當前位置：首頁 > 运维知识 > 数据库 >内容正文

数据库

MySQL引擎之MyISAM，InnoDB，Btree与B+tree

發布時間：2024/9/20 数据库 34 豆豆

生活随笔收集整理的這篇文章主要介紹了 MySQL引擎之MyISAM，InnoDB，Btree与B+tree 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

一：MyISAM：

創建一個myisam存儲引擎的表的時候會出現三個文件

tb_demo.frm，存儲表定義； 2.tb_demo.MYD，存儲數據； 3.tb_demo.MYI，存儲索引。
因為MyISAM表有無法處理事務，所以它只適合在以下情況下使用
- 1.選擇密集型的表。MyISAM存儲引擎在篩選大量數據時非常迅速，這是它最突出的優點。
- 2.插入密集型的表。MyISAM的并發插入特性允許同時選擇和插入數據。例如：MyISAM存儲引擎很適合管理郵件或Web服務器日志數據。

二：InnoDB：

更新密集的表。InnoDB存儲引擎特別適合處理多重并發的更新請求。
事務。InnoDB存儲引擎是支持事務的標準MySQL存儲引擎。
自動災難恢復。與其它存儲引擎不同，InnoDB表能夠自動從災難中恢復。
外鍵約束。MySQL支持外鍵的存儲引擎只有InnoDB。
支持自動增加列AUTO_INCREMENT屬性。

三. Innodb與MyIASM引擎的區別與應用場景

1. Innodb與MyIASM引擎的區別

(1)事務處理：

MyIASM是非事務安全型的，而InnoDB是事務安全型的（支持事務處理等高級處理）；

(2)鎖機制不同：

MyIASM是表級鎖，而InnoDB是行級鎖；

(3)select ,update ,insert ,delete 操作：

MyIASM：如果執行大量的SELECT，MyISAM是更好的選擇。
InnoDB：如果你的數據執行大量的INSERT或UPDATE，出于性能方面的考慮，應該使用InnoDB表。

(4)查詢表的行數不同：

MyIASM：select count() from table,MyISAM只要簡單的讀出保存好的行數，注意的是，當count()語句包含 where條件時，兩種表的操作是一樣的。
InnoDB ： InnoDB 中不保存表的具體行數，也就是說，執行select count(*) from table時，InnoDB要掃描一遍整個表來計算有多少行。

(5)外鍵支持：

mysiam表不支持外鍵，而InnoDB支持。

2.為什么MyIASM會比Innodb 的查詢速度快

InnoDB在做SELECT的時候，要維護的東西比MyIASM引擎多很多；
數據塊，INNODB要緩存，MyIASM只緩存索引塊，這中間還有換進換出的減少；
innodb尋址要映射到塊，再到行，MyIASM記錄的直接是文件的OFFSET，定位比INNODB要快；
INNODB還需要維護MVCC一致；雖然你的場景沒有，但他還是需要去檢查和維護。
MVCC ( Multi-Version Concurrency Control )多版本并發控制。

應用場景：

MyIASM適合：(1)做很多count 的計算；(2)插入不頻繁，查詢非常頻繁；(3)沒有事務。
InnoDB適合：(1)可靠性要求比較高，或者要求事務；(2)表更新和查詢都相當的頻繁，并且行鎖定的機會比較大的情況。

