就是一個節點只能放兩個數據，如果要插入第三個數據即路數即將超過3，將會產生分裂（反之合併）。如下圖：
mysql中索引用的B樹，並不是該B樹，而是用的增強版的B+樹，接下來我們瞭解一下，什麼是B+樹。
加強版多路平衡樹（B+ Trees）
特點：和B樹不同的是
1.B+樹的節點上有幾個數據，就有幾路。
2.每個父節點的元素都會出現在子節點上，是子節點的最大或最小元素。
3.只有葉子節點才存儲數據，並且每個葉子節點都有指向下一個節點的指針，形成一個有序鏈表。
我們來看一看B+樹 有多強大：
假設存儲bigint類型（8bytes），InnoDB中的指針大小爲6bytes，所以這樣的一個索引就是14個字節，每個節點16kb（16384個字節），那麼一個節點就可以存放16384/14=1170路。那麼子節點就可以存放11701170=1368900個索引也就有1368900路。那麼假設一條數據1k，一個葉子節點16k可以存放16條記錄，那麼1368900路的葉子節點共可以存放136890016=21902400條記錄，也就是兩千多萬條記錄，樹的深度只有2，查找數據只需三次IO。
不僅如此，B+樹葉子節點還是一個有序的鏈表，如果我們進行範圍的查找，如where id> 18 and id < 30，這種的條件查詢，如果是B樹他每次都會在根節點開始遍歷查找，而B+樹一次查找就可以沿着葉子節點的鏈表指針檢索出所需數據。
B+樹的優勢：
1.單一節點存儲更多的元素，使得查詢的IO次數更少。
2.所有查詢都要查找到葉子節點，查詢性能穩定。
3.所有葉子節點形成有序鏈表，便於範圍查詢。
簡單瞭解HASH索引
因爲hash索引用的並不多，簡單瞭解下：
hash方式在我們的索引裏面去存儲了鍵值和映射關係，會根據索引的字段去生成hash碼和指針，指針指向數據，他的時間複雜度是永恆不變的O(1),查詢速度很快。
不足之處：
1.生成hash碼是無序的
2.只能做等值的查詢，因爲它要根據鍵計算出hash碼，所以只能是根據key去查value這種形式
3.如果字段有很多重複的值，就會產生大量的hash衝突。
所以一般不會使用hash方式作爲索引的存儲結構