Mysql InnoDB b+树的高度

为什么Mysql考虑使用B+树，而不是B树，其实我们可以先了解下B树和B+树的特点来看下。

成都创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：网站建设、成都网站建设、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的丰满网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

※ 树的每个结点都会存储数据

※ 单次查询不一定要遍历到树的根部，平均查询时间会比较快

※ 非叶子节点不存储数据，只存储（冗余）索引，索引包含主键和指针

※ 叶子节点才真正存储数据

※ 每个叶子节点互相链表相连，保证了范围查询的时效性(页之间用双向链表连接，数据间用单项链表链接)

InnoDB最小存储单位是页，叶子节点和非叶子节点最小单位都是页，页大小Mysql 默认设定16384字节，约为16KB。

我们假设主键ID为bigint类型，长度为8字节，而指针大小在InnoDB源码中设置为6字节，这样一共14字节

我们一个页中能存放多少这样的索引元素，其实就代表有多少指针，即16384/14=1170;

高度为2的B+树能存放1170×16=18720

高度为3的B+树能存放1170×1170×16 = 21902400

InnoDB中B+树高度一般为1-3层，它就能满足千万级的数据存储。

在查找数据时一次页的查找代表一次IO，所以通过主键索引查询通常只需要1-3次IO操作即可查找到数据。

MYSQL 那点破事！索引、SQL调优、事务、B+树、分表 ....

大家好，我是Tom哥~

为了便于大家查找问题，了解全貌，整理个目录，我们可以快速全局了解关于mysql数据库，面试官一般喜欢问哪些问题

接下来，我们逐条来看看每个问题及答案

MyISAM 和 InnoDB 的区别？

答案：InnoDB 支持 事务、外键、聚集索引，通过MVCC来支持高并发，索引和数据存储在一起。InnoDB 不保存表的具体行数，执行 select count(*) from table 时需要全表扫描。而MyISAM 用一个变量保存了整个表的行数。

InnoDB 最小的锁粒度是行锁，MyISAM 最小的锁粒度是表锁，并发能力低。MySQL 将默认存储引擎是 InnoDB

mysql 锁有哪些类型？

答案：mysql锁分为共享锁( S lock ) 、排他锁 ( X lock )，也叫做读锁和写锁。根据粒度，可以分为表锁、页锁、行锁。

什么是间隙锁？

答案：间隙锁是可重复读级别下才会有的锁，mysql会帮我们生成了若干 左开右闭 的区间，结合MVCC和间隙锁可以解决幻读问题。

如何避免死锁？

答案：死锁的四个必要条件：1、互斥 2、请求与保持 3、环路等待 4、不可剥夺。

数据库的隔离级别？

答案：读未提交、读已提交、可重复读（mysql的默认级别，每次读取结果都一样，但是有可能产生幻读）、串行化。

Mysql有哪些类型的索引？

答案：

什么是覆盖索引和回表？

答案：

1、覆盖索引，指的是在一次查询中，一个索引包含所有需要查询的字段的值，可能是返回值或where条件

假如我们创建了一个(money，buyer_id)的联合索引，索引的叶子节点包含了 buyer_id 的信息，则不会再 回表 查询。

2、回表，指查询时一些字段值拿不到，需要到主键索引B+树再查一次。

Mysql的最左前缀原则？

答案：即最左优先，在检索数据时从联合索引的最左边开始匹配，直到遇到范围查询（如： 、 、between、like等）

例子：where a = 1 and b = 2 and c 3 and d = 4 ，如果建立(a,b,c,d)组合索引，d是用不到索引的；如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。

