【连载】关系型数据库是如何工作的？（5）

虽然上一章节介绍的二叉搜索树在查询指定值时表现很好，但是当查询两个值之间的多个节点时，就会遇到很大的问题。因为需要遍历整个树的节点，并检查每个节点是否在指定的区间内。而且遍历整颗树是随机磁盘IO( 译者注：随机IO会导致频繁的磁头换道，所以相比

虽然上一章节介绍的二叉搜索树在查询指定值时表现很好，但是当查询两个值之间的多个节点时，就会遇到很大的问题。因为需要遍历整个树的节点，并检查每个节点是否在指定的区间内。而且遍历整颗树是随机磁盘IO(译者注：随机IO会导致频繁的磁头换道，所以相比顺序IO来说非常耗时)，所以我们需要找到一种更有效做范围查询的方法。为了解决这个难题，现代数据库修正了之前介绍的二叉搜索树，我们称修正后的数据结构为B+Tree：

• 只有叶子节点（树最底层的节点，图中橘黄色的节点）存储信息，即：行在表中精确的位置，也就是rowid；
• 其他的节点仅仅是在搜索时用于路由到正确的节点。

就像上图中所示，有了更多的节点，实际上这些额外的节点就是决策节点，它会帮助我们找到正确的节点（实际存储行精确位置），但是它的搜索复杂度却依然是O(log(N))，和搜索二叉树最大的不同就是叶子节点都持有下一个节点的指针（译者注：可以看做一个有序的单向链表）。

使用B+Tree，如果我们需要查询40到100之间的值：

• 你仅仅需要找到40节点，或者如果40节点不存在则找到大于40的最近节点；
• 根据上一步找到的节点持有的指针，树藤摸瓜找到下一个节点，直到找到100节点截止。

译者注：上图其实也间接的解释了数据库是怎么构建B+Tree索引的，应该是自底向上的来构建。

假设实际需要在一棵有N个节点的树中范围查找到M个节点，那么其时间复杂度为M+log(N)。因为找到开始节点需要log(N)，接着就可以根据指针按顺序找到M个节点，实际耗费M。M+log(N)与之前二叉搜索书的N相比，你不需要搜索整颗树，仅仅搜索M+log(N)个节点，这意味着更少的磁盘IO消耗；如果M很小（比如：200行），而N很大（比如：1 000 000行），那这两者的差距就非常巨大了。

可是我们又发现了一个问题，如果数据库使用B+Tree索引，而你删除一张表中的某一行，那么：

• 你必须保持整棵树中节点的顺序，否则在乱序的树种你无法找到正确的节点。
• 你必须保证树的高度尽可能低，否则无论单值查询还是范围查询的复杂度就会从O(log(N))无限的接近O(N)。（译者注：当树的高度就是节点的数量时，那么树的外形就像一条竖线，这时要找到一个节点实际上需要遍历整颗树）

简而言之，B+Tree需要自排序和自平衡。虽然我们可以高效快速的删除和插入，但这是有代价的：在B+Tree数据库中代价是O(log(N))。这就是为什么你经常看到创建过多的索引不是一个好主意，这样会降低在表中插入/删除/更新行的速度。究其原因，是每一次插入/删除/更新，都会导致数据库更新（译者注：指自排序和自平衡）表的索引树，并且这种更新每个索引耗费是O(log(N))（译者注：上文指的代价）。而且，增加索引会导致事务管理器的负载增大（后续篇章会介绍到）。

关于B+Tree的更多细节，可以查看*中的B+Tree说明。如果你想找B+Tree在数据库中的实现例子，可以查看来自MySQL核心开发者贡献的这两篇关于InnoDB如何处理索引的文章：The physical structure of InnoDB index pages、B+Tree index structures in InnoDB。