from
資料庫索引的儲存結構一般是b+樹，為什麼不適用紅黑樹等普通的二叉樹？
經過和同學的討論，得到如下幾個情況：
1. 資料庫檔案是放在硬碟上，每次讀取資料庫都需要在
磁碟上搜尋
，因此需要考慮磁碟尋道時間，我們都知道磁碟尋道開銷是非常大的。同時，索引一般也是非常大的，記憶體不能放下，因此也會放在磁碟上。（另外，還與
區域性性原理與磁碟預讀
有關係）。
2. b+樹所有的關鍵字都出現在葉子節點的鍊錶（稠密索引）中，且鍊錶中的關鍵字是有序的。非葉子節點只起索引作用（稀疏索引）。
葉子節點相當於儲存了關鍵字的資料層。
因此，我們得出結論，由於資料存數在磁碟上，因此
應該儘量減少磁碟i/o次數
。恰好，b+樹的葉子節點儲存了關鍵字的資料層（我們可以稱為主鍵），因此我們可以直接通過主鍵來查詢資料。若是使用二叉樹，二叉樹索引的只是主鍵的位置，我還需要根據二叉樹索引主鍵的位置，進行一次i/o操作來獲取主鍵。
沒有研究過資料庫，只是和同學討論之後做了乙個總結，錯誤在所難免。
下面，在學習一下b樹、b-樹、b+樹、b*樹 b樹
二叉搜尋樹：
1.所有非葉子結點至多擁有兩個兒子（left和right）；
2.所有結點儲存乙個關鍵字；
3.非葉子結點的左指標指向小於其關鍵字的子樹，右指標指向大於其關鍵字的子樹； 如：
b樹的搜尋，從根結點開始，如果查詢的關鍵字與結點的關鍵字相等，那麼就命中；否則，如果查詢關鍵字比結點關鍵字小，就進入左兒子；如果比結點關鍵字大，就進入右兒子；如果左兒子或右兒子的指標為空，則報告找不到相應的關鍵字；
如果b樹的所有非葉子結點的左右子樹的結點數目均保持差不多（平衡），那麼b樹的搜尋效能逼近二分查詢；但它比連續記憶體空間的二分查詢的優點是，改變b樹結構（插入與刪除結點）不需要移動大段的記憶體資料，甚至通常是常數開銷； 如：
但b樹在經過多次插入與刪除後，有可能導致不同的結構：
右邊也是乙個b樹，但它的搜尋效能已經是線性的了；同樣的關鍵字集合有可能導致不同的樹結構索引；所以，使用b樹還要考慮盡可能讓b樹保持左圖的結構，和避免右圖的結構，也就是所謂的「平衡」問題；
實際使用的b樹都是在原b樹的基礎上加上平衡演算法，即「平衡二叉樹」；如何保持b樹結點分布均勻的平衡演算法是平衡二叉樹的關鍵；平衡演算法是一種在b樹中插入和刪除結點的策略；
b-樹一種多路搜尋樹（並不是二叉的）：
1.定義任意非葉子結點最多只有m個兒子；且m>2；
2.根結點的兒子數為[2, m]；
3.除根結點以外的非葉子結點的兒子數為[m/2, m]；
4.每個結點存放至少m/2-1（取上整）和至多m-1個關鍵字；（至少2個關鍵字）
5.非葉子結點的關鍵字個數=指向兒子的指標個數-1；
6.非葉子結點的關鍵字：k[1], k[2], …, k[m-1]；且k[i] < k[i+1]；
7.非葉子結點的指標：p[1], p[2], …, p[m]；其中p[1]指向關鍵字小於k[1]的子樹，p[m]指向關鍵字大於k[m-1]的子樹，其它p[i]指向關鍵字屬於(k[i-1], k[i])的子樹；
8.所有葉子結點位於同一層；
如：（m=3）
b-樹的搜尋，從根結點開始，對結點內的關鍵字（有序）序列進行二分查詢，如果命中則結束，否則進入查詢關鍵字所屬範圍的兒子結點；重複，直到所對應的兒子指標為空，或已經是葉子結點；
b-樹的特性：
1.關鍵字集合分布在整顆樹中；
2.任何乙個關鍵字出現且只出現在乙個結點中；
3.搜尋有可能在非葉子結點結束；
4.其搜尋效能等價於在關鍵字全集內做一次二分查詢；
5.自動層次控制；
由於限制了除根結點以外的非葉子結點，至少含有m/2個兒子，確保了結點的至少利用率，其最底搜尋效能為：
