为什么数据库索引数据结构使用B+树，而不使用xxx？

╰+哭是因爲堅強的太久メ 2022-11-11 13:17 159阅读 0赞

### 文章目录 ###

*  一、为什么数据库的索引不能用二叉搜索树？
 *  二、为什么红黑树不适合数据库索引？
 *  三、为什么不能使用Hash数据结构作为索引的数据结构呢？
 *  四、为什么不能使用B-树
 *  五、为什么能使用B+树

这个问题其实还是很有趣的，我在上一篇文章中，写了：  
1、为什么数据库索引不能用二叉排序树；  
2、为什么数据库索引不能用红黑树；

本篇文章增加了：  
1、为什么不能使用哈希表；  
2、为什么不能使用B-树；  
3、为什么能使用B+树。

# 一、为什么数据库的索引不能用二叉搜索树？ #

> 根据上面的演示，看着二叉搜索树也是可以的呀，也挺快嘛。  
> 但是为什么用在数据库底层不合适呢？这也是面试时常问的。

我们可以演示一下：  
[https://www.cs.usfca.edu/~galles/visualization/BST.html][https_www.cs.usfca.edu_galles_visualization_BST.html]

我们假设我们给Col1加上索引，那么依次对二叉搜索树插入：1、2、3、4、5、6、7；

![image.png][]

可以看到退化成了一个链表的形式。

当我们查询7的话，时间复杂度就变成了单链表一样了。

从大到小也是：  
![image.png][image.png 1]

总结如下：

*  如果数据库底层使用二叉搜索树的话，遇到数据为极端的情况下会退化成单链表，所以不太合适；

可以想象一下，如果我们给自增的一列使用二叉搜索树的索引数据结构的话，是不是就很倒霉了。这就是极端的情况，都在一边。

# 二、为什么红黑树不适合数据库索引？ #

红黑树又叫：二叉平衡树

红黑树作为Java开发人员应该很耳熟吧，JDK8中的HashMap中的底层数据结构就用到了红黑树。

这么牛逼的JDK中都用到了红黑树，为什么数据库中的索引数据结构不太适合呢？

还是上面那个假设，假设我们给Col1加上红黑树的索引。

过程如下动态演示：  
![Kapture 2021-03-18 at 09.24.45.gif][]

如果我们执行：

select * from table1 where Col1 = 7;

动态演示如下：

> 可以看到，我们一共查询了4次就查到了。与没加这个索引之前还是有比较大的效果的，至少没有全部扫描。

![find-red-black-7.gif][]

总结：

> 通过观察可以看到，每次插入几乎都会去调整这颗二叉树，保持高度是平衡的。  
> 如果数据量非常大的话，也是非常耗时的，所以红黑树也是不太合适。

# 三、为什么不能使用Hash数据结构作为索引的数据结构呢？ #

当你点进这篇文章的时候，肯定对于Hash表是熟悉的了。

Hash表的话，简单点说有这么几个特点：

*  1、数据插入的位置由哈希值决定，顺序无序的；
 *  2、插入很快；
 *  3、查找也很快；

我们拿一组数据来插入哈希表试试：

100、13、101、14、103、109

我们使用[https://www.cs.usfca.edu/~galles/visualization/ClosedHash.html][https_www.cs.usfca.edu_galles_visualization_ClosedHash.html]来动态模拟Hash表；

![image.png][image.png 2]  
为了表现出来Hash表为什么不适用与数据库，我们顺序插入准备好的数据：

动态演示如下：  
![Kapture 2021-03-20 at 11.39.07.gif][]

结果如下：  
![image.png][image.png 3]

1、

我们在数据库中经常使用sql来查询一个范围的数据例如：

select * from t where id < 15;

我们知道哈希表是无序的，所以就凭借这一点，就比较困难。

心里应该也有数了，哈希表是肯定不可以的。

2、

从插入数据的动态演示中可以看到，100和13的哈希值都是13。

> 那么就会向后移动（这也是哈希表解决冲突的一种方式）。

![Kapture 2021-03-20 at 11.45.25.gif][]