四. Btree與b+tree

1. Btree：

B-tree是一種多路自平衡搜索樹，它類似普通的二叉樹，但是Btree允許每個節點有更多的子節點。Btree示意圖如下：
B樹的搜索，從根結點開始，如果查詢的關鍵字與結點的關鍵字相等，那么就命中；否則，如果查詢關鍵字比結點關鍵字小，就進入左兒子；如果比結點關鍵字大，就進入右兒子；如果左兒子或右兒子的指針為空，則報告找不到相應的關鍵字；
如果B樹的所有非葉子結點的左右子樹的結點數目均保持差不多（平衡），那么B樹的搜索性能逼近二分查找；但它比連續內存空間的二分查找的優點是，改變B樹結構（插入與刪除結點）不需要移動大段的內存數據，甚至通常是常數開銷；
右邊也是一個B樹，但它的搜索性能已經是線性的了；同樣的關鍵字集合有可能導致不同的樹結構索引；所以，使用B樹還要考慮盡可能讓B樹保持左圖的結構，和避免右圖的結構，也就是所謂的“平衡”問題；
實際使用的B樹都是在原B樹的基礎上加上平衡算法，即“平衡二叉樹”；如何保持B樹結點分布均勻的平衡算法是平衡二叉樹的關鍵；平衡算法是一種在B樹中插入和刪除結點的策略；

由上圖可知 Btree 的一些特點:

所有鍵值分布在整個樹中
任何關鍵字出現且只出現在一個節點中
搜索有可能在非葉子節點結束
在關鍵字全集內做一次查找，性能逼近二分查找算法

2. B+tree：

B+tree是Btree的變體，也是一種多路搜索樹：

1.其定義基本與B-樹同，除了：2.非葉子結點的子樹指針與關鍵字個數相同；3.非葉子結點的子樹指針P[i]，指向關鍵字值屬于[K[i], K[i+1])的子樹（B-樹是開區間）；5.為所有葉子結點增加一個鏈指針；6.所有關鍵字都在葉子結點出現；

B+的搜索與B-樹也基本相同，區別是B+樹只有達到葉子結點才命中（B-樹可以在非葉子結點命中），其性能也等價于在關鍵字全集做一次二分查找；

B+tree的特性：

1.所有關鍵字都出現在葉子結點的鏈表中（稠密索引），且鏈表中的關鍵字恰好是有序的；2.不可能在非葉子結點命中；3.非葉子結點相當于是葉子結點的索引（稀疏索引），葉子結點相當于是存儲（關鍵字）數據的數據層；4.更適合文件索引系統；

btree和B+tree的區別：

(1)B+tree的非葉子節點不存儲真正的data，而btree可以
(2)增加了一個鏈指針
(3)btree支持數據的延展性，B+tree支持數據的擴展性

B*Tree：

是B+樹的變體，在B+樹的非根和非葉子結點再增加指向兄弟的指針；

B*樹定義了非葉子結點關鍵字個數至少為(2/3)*M，即塊的最低使用率為2/3（代替B+樹的1/2）；
B+樹的分裂：當一個結點滿時，分配一個新的結點，并將原結點中1/2的數據復制到新結點，最后在父結點中增加新結點的指針；B+樹的分裂只影響原結點和父結點，而不會影響兄弟結點，所以它不需要指向兄弟的指針；
B*樹的分裂：當一個結點滿時，如果它的下一個兄弟結點未滿，那么將一部分數據移到兄弟結點中，再在原結點插入關鍵字，最后修改父結點中兄弟結點的關鍵字（因為兄弟結點的關鍵字范圍改變了）；如果兄弟也滿了，則在原結點與兄弟結點之間增加新結點，并各復制1/3的數據到新結點，最后在父結點增加新結點的指針；
所以，B*樹分配新結點的概率比B+樹要低，空間使用率更高；

三. B-tree與哈希索引的區別

1）B+tree的索引：

是按照順序存儲的，所以，如果按照B+tree索引，可以直接返回，帶順序的數據，但這個數據只是該索引列含有的信息。因此是順序I/O
適用于：精確匹配、范圍匹配、最左匹配

2）Hash索引：

索引列值的哈希值+數據行指針：因此找到后還需要根據指針去找數據，造成隨機I/O
適合：精確匹配
不適合：模糊匹配、范圍匹配、不能排序

來源：https://blog.csdn.net/longlong6682/article/details/104805941

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的MySQL引擎之MyISAM，InnoDB，Btree与B+tree的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。