Mysql采用B+树作为索引
- B+Tree是一种自平衡的树形数据结构。B+Tree是B树的一种变种。B+树的叶子结点存储所有的数据，而内部节点（叶节点）仅用于索引。
- 所有的数据都存储在叶子节点，内部索引（叶节点）只存索引
- 叶子结点之间使用指针项链形成双向链表
- 所有的叶子结点都在同一层级，树的高度是平衡的。通过自平衡自机制，B+树保证查找、插入、删除的时间复杂度为O(log N) 。
B+tree结构
-
根节点（Root Node）
- 根结点存储索引信息，指向叶子结点。根结点只有一个叶子结点时，即是根结点也是叶子结点。
-
非叶子节点（内部节点）（Internal Node）
- 内部节点只存储索引，不存储数据。
-
叶子节点（Leaf Node）
- 叶子结点存储真实用户数据
- 通过父指针连接到上级节点，还可以通过叶子指针形成一个双向链表
BTree结构
- B树是一种多路平衡搜索树。
- 每个节点最多有m个子节点
- 每个非叶子结点至少有[m/2]个字节点（除了根结点）
- 每个节点最多有m-1个键
- 所有叶子结点在同一层。所有节点键值递增
二叉树(遵循BST)
- 要知道二叉树的结构是每个字节点只有两个，并且左子树永远小于右子树。
- 但是要知道，如果一直插入比之前大的数据，那么二叉树就会退化成为链表。
自平衡二叉树
- 为了防止二叉树退化成为链表的情况，就提出的自平衡二叉树。
- 条件约束：每个节点的左子树和右子树的高度差不能超过1。其实就是为了防止二叉树长歪变成链表。这里涉及到平衡因子。平衡因子 = 左子树 - 右子树
平衡因子
平衡因子 状态
0 左子树与右子树一样高
1 左子树比右子树高1
-1 右子树比左子树高1
每个节点的左子树和右子树的高度的差绝对值不超过1
|height(left subtree) - height(right subtree)| <= 1
如果在插入和删除时发生了高度差超过1，就会发生自动旋转调整结构
以上就是一些树的结构，接下来看看为什么使用B+Tree作为innodb存储引擎的索引数据结构
- 要知道我们的数据是存储在磁盘的，读取的时候自然会产生磁盘I/O开销。
- 先看看二叉树（自平衡），二叉树的高度理论上可以达到很高的一个地步，这就意味着磁盘I/O操作次数多，影响效率。如果一个数的高度是为10，需要查找的数据又在第五层的节点上，这就意味着需要磁盘5次的I/O操作。
- 来看看B树，他解决了树的高度问题，转而将树的高度变矮，字节点个存放M个字节点（M>2）,降低树的高度，这样就可以减少磁盘I/O。但是，B树的每个节点都包含（数据+索引），大多数情况下用户存储的数据远远超过索引数据，这就需要花费更多的磁盘I/O操作次数取读取有用的索引。
- 为什么使用B+Tree，他和B树不同的点在：他只在叶子节点才会进行存储数据，非叶子节点存储索引，高度和BTree差不多。而且B+Tree叶子节点之间使用指针连接起来，形成一个双向链表，这样就可以进行范围性查找。而且只有叶子节点存放数据，非叶子节点存放索引，这样一页可以存放更多的索引（key）。
总结：其实就一步一步演变出来得到一个最优解方案。
