面试官：你能说说数据库索引为什么要采用B树和B+树吗？

淡淡的烟草味﹌ 2022-11-18 05:57 213阅读 0赞

![f4b73d89f94082a5e68dbec473c4ba81.png][]

*来源：blog.csdn.net/qq\_35571554/article/details/82796278*

前面几篇关于数据库底层磁盘文件读取，数据库索引实现细节进行了深入的研究，但是没有串联起来的讲解为什么数据库索引会采用B树和B+树而不是其他的数据结构，例如平衡二叉树、链表等，因此，本文打算从数据库文件存储以及读取说起，讲解数据库索引的由来。

我们以抛出问题的形式开始讲解：

#### （1）数据库文件存储的方式 ####

数据库文件存储都是以磁盘文件存储在系统中的，这也是数据库能持久化存储数据的原因。

#### （2）从数据库读取数据的原理 ####

从数据库读取数据，先暂且不考虑从缓存中读取数据的情况，那就是从磁盘文件中读取数据的，我们知道从磁盘文件中读取数据是比较耗时的，数据库的select操作的时间，取决于执行磁盘IO的次数，因此尽量减少磁盘IO就可以显著的提升数据的查询速度。

#### （3）减少磁盘IO操作的影响因素 ####

有哪些因素可以减少磁盘IO呢，这首先得将了解一下磁盘IO与预读。

**磁盘IO与预读**

磁盘读取依靠的是机械运动，分为寻道时间、旋转延迟、传输时间三个部分，这三个部分耗时相加就是一次磁盘IO的时间，大概9ms左右。这个成本是访问内存的十万倍左右；正是由于磁盘IO是非常昂贵的操作，所以计算机操作系统对此做了优化：预读；每一次IO时，不仅仅把当前磁盘地址的数据加载到内存，同时也把相邻数据也加载到内存缓冲区中。

因为局部预读原理说明：当访问一个地址数据的时候，与其相邻的数据很快也会被访问到。每次磁盘IO读取的数据我们称之为一页（page）。一页的大小与操作系统有关，一般为4k或者8k。这也就意味着读取一页内数据的时候，实际上发生了一次磁盘IO。

正因为有了磁盘IO预读机制，所以才有了减少磁盘IO的可能，因为一次磁盘IO操作，可以查找到物理存储中相邻的一大片数据。

**以索引为B+树为例：**

磁盘IO次数和索引数据结构查询的次数以及磁盘IO与预读都有关系，具体关系：磁盘IO次数 <= B+树中从根节点一直到叶子节点整个过程中查询的节点数。

一次磁盘IO操作可以取出物理存储中相邻的一大片数据，如果查询的索引数据（就是B+树中从根节点一直到叶子节点整个过程中查询的节点数）都集中在该区域，那么只需要一次磁盘IO，否则就需要多次磁盘IO

#### （4）基于磁盘IO预读机制，索引可以快速查询数据 ####

到现在才开始讲解索引了。正是基于磁盘IO预读机制的前提，数据库可以采用索引机制快速查询出数据。

**（a）什么是索引**

索引是帮助数据高效查询数据的一种数据结构，它包含一个表中某些列的值以及记录对应的地址，并且把这些值存储在一个数据结构中。常用的索引有B树和B+树

**（b）为什么要使用索引**

举个例子来说，假设我们有一个数据库student，这个表分别有三个字段：name，age，class。假设表中有2000条记录。

1、假如没有使用索引，当我们查询名为“xiaxia”的学生的时候，即调用：

select name,age,class from student where name = "xiaxia";

此时数据库不得不在student表中对这2000条记录一条一条的进行判断name字段是否为“xiaxia”。这也就是所谓的全表扫描。

2、而当我们在student表上的name字段上创建索引时，当我们查询名为“xiaxia”的学生时：

会通过索引查找去查询名为“xiaxia”的学生，因为该索引已经按照字母顺序排列，因此要查找名为“xiaxia”的记录时会快很多，因为名字首字母为“x”的雇员都是排列在一起的。通过该索引，能获取到表中对应的记录。

#### （5）数据库中使用什么数据结构作为索引 ####

**（a）链表**

链表的查询速度是O（N），每次查询都得从链表头开始查询，例如上面查询“xiaxia”，如果xiaxia在1000的位置，那么需要遍历1000次才能查找到。

**（b）数组**

有人可能会说，查询速度肯定是数据最快呀，毕竟O（1），的确单纯就select的话，采用数组的形式是最合适的，但是采用数组会遇到如下几个问题：

1、采用数组的话，其他操作如Delete、Update、Insert就不合适了；

2、另外一个原因：索引是存在于磁盘中，当索引非常大的时候，达到几个G的时候，无法一次加载到内存中。

**（c）平衡二叉树**

二叉查找树查询的时间复杂度是O（logN），查找速度最快和比较次数最少，既然性能已经如此优秀，但为什么实现索引是使用B-Tree而不是二叉查找树，关键因素是磁盘IO的次数。

