目录

一、概述

二、数据库为什么要设计索引？

三、哈希(hash)比树(tree)更快，索引结构为什么要设计成树型？

四、数据库索引为什么使用B+树？

五、为什么m叉的B+树比二叉搜索树的高度大大降低？

六、总结

数据库索引是为了提高查询速度而对表字段附加的一种标识。简单来说，索引其实是一种数据结构。数据库的索引类似于书籍的索引。在书籍中，索引允许用户不必翻阅完整个书就能迅速地找到所需要的信息。在数据库中，索引也允许数据库程序迅速地找到表中的数据，而不必扫描整个数据库。

首先我们需要明白为什么索引会提高查询速度，数据库在执行一条SQL语句的时候，默认扫描方式是根据搜索条件进行全表扫描，遇到匹配条件的就加入搜索结果集合。如果我们对某一字段增加索引，查询时就会先去索引列表中一次定位到特定值的行数，大大减少遍历匹配的行数，所以数据库索引能明显提高查询的速度。

下面列举几种适合建立索引的情况：

当然，并不是所有情况下都适合建立索引，如下几种情况就不太适合建立索引：

举个最简单的例子，小时候我们遇到不会读的字，是不是拿出《新华字典》，大家都知道一本《新华字典》里面有成千上万个字，如何快速的找到我们不会读的那个字呢？

《新华字段》最前面几页列出了我们汉字的笔画索引，如下图：

通过笔画索引表查询，我们是不是可以大大缩小我们查找的范围了，数据库索引的作用大体相似。假设数据库中存在1000万条数据，如何能够在最短的时间内搜索到满足条件的记录呢，显然可以引入索引来解决。

加速查找速度的数据结构，常见的有两类：

(1)、哈希，例如HashMap，查询/插入/修改/删除的平均时间复杂度都是O(1)；

(2)、树，例如平衡二叉搜索树，查询/插入/修改/删除的平均时间复杂度都是O(lg(n))；

可以看到，不管是读请求，还是写请求，哈希类型的索引，都要比树型的索引更快一些。

那为什么索引结构要设计成树型呢？

索引设计成树形，和SQL的需求相关。

对于单行查询的SQL，如：

因为上述每次查询肯定都只会返回一条记录，所以索引结构使用hash的话，确实会比用树结构快。

但是，数据库中的查询并不仅仅只有单行查询，还有分组group by、排序oder by 等等。

遇上如上除了单行查询的情况，如果使用hash索引的话，时间复杂度会退化为O(n)，而如果使用树型索引的话，由于树的“有序”特性，依然能够保持O(log(n)) 的高效率，时间复杂度不会退化。

另外，hash索引可能会存在hash冲突情况。

数据结构中，树主要有以下几种：

二叉搜索树，也是最简单的树结构。主要特征：

那么，二叉搜索树为什么不适合用作数据库索引？

(1)、当数据量大的时候，树的高度会比较高，数据量大的时候，查询会比较慢；

(2)、每个节点只存储一个记录，可能导致一次查询有很多次磁盘IO；

B树特征：

B树为什么适合做索引？

(1)、B树结构是m分叉的，高度能够大大降低；

(2)、每个节点可以存储j个记录，如果将节点大小设置为页大小，例如4K，能够充分的利用预读的特性，极大减少磁盘IO；

B+树叶是m叉搜索树，在B树的基础上，做了一些改进：

大概计算一下：

(1)、局部性原理，将一个节点的大小设为一页，一页4K，假设一个KEY有8字节，一个节点大约可以存储500个KEY，即j = 500；（1KB = 1024字节 ，4KB = 4096字节， 4096 / 8 = 512个）

(2)、m叉B+树，大概m / 2