数据库索引采用B+树不采用B树的原因

简介: B+树所有数据存储于叶子节点,分支仅作索引,便于遍历与范围查询。内部节点不存数据,提升缓存命中率,降低磁盘IO代价。查询路径长度一致,效率稳定,适合数据库索引场景。

● B+树更便于遍历:由于B+树的数据都存储在叶子结点中,分支结点均为索引,方便扫库,只需要扫一遍叶子结点即可,但是B树因为其分支结点同样存储着数据,我们要找到具体的数据,需要进行一次中序遍历按序来扫,所以B+树更加适合在区间查询的情况,所以通常B+树用于数据库索引。
● B+树的磁盘读写代价更低:B+树在内部节点上不包含数据信息,因此在内存页中能够存放更多的key。 数据存放的更加紧密,具有更好的空间局部性。因此访问叶子节点上关联的数据也具有更好的缓存命中率。
● B+树的查询效率更加稳定:由于非终结点并不是最终指向文件内容的结点,而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同,导致每一个数据的查询效率相当。
● B+树更适合基于范围的查询 :B树在提高了IO性能的同时并没有解决元素遍历的效率低下的问题,正是为了解决这个问题,B+树应用而生。B+树只需要去遍历叶子节点就可以实现整棵树的遍历。而且在数据库中基于范围的查询是非常频繁的,而B树不支持这样的操作或者说效率太低。

相关文章
|
消息中间件 数据库 RocketMQ
分布式事务常见解决方案
分布式事务常见解决方案
3147 0
|
6月前
|
缓存 监控 Java
Java内存泄漏定位与解决全攻略:从VisualVM到MAT实战
本文详解Java内存泄漏的定位与解决,涵盖VisualVM实时监控、MAT深度分析、引用链追踪技巧,并结合静态集合、ThreadLocal、内部类等典型场景,提供弱引用优化、资源清理等实战方案,助你构建稳定高效应用。(239字)
735 1
|
存储 NoSQL 前端开发
Redis专题-实战篇一-基于Session和Redis实现登录业务
本项目基于SpringBoot实现黑马点评系统,涵盖Session与Redis两种登录方案。通过验证码登录、用户信息存储、拦截器校验等流程,解决集群环境下Session不共享问题,采用Redis替代Session实现数据共享与自动续期,提升系统可扩展性与安全性。
653 3
Redis专题-实战篇一-基于Session和Redis实现登录业务
|
存储 NoSQL 关系型数据库
为什么MySQL不使用红黑树做索引
本文详细探讨了MySQL索引机制,解释了为何添加索引能提升查询效率。索引如同数据库的“目录”,在数据量庞大时提高查询速度。文中介绍了常见索引数据结构:哈希表、有序数组和搜索树(包括二叉树、平衡二叉树、红黑树、B-树和B+树)。重点分析了B+树在MyISAM和InnoDB引擎中的应用,并讨论了聚簇索引、非聚簇索引、联合索引及最左前缀原则。最后,还介绍了LSM-Tree在高频写入场景下的优势。通过对比多种数据结构,帮助理解不同场景下的索引选择。
561 7
|
Java 索引 容器
Java ArrayList扩容的原理
Java 的 `ArrayList` 是基于数组实现的动态集合。初始时,`ArrayList` 底层创建一个空数组 `elementData`,并设置 `size` 为 0。当首次添加元素时,会调用 `grow` 方法将数组扩容至默认容量 10。之后每次添加元素时,如果当前数组已满,则会再次调用 `grow` 方法进行扩容。扩容规则为:首次扩容至 10,后续扩容至原数组长度的 1.5 倍或根据实际需求扩容。例如,当需要一次性添加 100 个元素时,会直接扩容至 110 而不是 15。
803 4
Java ArrayList扩容的原理
|
canal 搜索推荐 关系型数据库
学成在线笔记+踩坑(10)——课程搜索、课程发布时同步索引库。
课程搜索、使用XXL-JOB实现课程发布时同步ES索引库
学成在线笔记+踩坑(10)——课程搜索、课程发布时同步索引库。
|
网络架构
ping会出现的两种问题-----time out 和 unreachable
ping会出现的两种问题-----time out 和 unreachable
2339 4
|
SQL 关系型数据库 MySQL
基于proxysql实现MySQL读写分离
基于proxysql实现MySQL读写分离
833 0
|
存储 数据库 索引
数据结构——B树和B+树
数据结构——B树和B+树
541 0
数据结构——B树和B+树
|
存储 Java C++
JVM内存模型和结构详解(五大模型图解)
JVM内存模型和结构详解(五大模型图解)

热门文章

最新文章