索引為什么能提高查詢性能....

前言

昨天，有個女孩子問我提高數(shù)據(jù)庫查詢性能有什么立竿見影的好方法？

這簡直是一道送分題，我自豪且略帶鄙夷的說，當然是加「索引」了。

她又不緊不慢的問，索引為什么就能提高查詢性能。

這還用問，索引就像一本書的目錄，用目錄查當然很快。

她失望地搖了搖頭，你說的只是一個類比，可為什么通過目錄就能提高查詢速度呢。

唉，對啊，通過書目可以快速查詢，這只是一個現(xiàn)象，真正原因到底是什么呢。

那女孩看著詫異且表情僵硬的我，滿意而又意味深長的笑笑：原來你這個男程序員也不會，看來我還得靠自己研究了。

哎，熬夜又要憔悴了我這該死的美貌。

來自同行的羞辱，是可忍孰不可忍？！

于是，我踏上了數(shù)據(jù)庫索引學習的不歸路，原來數(shù)據(jù)庫索引使用了一種叫 B+ 樹的古老數(shù)據(jù)結構，當然也有 Hash 等類型，暫且不說，可 B+ 樹 這是個什么妖魔鬼怪呢？

下面就來淺嘗輒止的扒一扒樹的前世今生。

正文

二叉樹

由 n（ n > 0）個有限節(jié)點組成一個具有層次關系的集合，看起來就像一個倒掛的樹，因此稱這樣的數(shù)據(jù)結構為樹。

一個節(jié)點的子節(jié)點個數(shù)叫做度，通俗的講就是樹叉的個數(shù)。樹中最大的度叫做樹的度，也叫做階。一個 2 階樹最多有 2 個子節(jié)點即最多有 2 叉，因此這樣的樹稱為二叉樹，二叉樹是樹家族中最簡單的樹。

兩個叉的樹就是二叉樹，可這除了用來按一定結構存放數(shù)據(jù)外，跟查詢性能好像也沒關系，不會又是一個沒用的噱頭吧。

二分查找

聽說二叉樹的原始威力來源于一種叫做二分查找的算法。

相傳在鸚鵡的原始社會，存在著森嚴的等級制度，每只鳥必須按高矮順序分出等級和尊卑。

那么問題來了，如下圖，怎樣才能找出最高、最矮、中等高的那些鸚鵡呢、以及指定高度的那只呢?

第一種方法: 掃描法

一個一個依次測量，完畢后所有的問題都迎刃而解。

這種一個一個依次全部測量的方法叫做掃描，他的缺點很明顯，最高和最矮，需要全部測量完畢才能知曉。

而對于指定高度，最好的情況是第一次就找到；最壞的情況是最后一次才找到，時間復雜度為 n，也就是說從 13 個鸚鵡中找到指定身高的那只，最壞的情況是查 13 次。

第二種方法：二分法

13 個鸚鵡全部聽令，按從矮到高列隊，向左看齊，報數(shù)。

報數(shù)字 1 的就是最矮的，報數(shù)字 13 的就是最高的，報數(shù)字 7 的就是中等身高的那只。

最好和最壞的情況都是一次找到。而查詢性能一下子提高 13 倍，我的個乖乖，無論多個只鸚鵡，時間復雜度都是 1，好可怕。

問題：我不服，你這是偷換概念，有本事對比一個查找指定高度鸚鵡的性能。

因為鸚鵡們已經(jīng)按高矮排好了隊，所以指定高度的鸚鵡，要么是站中間那個只，要么就是在它的左邊或右邊的那群里。

如果是中間那個，一次就找到，如果不是只需要從中間左邊或右邊那一半中找，再在這一半中找中間那只，對比身高。

以此類推，每次都把查詢的范圍減半，時間復雜度log2(n)。

那么 log2(13) 就是 4，最壞的情況也才 4 次，時間復雜度確實不是 1 了，但好像也不糟，簡化如下：

問題：如果按高矮排隊，仍然需要一個一個比較，跟掃描有什么區(qū)別，那還不如直接掃描呢？

事實確實如此,單純的一次查詢，先排序，再二分查找，不見得比掃描快，甚至還不如。

但是，在數(shù)據(jù)的世界，大部分數(shù)據(jù)一生會被查詢無數(shù)次，如果只在數(shù)據(jù)降生的時候排一次序，往后余生，是不是就可以直接用二分查找，這似乎就是傳說的讀多寫少，以及對應的復用。

優(yōu)點：

• 查找快

缺點:

• 必須有序，需要提前排序

• 每次查找都需要不斷計算中間位置

二分查找樹

如果一組數(shù)據(jù)不會或不常變更，那么他們的位置也基本不變?？墒敲看尾樵兌夹枰匦掠嬎阒虚g位置是一種浪費，而浪費可恥。

我們能不能把所有中間節(jié)點組織起來，每次使用時，直接取中間節(jié)點?