其中，m為設定的非葉子結點最多子樹個數，n為關鍵字總數；
所以b-樹的效能總是等價於二分查詢（與m值無關），也就沒有b樹平衡的問題；
由於m/2的限制，在插入結點時，如果結點已滿，需要將結點**為兩個各佔m/2的結點；刪除結點時，需將兩個不足m/2的兄弟結點合併；
b+樹b+樹是b-樹的變體，也是一種多路搜尋樹：
1.其定義基本與b-樹同，除了：
2.非葉子結點的子樹指標與關鍵字個數相同；
3.非葉子結點的子樹指標p[i]，指向關鍵字值屬於[k[i], k[i+1])的子樹（b-樹是開區間）；
5.為所有葉子結點增加乙個鏈指標；
6.所有關鍵字都在葉子結點出現；
如：（m=3）
b+的搜尋與b-樹也基本相同，區別是b+樹只有達到葉子結點才命中（b-樹可以在非葉子結點命中），其效能也等價於在關鍵字全集做一次二分查詢；
b+的特性：
1.所有關鍵字都出現在葉子結點的鍊錶中（稠密索引），且鍊錶中的關鍵字恰好是有序的；
2.不可能在非葉子結點命中；
3.非葉子結點相當於是葉子結點的索引（稀疏索引），葉子結點相當於是儲存（關鍵字）資料的資料層；
4.更適合檔案索引系統；
b*樹b+樹的變體，在b+樹的非根和非葉子結點再增加指向兄弟的指標；
b*樹定義了非葉子結點關鍵字個數至少為(2/3)*m，即塊的最低使用率為2/3（代替b+樹的1/2）；
b+樹的**：當乙個結點滿時，分配乙個新的結點，並將原結點中1/2的資料複製到新結點，最後在父結點中增加新結點的指標；b+樹的**只影響原結點和父結點，而不會影響兄弟結點，所以它不需要指向兄弟的指標；
b*樹的**：當乙個結點滿時，如果它的下乙個兄弟結點未滿，那麼將一部分資料移到兄弟結點中，再在原結點插入關鍵字，最後修改父結點中兄弟結點的關鍵字（因為兄弟結點的關鍵字範圍改變了）；如果兄弟也滿了，則在原結點與兄弟結點之間增加新結點，並各複製1/3的資料到新結點，最後在父結點增加新結點的指標；
所以，b*樹分配新結點的概率比b+樹要低，空間使用率更高；
**: 小結
b樹：二叉樹，每個結點只儲存乙個關鍵字，等於則命中，小於走左結點，大於走右結點；
b-樹：多路搜尋樹，每個結點儲存m/2到m個關鍵字，非葉子結點儲存指向關鍵字範圍的子結點；
所有關鍵字在整顆樹中出現，且只出現一次，非葉子結點可以命中；
b+樹：在b-樹基礎上，為葉子結點增加鍊錶指標，所有關鍵字都在葉子結點中出現，非葉子結點作為葉子結點的索引；b+樹總是到葉子結點才命中；
b*樹：在b+樹基礎上，為非葉子結點也增加鍊錶指標，將結點的最低利用率從1/2提高到2/3；
SQL 索引 建立索引
create index 語句用於在表中建立索引。在不讀取整個表的情況下，索引使資料庫應用程式可以更快地查詢資料。您可以在表中建立索引，以便更加快速高效地查詢資料。使用者無法看到索引，它們只能被用來加速搜尋 查詢。注釋 更新乙個包含索引的表需要比更新乙個沒有索引的表更多的時間，這是由於索引本身也需要...
SQL優化（SQL 索引）
檢視表定義 show create table users 檢視表的索引 show index from users 你要獲取第乙個表的所有資訊，你說全表掃瞄快呢還是索引掃瞄快呢？所以當你查詢庫 包括left join中的臨時庫 的所有資訊時，資料庫會選擇最優方法 全表掃瞄！s表dept id na...
SQL索引學習 聚集索引
上面兩位朋友的問題有乙個共同特點，就是希望有示例，因為這樣容易讓他們更加容易理解。但從我的角度來講，有示例只能給你提供乙個參考而已，夠不成是否容易消化的關鍵因素，最好的辦法是，通過自己的理解，自己有能力去做相應的實驗，這樣效果才是最好的，你也會發現更多的問題，每個專案都有自己的特點，所以效能優化這塊...