MySQL使用 B+ 树作为索引结构的示例详解

1、简述

在日常开发中，SQL 查询速度往往决定了系统响应的快慢，而索引的底层结构直接影响数据库性能。你或许听过：

“MySQL 索引使用的是 B+ 树，而不是 Hash、红黑树、B 树。”

但你是否真正理解：为什么偏偏是 B+ 树？

本文将揭开 B+ 树在 MySQL 中大行其道的秘密，并结合 Java 示例和 SQL 实践帮助你彻底理解。

2、什么是索引？为什么重要？

索引是数据库中的“加速器”，作用类似于书籍的目录，它能快速定位数据位置，避免全表扫描。

索引结构常见的实现方式：

3、B+ 树 与其他结构的区别

3.1 B+ 树 vs B 树

B+ 树更适合数据库的两个场景：

• 范围查找（BETWEEN、ORDER BY）
• 大量磁盘 I/O 操作（叶子节点有序链表，顺序读取更快）

3.2 为什么不是 Hash 索引

虽然 Hash 查找时间复杂度是 O(1)，但存在严重缺陷：

4、B+ 树为什么适合 MySQL

4.1 高扇出，I/O 次数少

B+ 树是“多叉平衡搜索树”，每个节点可包含几百甚至上千个 key，大大降低树的高度。

例如，扇出为 1000，1 亿条数据只需 3 层：

根 → 中间层 → 叶子层（数据）

每次查询最多只需 3 次磁盘随机 I/O！

4.2 全部数据在叶子节点，遍历效率高

叶子节点之间是链表结构，天然支持范围查询、排序：

SELECT * FROM orders WHERE amount BETWEEN 100 AND 500 ORDER BY amount;

这种查询在 B+ 树中，只需要定位起点节点后顺序遍历，非常快。

4.3 非叶子节点仅存索引，占用空间少

B+ 树的非叶子节点不存储数据，只存索引字段，因此：

• 节点更小，磁盘页能装更多 key
• 树高度更低，查询更快

5、InnoDB 索引与 B+ 树的关系

InnoDB 支持两类 B+ 树索引：

5.1 主键索引（聚簇索引）

数据存储与主键索引绑定

叶子节点直接存储整行数据

查询主键非常快

SELECT * FROM users WHERE id = 100;

5.2 二级索引（辅助索引）

非主键字段索引

叶子节点存储的是主键值（回表）

SELECT * FROM users WHERE email = 'xx@example.com';

如果 email 是二级索引，则先查 B+ 树找到主键，再去主键索引查整行数据，称为 回表。

6、实践样例：验证 B+ 树索引特性

创建测试表

CREATE TABLE user (
  id INT PRIMARY KEY,
  name VARCHAR(50),
  age INT,
  INDEX idx_age (age)
) ENGINE=InnoDB;

插入数据

for (int i = 1; i <= 1000000; i++) {
    String sql = "INSERT INTO user (id, name, age) VALUES (?, ?, ?)";
    PreparedStatement ps = conn.prepareStatement(sql);
    ps.setInt(1, i);
    ps.setString(2, "User" + i);
    ps.setInt(3, (int)(Math.random() * 100));
    ps.executeUpdate();
}

查询测试

-- 使用索引（范围查询）
EXPLAIN SELECT * FROM user WHERE age BETWEEN 20 AND 30;

-- 使用全表扫描（函数干扰索引）
EXPLAIN SELECT * FROM user WHERE age + 0 = 25;

输出分析

type = range：范围索引使用成功

key = idx_age：使用了 age 索引

rows 明显少于总行数

总结：B+ 树是数据库索引的首选原因

7、结语

MySQL 使用 B+ 树，不是偶然，而是对磁盘性能、查询效率、排序能力等综合考量的结果。在 Java 开发中理解这些底层原理，可以：

编写更高效的 SQL

更合理地设计索引

减少因查询慢带来的系统瓶颈

到此这篇关于MySQL使用 B+ 树作为索引结构的示例详解的文章就介绍到这了,更多相关MySQL B+树索引内容请搜索脚本之家以前的文章或继续浏览下面的相关文章

最新评论