請看下圖，找到所有單次二分查找的中間節(jié)點，把他們連起來，并用手提起最中間的那個節(jié)點，就是一棵二分查找樹。

優(yōu)點：二分查找樹就是通過數(shù)據(jù)結構的方式實現(xiàn)了二分查找算法，通過存儲中間節(jié)點的數(shù)據(jù)，彌補了二分查找每次都要計算中間位置的缺點。

平衡二叉樹:

如果二分查找樹不斷進行修改，比如刪除某些節(jié)點，經(jīng)過一段時間后，最早那個中間節(jié)點的數(shù)據(jù)（根），很可能就不在中間了。

中間位置就像一個天平的支點，如果他不在中間了，那么整個天平就會失衡，失衡的世界就會坍塌成不倫不類的瘸樹，甚至是降維成一個鏈表或者數(shù)組。

二分查找算法的關鍵在于有序和中間節(jié)點，而二分查找樹的關鍵是中間節(jié)點的維護，如果維護的節(jié)點已經(jīng)不在中間了，那么它就失去了意義。

所以必須保證「二分查找樹」是一個正確的樹，一個根節(jié)點在中心的樹，一個左右子樹層級（高度）基本相等（高度相差不超過1）的樹，一個平衡的樹。

平衡二叉樹中最常見的就是紅黑樹：

紅黑樹規(guī)定了一系列節(jié)點顏色規(guī)則，以及對應的左旋和右旋操作來保證顏色規(guī)則，從而達到樹的平衡性。

看到這花里胡哨的顏色以及復雜的規(guī)則，讓人第一眼就望而卻步，但所有的這些，也不過是為了保證二叉樹的平衡性，由于維持平衡的操作太過麻煩，無法用一句話簡單概括，只好用一堆人鬼難分的規(guī)則和步驟來實現(xiàn)，只要按著這些步驟就一定能實現(xiàn)二叉樹的平衡。

平衡二叉樹 ?= ?二分查找樹 + 平衡（左右高度相差不超過 1 ）

平衡二叉樹并未提高二分查找樹的性能，它只是保正樹不會被二向箔（多次增刪改）打擊降維成鏈表或不對稱的殘缺樹，永遠維持平衡。

另外，不僅僅是二叉樹，其他種類的樹，也是需要有序和平衡，才能發(fā)揮最大的威力。

多叉樹之 B-tree

兩個叉的樹就能折半查詢，理論可以提高一倍性能，那么多個叉是不是能提高更多倍性能？

如下圖的 3 階（叉）樹（所有數(shù)據(jù)僅用于演示，非真實分布）

每個節(jié)點維護兩個數(shù)據(jù)，并指向最多 3 個子節(jié)點。如圖 3 個子節(jié)點的數(shù)據(jù)分別為：小于 17， 17 ~ 35 ，大于 35。

假設，從上圖中查找 10 這個數(shù)，步驟如下：

1. 找到根節(jié)點，對比 10 與 17 和 35 的大小，發(fā)現(xiàn) 10 < 17 在左子節(jié)點，也就是第 2 層節(jié)點；

2. 從根節(jié)點的指針，找到左子節(jié)點，對比 10 與 8 和 12 的大小，發(fā)現(xiàn) 8 < 10 < 12，數(shù)據(jù)在當前節(jié)點的中間子節(jié)點，也就是第 3 層節(jié)點；

3. 通過上步節(jié)點的指針，找到中間子節(jié)點（第 3 層節(jié)點），對比 10 與 9 和 10 的大小，發(fā)現(xiàn) 9 < 10 == 10，因此找到當前節(jié)點的第二數(shù)即為結果。

加上忽略的 12 個數(shù)據(jù)，從 26 個數(shù)據(jù)中查找一個數(shù)字 10，僅僅用了?log3(26)≈ 3 次，而如果用平衡二叉樹,則需要 log2(26)≈ 5 次，事實證明，多叉樹確實可以再次提高查找性能。

多叉樹是在二分查找樹的基礎上，增加單個節(jié)點的數(shù)據(jù)存儲數(shù)量，同時增加了樹的子節(jié)點數(shù)，一次計算可以把查找范圍縮小更多。