例如：我们先插入100，然后插入13；

我们想查找13的话，就会比较慢了。

两个数可能体现不出来，1万个？10万个？100万个数呢？可想而知，就相当于进行了全表扫描。

所以，哈希表总体来说，不合适。

# 四、为什么不能使用B-树 #

B-Tree就是B树，不叫B减树。

我们继续来模拟：  
[https://www.cs.usfca.edu/~galles/visualization/BTree.html][https_www.cs.usfca.edu_galles_visualization_BTree.html]

插入1-10，10个数后：

![image.png][image.png 4]

B树确实解决了我们上面所说的哈希表的查找范围的问题。

我们执行下列sql:

select * from t where id > 5;

（1）首先查找到5  
查找路径为：4–>6–>5；

（2）然后返回上一层查找到6  
（3）然后查找到6  
（4）…

可以看到会有一个回旋的过程，随着数据量的增长，回旋的过程也就越多，那么所浪费的时间也就越多。

# 五、为什么能使用B+树 #

我们使用这个来模拟：  
[https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html][https_www.cs.usfca.edu_galles_visualization_BPlusTree.html]

构造一个1-10的数的B+树；

![image.png][image.png 5]

先来介绍以下这颗树：

> 一共分为两部分，叶子节点和非叶子节点。
> 
>  *  叶子节点是由链表实现的，凡是插入的数据，全都链接在一起。
>  *  非叶子节点只存key；
>  *  叶子节点即存key又存value；

key：0-10这个数字；

> value：0-10的数字的地址。

![image.png][image.png 6]

解决了B树中回旋查找的问题。查找效率也整体提高了。

例如：

select * from t where id > 5;

看下图：  
![Kapture 2021-03-20 at 12.15.28.gif][]

可以看到，先查找非叶子节点5、然后7、然后6，最终查找到叶子节点5。

![image.png][image.png 7]

查找到之后，就可以顺序取出了，就不必继续回去上一层了。

[https_www.cs.usfca.edu_galles_visualization_BST.html]: https://www.cs.usfca.edu/~galles/visualization/BST.html
[image.png]: /images/20221022/4a327c8d0fce4450b698a13e24d4ca54.png
[image.png 1]: /images/20221022/10ee9cfb0c514ab7849fcb43542696fa.png
[Kapture 2021-03-18 at 09.24.45.gif]: https://img-blog.csdnimg.cn/img_convert/d4637778c7c1d9f41da9b21313615fa2.gif
[find-red-black-7.gif]: https://img-blog.csdnimg.cn/img_convert/9d89d1fe7d50a05d000c698afd172302.gif
[https_www.cs.usfca.edu_galles_visualization_ClosedHash.html]: https://www.cs.usfca.edu/~galles/visualization/ClosedHash.html
[image.png 2]: https://img-blog.csdnimg.cn/img_convert/853f0db5c2382694bbe07e981e77b24c.png
[Kapture 2021-03-20 at 11.39.07.gif]: https://img-blog.csdnimg.cn/img_convert/5caeecb83b702a0010106641104c2113.gif
[image.png 3]: https://img-blog.csdnimg.cn/img_convert/3236f0022ded35c30e20319b7ce0b9e4.png
[Kapture 2021-03-20 at 11.45.25.gif]: https://img-blog.csdnimg.cn/img_convert/0059e47a40954f1e2bf17fcb8856bba2.gif
[https_www.cs.usfca.edu_galles_visualization_BTree.html]: https://www.cs.usfca.edu/~galles/visualization/BTree.html
[image.png 4]: https://img-blog.csdnimg.cn/img_convert/60e67ab07f657b56d4264731b80868d1.png
[https_www.cs.usfca.edu_galles_visualization_BPlusTree.html]: https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html
[image.png 5]: https://img-blog.csdnimg.cn/img_convert/f1313536838cf428bb786d941361fc0a.png
[image.png 6]: https://img-blog.csdnimg.cn/img_convert/5de1c73568783eb8fa016fa0cb9d6378.png
[Kapture 2021-03-20 at 12.15.28.gif]: https://img-blog.csdnimg.cn/img_convert/fba6cb3196d4a804301b2abaceaba5d5.gif
[image.png 7]: https://img-blog.csdnimg.cn/img_convert/a6c32f5b019e52092e29d0fba4377f1f.png