线上SQL的调优经验？

答案：

官方为什么建议采用自增id 作为主键？

答案：自增id是连续的，插入过程也是顺序的，总是插入在最后，减少了页分裂，有效减少数据的移动。所以尽量不要使用字符串（如：UUID）作为主键。

索引为什么采用B+树，而不用B-树，红黑树？

答案：提升查询速度，首先要减少磁盘IO次数，也就是要降低树的高度。

事务的特性有哪些？

答案：ACID。

如何实现分布式事务？

答案：

日常工作中，MySQL 如何做优化？

答案：

mysql 主从同步具体过程？

答案：

什么是主从延迟？

答案：指一个写入SQL操作在主库执行完后，将数据完整同步到从库会有一个时间差，称之为主从延迟。计算公式：

注意：不同服务器要保持时钟一致

主从延迟排查方法？

答案：通过 show slave status 命令输出的 Seconds_Behind_Master 参数的值来判断

主从延迟要怎么解决？

答案：

如果数据量太大怎么办？

答案：mysql表的数据量一般控制在千万级别，如果再大的话，就要考虑分库分表。除了分表外，列举了面对海量数据业务的一些常见优化手段

分表后ID如何保证全局唯一呢？

答案：分库分表后，多张表共用一套全局id，原来单表主键自增方式满足不了要求。我们需要重新设计一套id生成器。特点：全局唯一、高性能、高可用、方便接入。

分表后可能遇到的哪些问题？

答案：分表后，与单表的最大区别是有分表键 sharding_key ，用来路由具体的物理表，以电商为例，有买家和卖家两个维度，以 buyer_id 路由，无法满足卖家的需求，反之同样道理。如何解决？

MySQL_索引树

查看树插入删除图解：

时间复杂度：O(N)

时间复杂度：O(logn)

如果数据插入是递增或者递减顺序的话，会使树成为链式结构。 时间复杂度：O(N)

为了保证平衡，在插入或者删除的时候必须要旋转，通过插入或者删除性能的损失来弥补查询性能的提升。

但如果写请求和读请求一样多的时候怎么办？

随着数据的插入，树的深度会变深，树的深度越深，意味着 IO 次数越多。影响数据读取的效率。

MySQL 的页大小是16k。假设只有data 占用空间且占用 1k 一个磁盘块可以放置16条记录，三层就是 4096条记录。肯定小于 4096.

如果想要放入更多的数据的化，得加层。加层 IO 量肯定上来了。

data 太占内存，导致存储数据太少。

MySQL加载索引是以磁盘块（页）为单位的，页（Page）是 Innodb 存储引擎用于管理数据的最小磁盘单位。默认的页大小为 16KB。

假设只有 p1+key 值 占用空间且占用 10字节， 一个磁盘块可以放置1600条记录，三层就是 40960000条记录。

在B+树 上有两个头节点，一个指向根节点，另一个指向关键字最小的叶子节点，而且所有的叶子节点（即数据节点）之间是一种链式环结构，因此可以对 B+树 进行两种查找运算：一种是对于主键的范围查找和分页查找，另一种是从根节点开始，进行随机查找。

让当前key值尽可能的少占用存储空间，才能保证存储更多的值。降低树的高度，减少IO。

保证key的长度越小越好。

mysql 查询树形接口sql

mysql啊，这个还真不知道可不可以。不过oracle可以，递归查询上上级，或者查询到下下级都可以。代码参考：

查询出员工号为7788的所有上级。

select * from scott.emp start with empno=7788 connect by prior mgr= empno;

mysql里面如果sql不能实现，那就用程序里面的list啊，查询一个添加一个，循环（while）直到它的上级id为空为止。

事实上更建议用程序的方法，程序写代码更灵活，而sql不必写的太复杂。

MySQL怎么查询树形结构的表的数据

一般比较普遍的就是四种方法：（具体见 SQL Anti-patterns这本书）

Adjacency List：每一条记录存parent_id

Path Enumerations：每一条记录存整个tree path经过的node枚举

Nested Sets：每一条记录存 nleft 和 nright

Closure Table：维护一个表，所有的tree path作为记录进行保存。

当前名称：mysql怎么查询树高度 mysql索引树高度
标题来源：http://azwzsj.com/article/hpssph.html