優(yōu)點：二叉平衡樹的基礎上，使加載一次節(jié)點，可以加載更多路徑數(shù)據(jù)，同時把查詢范圍縮減到更小。

復雜節(jié)點:
至此，我們列舉的數(shù)據(jù)都是孤零零的單個數(shù)字。試想，你手里已經(jīng)有一個數(shù)據(jù) 10，為什么還要費力吧唧的再從一堆數(shù)據(jù)中找到這個 10，自己找自己？這不是有病嗎？

單個數(shù)字只能活在演示中，現(xiàn)實的世界要復雜的多，我們來看一個接近真實場景的案例。

現(xiàn)有一個以年齡為索引的 3 階樹，存儲了一批用戶信息，如下圖：

數(shù)字為用戶的年齡，其它為與樹排序查找無關的業(yè)務數(shù)據(jù)，像這種索引數(shù)據(jù)與樹排序查找無關的業(yè)務一起維護在節(jié)點的平衡多叉（階）樹稱為 B- 樹（ B 樹）。

缺點：業(yè)務數(shù)據(jù)的大小可能遠遠超過了索引數(shù)據(jù)的大小，每次為了查找對比計算，需要把數(shù)據(jù)加載到內(nèi)存以及 CPU 高速緩存中時，都要把索引數(shù)據(jù)和無關的業(yè)務數(shù)據(jù)全部查出來。本來一次就可以把所有索引數(shù)據(jù)加載進來，現(xiàn)在卻要多次才能加載完。如果所對比的節(jié)點不是所查的數(shù)據(jù)，那么這些加載進內(nèi)存的業(yè)務數(shù)據(jù)就毫無用處，全部拋棄。

磁盤I/O

計算機的功能主要為：計算、存儲和網(wǎng)絡。而用于計算的數(shù)據(jù)以及計算后的結果很大一部分都需要存儲起來，以備后續(xù)再次使用。向磁盤中存儲和讀取的過程叫磁盤 I/O。磁盤的讀取方式和速度會嚴重影響到整個業(yè)務的計算性能。

下面我們簡單了解一下磁盤是如何工作的。

磁盤大概長這個樣子：

磁盤主要由磁盤盤片、傳動手臂、讀寫磁頭和馬達組成。

為了存儲容量,主軸像穿糖葫蘆一樣把多個磁盤片組成一個陣列。通過馬達驅動主軸轉動以及傳動手臂移動，使讀寫磁頭在磁盤片上讀寫數(shù)據(jù)。大概如下：

磁盤片由很多半徑不等的同心圓組成，這些圓被稱為磁道，數(shù)據(jù)就是寫在這些磁道上。

每個磁道又劃分成塊稱為扇區(qū)。

如果磁盤是一記事本，那么一張磁盤片就是本子的一頁紙，而主軸就是本子的裝訂線；磁道就是紙頁的行，而扇區(qū)可以看作是很寬的列。

如果在磁盤中存儲一首詩,想象中大概這個樣子。

磁盤的讀 I/O 操作,需要找到數(shù)據(jù)所在的磁盤片，以及對應的磁道和扇區(qū)。這些操作類似于從一本書中找到數(shù)據(jù)所在的頁，行，列。

因為每個磁盤片都對應一個磁頭，所以性能的關鍵就在于找行和列，即尋道和磁盤旋轉。尋道即通過磁頭找到數(shù)據(jù)所在的磁道，相當于換行到數(shù)據(jù)所在行。由于磁頭只能水平移動，即只能換行尋道，無法在指定磁道上移動，因此需要磁盤高速旋轉移動到指定扇區(qū)，類似寫春聯(lián)時，筆不動，紙動。

綜上所述，磁盤的讀寫是通過機械運動來定位數(shù)據(jù)所在位置，而 cpu 是通過電信號進行數(shù)字運算。粗略的認為，機械查詢數(shù)據(jù)，與光速處理數(shù)據(jù)的性能完全不是在一個量級，總之一句話就是磁盤處理太慢太慢了。

雖然磁盤處理數(shù)據(jù)太慢了，但是它是目前相對廉價且穩(wěn)定的存儲設備，所以又不能舍棄不用，但大致可以通過以下方法進行優(yōu)化。

• 盡量減少 I/O 次數(shù)，比如可以使用緩存；

• 每次 I/O 盡量獲取更多的數(shù)據(jù)；

• 每次 I/O 盡量獲取有用的數(shù)據(jù)，當然相應的也間接減少總 I/O 次數(shù)；

多叉樹之 B+tree

做為數(shù)據(jù)庫的索引，無論用什么樣的數(shù)據(jù)結構維護，這些數(shù)據(jù)最終都會存儲到磁盤中。

鑒于磁盤 ?I/O 的性能問題，以及每次 I/O 獲取數(shù)據(jù)量上限所限，提高索引本身 I/O 的方法最好是，減少 I/O 次數(shù)和每次獲取有用的數(shù)據(jù)。

