MySQL索引已经数据结构相关

为什么要使用索引

如果不使用索引的话，检索数据得逐行进行匹配，匹配成功才进行返回，而使用索引的话，可以将每行的地址进行保存，并将它们以某种数据结构的方式进行保存，可以极大的优化了检索数据，比如有800条数据，如下表所示。

如果想要对用户名为h的数据进行查询，不使用索引的情况下逐行匹配需要检索8次才能查询到数据。
而使用索引情况下，可以将索引与数据地址进行绑定，并以某种数据结构进行保存，以AVL平衡二分查找树举例。
索引地址对应着右边存储的数据所在的硬盘地址

建立一个AVL

查找索引为8的元素只需要2次就可以查到，但是二叉树有个缺点就是，随着存入的数据越来越多，树的高度则是越来越大，会使得检索效率下降，解决树的高度的问题可以采用B-Tree的方式进行数据保存，一个节点多存储几个数据即可
比如下面这种格式

这个关键字为4，表示子树必须为4个
在这条子树中，最左边那条的取值范围为-∞, 15，再后面那条的取值范围为15, 17, 之后那条是17, 最后那条取值范围为19, +∞。

但是B Tree有个缺点就范围查询时会回旋，比如要查大于15的元素时，会找到15然后到16，然后再返回15继续查找，这样会使得吞吐量下降，B+Tree可以解决这个问题。

B+Tree

非叶子节点不存储数据，数据全在叶子节点中存储，叶子节点中的数据是有序的，从左到右，依次递增。叶子节点类似链表，通过指针来连接下一个节点，叶子节点中保存所有索引数据。
比如要查找索引为三十的元素，首先会将15 56 77 这三个值装载进内存进行匹配，匹配所得30在15-56直接，走左子树，之后将15 20 49三个元素装载进内存进行匹配，匹配得20 49直接进中间那条，然后在中间那条所指的叶子节点进行加载内存并进行匹配返回。