聊聊Mysql索引和redis跳表 ---redis的有序集合zset数据结构底层采用了跳表原理 时间复杂度O(logn)(阿里)

redis使用跳表不用B+数的原因是：redis是内存数据库，而B+树纯粹是为了mysql这种IO数据库准备的。B+树的每个节点的数量都是一个mysql分区页的大小(阿里面试)

还有个几个姊妹篇：介绍mysql的B+索引原理 参考：一步步分析为什么B+树适合作为索引的结构 以及索引原理 (阿里面试)

参考：kafka如何实现高并发存储-如何找到一条需要消费的数据(阿里)

参考：二分查找法：各种排序算法的时间复杂度和空间复杂度(阿里)

关于mysql 存储引擎 介绍包括默认的索引方式参考：MySql的多存储引擎架构, 默认的引擎InnoDB与 MYISAM的区别(滴滴 阿里)

敲黑板：

每级遍历 3 个结点即可，而跳表的高度为 h ，所以每次查找一个结点时，需要遍历的结点数为 3*跳表高度 ，所以忽略低阶项和系数后的时间复杂度就是 ○(㏒n),空间复杂度是O(n)

数据结构

实现原理

key查询方式

查找效率

存储大小

插入、删除效率

Hash

哈希表

支持单key

接近O(1)

小，除了数据没有额外的存储

O(1)

B+树

平衡二叉树扩展而来

单key,范围，分页

O(Log(n)

除了数据，还多了左右指针，以及叶子节点指针

O(Log(n)，需要调整树的结构，算法比较复杂

跳表

有序链表扩展而来

单key，分页

O(Log(n)

除了数据，还多了指针，但是每个节点的指针小于<2,所以比B+树占用空间小

O(Log(n)，只用处理链表，算法比较简单

对LSM结构感兴趣的可以看下cassandra vs mongo (1)存储引擎

问题

如果对以下问题感到困惑或一知半解，请继续看下去，相信本文一定会对你有帮助

• mysql 索引如何实现
• mysql 索引结构B+树与hash有何区别。分别适用于什么场景
• 数据库的索引还能有其他实现吗
• redis跳表是如何实现的
• 跳表和B+树，LSM树有和区别呢

解析

首先为什么要把mysql索引和redis跳表放在一起讨论呢，因为他们解决的都是同一种问题，用于解决数据集合的查找问题，即根据指定的key，快速查到它所在的位置（或者对应的value）

当你站在这个角度去思考问题时，还会不知道B+树索引和hash索引的区别吗

数据集合的查找问题

现在我们将问题领域边界划分清楚了，就是为了解决数据集合的查找问题。这一块需要考虑哪些问题呢

1. 需要支持哪些查找方式，单key/多key/范围查找，
2. 插入/删除效率
3. 查找效率（即时间复杂度）
4. 存储大小（空间复杂度）

我们看下几种常用的查找结构

hash

hash是key,value形式，通过一个散列函数，能够根据key快速找到value

关于hash算法 ，这也是阿里的必考题 深度的原理 我写了几篇博客：尤其是最后一篇resize ，以及resize之前与之后的hashmap的情况，

参考：HashMap的实现原理–链表散列

参考：Hashtable数据存储结构-遍历规则，Hash类型的复杂度为啥都是O(1)-源码分析

参考：HashMap, HashTable，HashSet,TreeMap 的时间复杂度

参考：HashMap底层实现原理/HashMap与HashTable区别/HashMap与HashSet区别

参考：ConcurrentHashMap原理分析（1.7与1.8）-put和 get 两次Hash到达指定的HashEntry

resize 参考：HashMap多线程并发问题分析-正常和异常的rehash1(阿里)

B+ 树：

注意 这是关于B+树的总结，如果你掌握到这个程度 是远远不够的，

请参考详细的B+树原理：一步步分析为什么B+树适合作为索引的结构 以及索引原理 (阿里面试)

B+树 的数据都在叶子节点，非叶子节点存放 索引

B+树是在平衡二叉树基础上演变过来，为什么我们在算法课上没学到B+树和跳表这种结构呢。因为他们都是从工程实践中得到，在理论的基础上进行了妥协。

B+树首先是有序结构，为了不至于树的高度太高，影响查找效率，在叶子节点上存储的不是单个数据，而是一页数据，提高了查找效率，而为了更好的支持范围查询，B+树在叶子节点冗余了非叶子节点数据，为了支持翻页，叶子节点之间通过指针连接。