关于事物型数据库的索引原理

总结平衡二叉树特点：
（1）非叶子节点最多拥有两个子节点；
（2）非叶子节值大于左边子节点、小于右边子节点；
（3）树的左右两边的层级数相差不会大于1;
（4）没有值相等重复的节点;

3.索引的数据结构——B+树

　　数据库的索引结构采用的是B+树。B+树是一种二叉查找树，而二叉查找树又是根据二分查找法的思维组装的一种数据结构。所以，这就是为什么先要介绍二分查找法和二叉查找树的原因。之前我们已经知道了二分查找法的查找效率很高，为什么不用二叉查找树作为索引的数据结构呢？难道B+树的查找速度要比二叉查找树还要快吗？当然不是，我们先来了解一下B+树，

　　从上图可知，一个磁盘块即为一个节点，并且数据只存放在叶子结点，非叶子节点存放的是磁盘块的地址，通过磁盘块的地址找到存放数据的磁盘块，这样大大的减少了磁盘的IO操作次数，所以就节省了大量的查找时间。因为程序是在内存里面运行，而数据是放在磁盘块里面的，寻找磁盘块的时间远远大于程序的运行时间，所以B+树的主要功能实际是减少磁盘的IO操作次数。

4.总结

　　1.索引可以提高查询效率，但是因为索引的数据结构是一种二叉查找树，这就要求这棵树的结构必须是有规律的，所以，每次进行DML操作的时候，数据库都要重新去维护这棵树的结构，这就导致了DML操作时会产生大量的资源开销。所以，请根据实际业务场景来决定是否使用索引。

　　2.事物型数据库的索引原理除了B+树数据结构，还有其它数据结构，但那些数据结构我就没了解过了。大家如果有兴趣可以了解一下。

　　3.除了事物型数据库，还有一种分析型数据库，比如数据仓库，数据集市，这些就涉及到大数据的技术了。

　　4.本来我以为我可以写好这篇文章，但最后才发现好多地方都解释得不清楚，请多多包涵！

关于事物型数据库的索引原理

标签：大于   感受   查询   必须   场景   左右   其它   递增   算法