数据库索引
阿里云国内75折 回扣 微信号:monov8 |
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6 |
为什么要有索引这个东西
普通查询时逻辑是这样的
像上表中查找45岁的用户时
查到第七行之后仍然会继续查找把全表都查一遍
因为后边可能还会有45的数据
而索引就可以像上图中这种类似于二叉树的数据结构也就是通过一定的算法
来进行最少次数的查询获取到想要的数据
默认采用B+树
各类树演示地址https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html
Hash
哈希索引就是采用一定的hash算法将键值换算成新的hash值映射到对应的槽位上然后存储在hash表中。
如果两个或多个键值映射到一个相同的槽位上他们就产生了hash冲突也称为hash碰撞可以通过链表来解决。
特点
Hash索引只能用于对等比较=、in不支持范围查询betwwn、>、<、…
无法利用索引完成排序操作
查询效率高通常只需要一次检索就可以了效率通常要高于 B+Tree 索引
存储引擎支持
Memory
InnoDB: 具有自适应hash功能hash索引是存储引擎根据 B+Tree 索引在指定条件下自动构建的
面试题
为什么 InnoDB 存储引擎选择使用 B+Tree 索引结构
相对于二叉树层级更少搜索效率高
红黑树解决了二叉树中顺序插入变成链表的问题但还是二叉的导致层级较高
对于 B-Tree无论是叶子节点还是非叶子节点都会保存数据数据是存储在页中的这样导致一页中存储的键值减少指针也跟着减少要同样保存大量数据只能增加树的层级导致性能降低
B+树只有在叶子节点中才存有数据非叶子节点只存键值和指针键值和指针存的多了层级就会变少效率就高。
而且B+树的叶子节点中的数据形成了链表便于增大范围搜索和排序的效率
相对于 Hash 索引B+Tree 支持范围匹配及排序操作