B-tree 已經(jīng)大大改進了樹家族的性能，它把多個數(shù)據(jù)集中存儲在一個節(jié)點中，本身就可能減少了 I/O 次數(shù)或者尋道次數(shù)。

但是仍然有一個致命的缺陷，那就是它的索引數(shù)據(jù)與業(yè)務綁定在一塊，而業(yè)務數(shù)據(jù)的大小很有可能遠遠超過了索引數(shù)據(jù)，這會大大減小一次 I/O 有用數(shù)據(jù)的獲取，間接的增加 I/O 次數(shù)去獲取有用的索引數(shù)據(jù)。

因為業(yè)務數(shù)據(jù)才是我們查詢最終的目的，但是它又是在「二分」查找中途過程無用的數(shù)據(jù)，因此，如果只把業(yè)務數(shù)據(jù)存儲在最終查詢到的那個節(jié)點是不是就可以了？

理想很豐滿，現(xiàn)實很骨瘦如柴，誰知道哪個節(jié)點就是最終要查詢的節(jié)點呢？

B+tree 橫空出世，B+ 樹就是為了拆分索引數(shù)據(jù)與業(yè)務數(shù)據(jù)的平衡多叉樹。

B+ 樹中，非葉子節(jié)點只保存索引數(shù)據(jù)，葉子節(jié)點保存索引數(shù)據(jù)與業(yè)務數(shù)據(jù)。這樣即保證了葉子節(jié)點的簡約干凈，數(shù)據(jù)量大大減小，又保證了最終能查到對應的業(yè)務數(shù)。既提高了單次 I/O 數(shù)據(jù)的有效性，又減少了 I/O 次數(shù)，還實現(xiàn)了業(yè)務。

但是，在數(shù)據(jù)中索引與數(shù)據(jù)是分離的，不像示例那樣的？

如圖：我們只需要把真實的業(yè)務數(shù)據(jù)，換成數(shù)據(jù)所在地址就可以了，此時，業(yè)務數(shù)據(jù)所在的地址在 B+ 樹中充當業(yè)務數(shù)據(jù)。

總結

• 數(shù)據(jù)存儲在磁盤（ SSD 跟 CPU 性能也不在一個量級），而磁盤處理數(shù)據(jù)很慢；

• 提高磁盤性能主要通過減少 I/O 次數(shù)，以及單次 I/O 有效數(shù)據(jù)量；

• 索引通過多階（一個節(jié)點保存多個數(shù)據(jù)，指向多個子節(jié)點）使樹的結構更矮胖，從而減少 I/O 次數(shù)；

• 索引通過 B+ 樹，把業(yè)務數(shù)據(jù)與索引數(shù)據(jù)分離，來提高單次 I/O 有效數(shù)據(jù)量，從而減少 I/O 次數(shù)；

• 索引通過樹數(shù)據(jù)的有序和「二分查找」（多階樹可以假設為多分查找），大大縮小查詢范圍；

• 索引針對的是單個字段或部分字段，數(shù)據(jù)量本身比一條記錄的數(shù)據(jù)量要少的多，這樣即使通過掃描的方式查詢索引也比掃描數(shù)據(jù)庫表本身快的多；

知識擴展

樹的結構最大的優(yōu)點就是查詢性能高，因此所有需要提高查詢性能的都可以考慮樹。

而現(xiàn)實中也確實有這樣的例子，比如：

• HashMap 中的數(shù)據(jù)沖突時，鏈表轉化成紅黑樹；

• 數(shù)據(jù)庫索引使用的 B+ 樹；

• 搜索引擎倒排索引使用的字典樹；

以上只是淺嘗輒止、點到為止的描述了數(shù)據(jù)庫使用 B+ 樹索引為什么能提高查詢性能原因及簡單過程。

并沒有深入各種數(shù)據(jù)結構的細節(jié)，也未提及其它索引類型和索引的具體存儲格式，目的僅僅是，為了讓大家對索引有一個感性的認識。

好文推薦

鍵入網(wǎng)址到顯示，期間發(fā)生了什么…

涼了！張三同學沒答好「進程間通信」，被面試官掛了….

哈嘍，我是小林，就愛圖解計算機基礎，如果覺得文章對你有幫助，歡迎分享給你的朋友，也給小林點個「在看」，這對小林非常重要，謝謝你們，給各位小姐姐小哥哥們抱拳了，我們下次見！