精品少妇牲交视频大全

本文转载自微信公众号「小菜学编程」，作家fasionchan 。转载本文请关系小菜学编程公众号。

前边咱们先容了 哈希索引 和 LSM树索引 ，它们都基于日记结构式的数据文献。天然工程界对这种索引的招供度正日新月异，但还远不是最受接待的索引技巧。

那么，当今应用最广的索引技巧又是什么呢?

您可能早就有所耳闻——这等于本文要探讨的 B树( b-tree )索引。B树不错说是数据库索引技巧中的武林盟主，八成几十年长盛不衰，必定有它我方的独门诀要。

索引结构

跟咱们在 LSM树 一节中提到的 SSTable 一样，B树亦然将数据组织成有序方法，因此支柱领域查询。尽管如斯，它们的底层结构却竣工不同，B树有我方独有的缱绻形而上学。

日记结构式索引将数据分红大小可退换的分段，每每是几兆或更大，然后再法例写入磁盘。而B树则所以 块( block )为单元来组织数据，块大小是固定的，每每是 4KB ，也不错更大。这种缱绻更逼近磁盘的硬件结构，因为磁盘也所以块为单元来读写数据的。

出于性能方面考虑，操办机每每以一定字节数(如 4KB )为单元来存取数据。在不同的场景有不同的叫法：磁盘数据一般称为 块 ( block )，内存数据一般称为 页( page )。这两种场景数据库均有触及，因而术语不错混用。

磁盘中的每个数据块都有一个唯一的地址，因此数据块间不错相互援用，有点像内存中的指针。因此，咱们不错用这种方式，将数据块组织成一棵树——B树( b-tree )。

如上图，为简化究诘，咱们假定数据库纪录唯独两个字段：一个是索引键，类型为整数;另一个是值。数据按索引键排序，轮番保存在一个数据块中，如蓝色数据块所示。

紫色部分数据块为索引，它将索引键的领域差异为多个区间;每个区间保存着另一个数据块的地址( ref )，示意该领域内的数据，不错通过 ref 指向的数据块找到。上图中红色的 ref 示意， 之间的数据，不错通过其左下方的另一个索引数据块找到。

如若子领域内的数据纪录还许多，单个数据块容纳不下，ref 便指向另一个索引块，进一步将数据领域分小;如若子领域内的数据纪录未几，一个数据块就能装下，ref 便径直指向数据。

这么一来，ref 就将数据块组织成一棵多叉树，数据块主要分为两种：

一种用于保存数据纪录，如上图蓝色部分，位于树的 叶子节点 ，简称 数据块 ; 一种用于保存索引，如上图紫色部分， 国产精品久久久久精品小草位于树的的 里面节点，简称 索引块 ;

从树的根节点索引块启程，阐明数据键地方领域的 ref 逐层往下找，即可定位到数据纪录。举个例子，当查询键为 400 的纪录时，搜索旅途如绿色箭头线所示：

从根索引块启程，400 落在区间 [343， 470) ，阐明该区间 ref 找到下一级;

来到下一个索引块，400 落在区间 [384， 412) ，阐明该区间 ref 找到下一级;

最终来到蓝色的数据块，待查找的数据纪录就在里面;

领域查询

为了支柱领域查询，数据库将数据纪录排过序后才保存到数据块，相邻数据块间则通过双向链表指针贯串在一齐。

这么一来，数据库只须先定位领域元素，然后以此为源头遍历数据即可：

如若查询条款为小于，则从后往前遍历数据;

如若查询条款为大于，则从赶赴后遍历数据;

如上图，以查询大于等于 400 且小于 420 的数据为例：

数据库定位到键值为 400 的数据纪录，如红框所示;

数据库查验本数据块内 400 以后的纪录，自尊小于 420 则取出;

数据库阐明链表指针找到下一个数据块，国模无码视频一区二区三区连接查验里面的数据纪录，自尊小于 420 则取出;

数据库重叠顺次 3 ，一一往后遍历数据块，直到少见据纪录大于等于 420 ;

分支因子

咱们介怀到，B树是一种多叉树。那么，为什么不行用最简便的二叉树呢?

本体上，每个树节点最多不错有些许个分叉，是树的一个相配热切的秉性—— 分支因子( branching factor )。咱们澄莹，在数据纪录数一定的前提下，树的分支因子越大，高度越低。

咱们使用排序树来查找数据时，从根节点运转胁制搜索，最终来到叶子节点。换句话讲，咱们需要查验的节点数，其实等于树的高度。

而数据库数据需要历久化并保存在磁盘里面，那磁盘有什么特色呢?

磁盘 IO 比较慢，作歹例的磁盘 IO 更是如斯; 磁盘 IO 以 块( block )为数据单元，单次 IO 老是读写通盘这个词块;

在排序树中搜索数据，彰着是冲破读，而不是法例读。因为咱们无法保证 ref 指向的数据块就在现时块背面，磁盘每每只可再行 寻道( seek )后才能读取数据。由于磁盘寻道很慢很慢，IO 次数必须尽量减少，因此树的高度应该尽量压低。

另一方面，磁盘以块为单元读写数据，一个块不错保存许多分支信息。如若一个块只保存两个分支，那就糜费了。因为就算只保存两个分支，读的时代如故必须整块读，支拨是一样的。因此，不如尽量普及分支数，这么还能减低树的高度，进而减少 IO 次数。

每每 4KB 大的数据块不错保存多达 500 个分支，如若树的高度为 3 ，不错撑持多达 个数据，向上一亿。特意旨道理的是数据库根索引块每每缓存在内存中，这么只需 2 次 IO 操作即可从向上 1 亿数据中找到想要的阿谁。

总而言之，B树真的等于为磁盘量身定制的数据结构，它充分地愚弄了磁盘的特色：

磁盘以块为单元读写数据，B树就以块为节点，组织成多叉树;

磁盘 IO 很慢，B树就通过普及分支因子，裁减树的高度，减少 IO 次数;

写操作

数据库写操作分为两种，一种是 更新( update )，一种是 插入( insert )。

如若要更新数据库中的已有纪录，先搜索B树找到包含该纪录的数据块(叶子节点)。然后修改数据块的纪录值，再将个数据块写回磁盘。由于数据块仅仅内容改革了，位置不变，因此B树中任何对该数据块的援用仍然灵验。

如若要插入一条新纪录，相通先搜索B树，找到数据领域包含新纪录的数据块(叶子节点)。如若数据块还有弥长空间，就将新纪录添加干预并保存到磁盘即可。如若数据块满足空间不及，则需要将其分裂为两个：

如上图，以插入 399 为例：由于指标数据块也曾存满，需要将其分裂为两个。分裂后的数据块都唯惟一半数据，新纪录保存在其中的一个。

如若新纪录的键相对较小，则保存在左边的数据块;不然就保存在右边的数据块。399 跟该领域的其他数据比较较小，因此保存在左边数据块。

由于数据块发生了分裂，因此它们的父节点需要更新，以便纪录最新的数据领域和分支信息。

B树算法不错保证树的 均衡( balanced )：一棵包含 个键的B树，高度不向上 ，不然树的性能会大打扣头。每每一棵 3 层或 4 层深的B树即可容纳数据库所少见据，因此查询时不必遍历太大都据块，性能相对较好。

至此，三种主流的数据库索引技巧也曾全部先容结束。除了本节先容的B树索引，其他两种分别是：

 

哈希索引 LSM树索引