有了这几张图，再也不怕面试被问MySQL！

数据运维 2024-04-09 共饮一杯手机阅读

想象一下，你手上有一本数学教材，但是目录被人给撕掉了，现在要你翻到讲三角函数的那一页，你该怎么办？

没有了目录，就只有两种办法，要么一页一页的翻，要么随机翻，直到找到三角函数的那一页。

对于我们数据库也是一样的道理，如果我的数据表没有“目录”，那要查询满足条件的记录行，就得全表扫描。

如果没查到，就根据数据节点所在的区间，来到下一级分叉的节点，继续这个过程。

因为分叉很多，所以这棵B树变得非常扁平化，即便是非常大的数据量，也只需要很少几次IO访问就能完成查找，这一下查询速度直接起飞了。

有很多数据库小伙伴都采用了B树来作为数据存储和索引的数据结构。

什么，你要问我是不是也用了这个？

B树虽然好，但还是有一些问题。

比如，它的查询效率不太稳定，有些在根节点或者根节点附近能找到，搜索起来就很快。如果在叶子节点上，那查询起来就很慢，有的快有的慢，这对追求性能稳定的程序员们来说，就不是太友好。

另外，它也不适合用来做范围查找，因为数据散落在不同的节点上，要查询某个范围的数据，就需要在B树上不同层级节点间进进出出，非常麻烦。

所以我在它基础之上，改进了一下，我把数据全部都放在叶子节点上，这样不管查询哪个数据，最终都要走到叶子节点，解决了查询性能不稳定的问题。其次，上面的这些节点都不存储数据了，腾出来的空间用来存储指向其他节点的指针，这样一来获得了一个额外的收获，中间节点可以分的叉更多了，整个树变得更加扁平，进一步减少IO的次数。

最后，我再把叶子结点用指针连接起来，这样就能解决范围查询的问题了，真是一颗完美的B树，哦不对，现在不能叫B树了，现在是B树的升级版，B+树！

自从用上了这样的结构，我的查询性能提升了不少，几百万级别的数据都能轻松拿捏了！除了使用B+树，在一些特定的场景下，我还可以使用哈希表和位图来做索引，查起来比B+树更快！过去这些年，虽然各种新的数据库层出不穷，但我因为简单好用，稳定可靠，而且还支持事务，所以我依然是许多互联网公司首选的数据库。进入云计算时代以后，很多软硬件都上云了，我也不甘落后，开始在云端为大家服务。👆点击视频快速了解“我”吧～

有了云，你只需要一个地址和账户密码就能使用我了，不用再自己去安装，更省去了很多运维的麻烦，全部由云服务厂商为你解决，简直不要太方便。越来越多的公司和个人开发者都开始在云端来使用我了，其中不得不提的就是阿里云。

阿里云瑶池数据库旗下的云数据库RDS把我的代码拉了一个分支，对我进行了深度改造，经过双十一高并发、海量数据的考验，把我的性能又提升了一大截。