**（d）B树和B+树**

数据库索引采用的数据结构

#### （6）采用平衡二叉树和B树，数据查询的对比 ####

> 参考：https://blog.csdn.net/sinat\_27602945/article/details/80118362

### 二叉树查询过程： ###

我们先来看二叉树查找时磁盘IO的次：定义一个树高为4的二叉树，查找值为10：

![cc52edcfe85adbc38e2fc4fdac50e34f.png][]

第一次磁盘IO：

![4e885bac97d9fb9e8b05b2487fa6824f.png][]

第二次磁盘IO：

![a4fb030d487f9905374c74b45ae8b45c.png][]

第三次磁盘IO:

![ccc724e4d584a34db158b68bcfe91b7a.png][]

第四次磁盘IO：

![5966b58b87a37e5bddd06fcbcaace4e3.png][]

从二叉树的查找过程了来看，树的高度和磁盘IO的次数都是4，所以最坏的情况下磁盘IO的次数由树的高度来决定。

从前面分析情况来看，减少磁盘IO的次数就必须要压缩树的高度，让瘦高的树尽量变成矮胖的树，所以B-Tree就在这样伟大的时代背景下诞生了。

### B-Tree查询过程： ###

如下有一个3阶的B树，观察查找元素21的过程：

![a0d23efee5006ecaeed9b9b14b9818b9.png][]

第一次磁盘IO：

![c26d769dcdfdda2ca9e367e00494492d.png][]

第二次磁盘IO：

![e5325c13e64a1867da2f863b6a4877b9.png][]

这里有一次内存比对：分别跟3与12比对

第三次磁盘IO:

![ba9f4e3521287d329a7736885fd03b5c.png][]

B树的查询次数少于平衡二叉树！所以基于B树以及B+树的查询次数少于平衡二叉树。

推荐好文

[强大，10k+点赞的 SpringBoot 后台管理系统竟然出了详细教程！][10k_ SpringBoot]

[分享一套基于SpringBoot和Vue的企业级中后台开源项目，代码很规范！][SpringBoot_Vue]

[能挣钱的，开源 SpringBoot 商城系统，功能超全，超漂亮][SpringBoot]![127867b8be680b06583f36098760a0a9.png][]

[f4b73d89f94082a5e68dbec473c4ba81.png]: /images/20221022/d93f0835ee1e47d59a7d9d216142fc9c.png
[cc52edcfe85adbc38e2fc4fdac50e34f.png]: /images/20221022/e5ec4917f75e42f8b8ae5146b7771fbd.png
[4e885bac97d9fb9e8b05b2487fa6824f.png]: /images/20221022/31d77e01c9444dee86c7e2c260cf530c.png
[a4fb030d487f9905374c74b45ae8b45c.png]: /images/20221022/c07104d44bc747fa8e64cca64aaac085.png
[ccc724e4d584a34db158b68bcfe91b7a.png]: /images/20221022/7e55d1bf0d624bc099cfc2f8b86c215b.png
[5966b58b87a37e5bddd06fcbcaace4e3.png]: /images/20221022/93547d6ae29446588f1288bbe072c7e6.png
[a0d23efee5006ecaeed9b9b14b9818b9.png]: /images/20221022/099892692e3f47589863f87e429f7d2e.png
[c26d769dcdfdda2ca9e367e00494492d.png]: /images/20221022/29f383e2ef0f4d2ba88dc9a8acae2f38.png
[e5325c13e64a1867da2f863b6a4877b9.png]: /images/20221022/df669afa65d24a859b2d69f22e13797f.png
[ba9f4e3521287d329a7736885fd03b5c.png]: /images/20221022/dba24f378e9d4de3a35ffae310bc8591.png
[10k_ SpringBoot]: http://mp.weixin.qq.com/s?__biz=MzI4Njc5NjM1NQ%3D%3D&chksm=ebd5c411dca24d07446a4f22772cd12d2cc1143b62eb922a14500ae981cd57fb850ef74ca257&idx=2&mid=2247498557&scene=21&sn=84902d7030e174e152615d8fae3755cc#wechat_redirect
[SpringBoot_Vue]: http://mp.weixin.qq.com/s?__biz=MzU2MTI4MjI0MQ%3D%3D&chksm=fc799be6cb0e12f0b58479f8b031bc5ae79efdca1880ff9b19f0a107c3a88c37b9596dc73203&idx=2&mid=2247497288&scene=21&sn=65d7111a19e920df1e9416959594b2f4#wechat_redirect
[SpringBoot]: http://mp.weixin.qq.com/s?__biz=MzU2MTI4MjI0MQ%3D%3D&chksm=fc799a9ccb0e138a64a2671f31b8d4be1b3c061a288f7b0d1d4af02a60c45a72231446b91e00&idx=2&mid=2247497522&scene=21&sn=c5b4e596be4ac7d7f293e7e2f0ea0769#wechat_redirect
[127867b8be680b06583f36098760a0a9.png]: /images/20221022/9029ee9491514ade917b94616e802bb0.png