B-Tree和哈希索引比较

简介: MySQL B-tree hash 哈希 索引 InnoDB

概述

理解B-Tree和哈希索引数据结构有助于预测不同的查询在不同的存储引擎如何使用这些索引来执行查询,尤其是MEMORY存储引擎可以让你选择B-tree或哈希索引。

  • B-Tree索引特性
  • 哈希索引特性

B-Tree索引特性

B-Tree可以使用的操作符有:=,>,>=,<,<=,BETWEEN。如果LIKE的参数不以通配符开始,B-Tree索引也可以用于LIKE比较。例如,下面的SELECT语句会使用索引:

SELECT * FROM tbl_name WHERE key_col LIKE 'Patrick%';
SELECT * FROM tbl_name WHERE key_col LIKE 'Pat%_ck%';

在第一行语句中,只能查询到'Patrick' <= key_col < 'Patricl'符合这个条件的行。
在第一行语句中,只有查询到 'Pat' <= key_col < 'Pau'符合这个条件的行。


下面的SELECT语句不会使用索引:

SELECT * FROM tbl_name WHERE key_col LIKE '%Patrick%'; 
SELECT * FROM tbl_name WHERE key_col LIKE other_col;

在第一行语句中,LIKE的值以通配符开始。在第二行语句中,LIKE的值不是常量。

如果col_name有索引那么col_name IS NULL会使用索引。


下面的Where子句会使用索引:

... WHERE index_part1=1 AND index_part2=2 AND other_column=3 

/* index = 1 OR index = 2 */ 
... WHERE index=1 OR A=10 AND index=2 

/* optimized like "index_part1='hello'" */ 
... WHERE index_part1='hello' AND index_part3=5 

/* Can use index on index1 but not on index2 or index3 */ 
... WHERE index1=1 AND index2=2 OR index1=3 AND index3=3;

Any index that does not span all AND levels in the WHERE clause is not used to optimize the query.换句话说,为了使查询能够使用索引,那么索引的前缀必须用到每一个AND分组。
下面的WHERE子句不会使用索引:


 /* index_part1 is not used */ 
 ... WHERE index_part2=1 AND index_part3=2 
 /* Index is not used in both parts of the WHERE clause */ 
 ... WHERE index=1 OR A=10 
 /* No index spans all rows */ 
 ... WHERE index_part1=1 OR index_part2=10

有时候MySQL不会使用索引,即使有一个索引可用。当优化器评估即使使用索引也需要搜索整张表的大部分行,那么优化器就不会使用索引。(在这种情况下,全表扫描会比使用索引更快,因为全表扫描不需要很多的定位)。然而,如果一个查询使用了LIMIT返回一些行,MySQL会尽可能使用索引,因为这样可以更快的查找到记录并返回结果。


哈希索引特性

哈希索引和B-tree有一些不同的特性:

  • 哈希索引只能用于=或<=>操作符(但是很快)。哈希索引无法用于其他比较操作符,比如:返回查询中的<符号。依赖于这种单值查找类型的系统被称为“键-值存储”;  如果使用MySQL是为了键值存储,那么尽可能使用哈希索引。
  • 优化器无法使用哈希索引来加速ORDER BY操作。(哈希索引无法顺序查找下一个实体)
  • MySQL无法使用哈希索引来估计两个值之间有多少行数据(这是范围优化器来确定使用哪个索引)。如果你修改了MyISAM或InnoDB表为哈希索引的MEMORY表,可能会影响一些查询。
  • 哈希索引只能用于全关键字来搜索行(使用B-tree索引可以最左前缀匹配关键字)

原文地址

  1. https://dev.mysql.com/doc/refman/8.0/en/index-btree-hash.html
相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。 &nbsp; 相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情:&nbsp;https://www.aliyun.com/product/rds/mysql&nbsp;
目录
相关文章
|
存储 关系型数据库 MySQL
认真学习InnoDB的数据存储结构
认真学习InnoDB的数据存储结构
367 0
|
8月前
|
人工智能 安全 Linux
零基础养出“聪明龙虾”|OpenClaw阿里云/本地部署+9个核心Skills安装+大模型配置实战手册
2026年,OpenClaw(俗称“龙虾”)作为开源AI智能体框架,凭借强大的任务执行与技能扩展能力,成为个人与轻量团队的高效工具。部署好OpenClaw仅仅是起点,其核心价值源于ClawHub仓库中37000+个Skills(技能插件)——它们如同AI助手的“灵魂”,赋予框架浏览器自动化、实时搜索、持续学习等实战能力。
1087 5
|
负载均衡 前端开发 安全
Nginx:高性能的Web服务器与反向代理利器
Nginx:高性能的Web服务器与反向代理利器
518 98
|
机器学习/深度学习 人工智能 NoSQL
生成式AI赋能金融信贷:减少信用评分偏差
替代数据、人工智能和生成式 AI 的融合正在重塑信用评分的基础,标志着金融业进入了一个关键时刻
5250 3
|
Docker 容器
docker设置国内镜像源
docker设置国内镜像源
50390 5
|
存储 关系型数据库 MySQL
MySQL数据库——索引(2)-B+Tree、Hash结构,索引分类(聚集索引、二级索引)
MySQL数据库——索引(2)-B+Tree、Hash结构,索引分类(聚集索引、二级索引)
619 1
|
存储 关系型数据库 MySQL
MySQL哈希索引以及InnoDB自适应哈希索引
MySQL哈希索引以及InnoDB自适应哈希索引
394 0
MySQL哈希索引以及InnoDB自适应哈希索引
|
消息中间件 SQL JSON
flink kafka connector源码解读(超详细)
flink kafka connector源码解读(超详细)
1178 0