在我們的印象中，MySQL數(shù)據(jù)表里無非就是存儲一行行的數(shù)據(jù)。跟個Excel似的。

直接遍歷這一行行數(shù)據(jù)，性能就是O(n)，比較慢。為了加速查詢，使用了B+樹來做索引，將查詢性能優(yōu)化到了O(lg(n))。

但問題就來了，查詢數(shù)據(jù)性能在 lg(n) 級別的數(shù)據(jù)結(jié)構(gòu)有很多，比如redis的zset里用到的跳表，也是lg(n)，并且實現(xiàn)還賊簡單。

那為什么mysql的索引，不使用跳表呢？

我們今天就來聊聊這個話題。

B+樹的結(jié)構(gòu)

之前的一篇文章里，已經(jīng)提到過B+樹的結(jié)構(gòu)了。文章不長，如果沒看過，建議先看下。

當然，不看也行。

在這里，為了混點字數(shù)，我簡單總結(jié)下B+樹的結(jié)構(gòu)。

B+樹查詢過程

如上圖，一般B+樹是由多個頁組成的多層級結(jié)構(gòu)，每個頁16Kb，對于主鍵索引來說，最末級的葉子結(jié)點放行數(shù)據(jù)，非葉子結(jié)點放的則是索引信息（主鍵id和頁號），用于加速查詢。

比方說我們想要查找行數(shù)據(jù)5。會先從頂層頁的record們?nèi)胧帧?strong>record里包含了主鍵id和頁號（頁地址）。關(guān)注黃色的箭頭，向左最小id是1，向右最小id是7。那id=5的數(shù)據(jù)如果存在，那必定在左邊箭頭。于是順著的record的頁地址就到了6號數(shù)據(jù)頁里，再判斷id=5>4，所以肯定在右邊的數(shù)據(jù)頁里，于是加載105號數(shù)據(jù)頁。

在105號數(shù)據(jù)頁里，雖然有多行數(shù)據(jù)，但也不是挨個遍歷的，數(shù)據(jù)頁內(nèi)還有個頁目錄的信息，它可以通過二分查找的方式加速查詢行數(shù)據(jù)，于是找到id=5的數(shù)據(jù)行，完成查詢。

從上面可以看出，B+樹利用了空間換時間的方式（構(gòu)造了一批非葉子結(jié)點用于存放索引信息），將查詢時間復(fù)雜度從O(n)優(yōu)化為O(lg(n))。

跳表的結(jié)構(gòu)

看完B+樹，我們再來看下跳表是怎么來的。

同樣的，還是為了存儲一行行的數(shù)據(jù)。

我們可以將它們用鏈表串起來。

單鏈表

想要查詢鏈表中的其中一個結(jié)點，時間復(fù)雜度是O(n)，這誰頂?shù)米。谑菍?strong>部分鏈表結(jié)點提出來，再構(gòu)建出一個新的鏈表。

兩層跳表

這樣當我想要查詢一個數(shù)據(jù)的時候，我先查上層的鏈表，就很容易知道數(shù)據(jù)落在哪個范圍，然后跳到下一個層級里進行查詢。這樣就把搜索范圍一下子縮小了一大半。

比如查詢id=10的數(shù)據(jù)，我們先在上層遍歷，依次判斷1,6,12，很快就可以判斷出10在6到12之間，然后往下一跳，就可以在遍歷6,7,8,9,10之后，確定id=10的位置。直接將查詢范圍從原來的1到10，變成現(xiàn)在的1,6,7,8,9,10，算是砍半了。

兩層跳表查找id為10的數(shù)據(jù)

既然兩層鏈表就直接將查詢范圍砍半了，那我多加幾層，豈不妙哉？

于是跳表就這樣變成了多層。

三層跳表

如果還是查詢id=10的數(shù)據(jù)，就只需要查詢1,6,9,10就能找到，比兩層的時候更快一些。

三層跳表查詢id為10的數(shù)據(jù)

可以看出，跳表也是通過犧牲空間換取時間的方式提升查詢性能。時間復(fù)雜度都是lg(n)。

B+樹和跳表的區(qū)別

從上面可以看到，B+樹和跳表的最下面一層，都包含了所有的數(shù)據(jù)，且都是順序的，適合用于范圍查詢。往上的層級都是構(gòu)建出來用于提升搜索性能的。這兩者實在是太像了。但他們兩者在新增和刪除數(shù)據(jù)時，還是有些區(qū)別的。下面我們以新增數(shù)據(jù)為例聊一下。

B+樹新增數(shù)據(jù)會怎么樣

B+樹本質(zhì)上是一種多叉平衡二叉樹。關(guān)鍵在于"平衡"這兩個字，對于多叉樹結(jié)構(gòu)來說，它的含義是子樹們的高度層級盡量一致（一般最多差一個層級），這樣在搜索的時候，不管是到哪個子樹分支，搜索次數(shù)都差不了太多。

當數(shù)據(jù)庫表不斷插入新的數(shù)據(jù)時，為了維持B+樹的平衡，B+樹會不斷分裂調(diào)整數(shù)據(jù)頁。

我們知道B+樹分為葉子結(jié)點和非葉子結(jié)點。

當插入一條數(shù)據(jù)時，葉子結(jié)點和它上層的索引結(jié)點（非葉子結(jié)點）最大容量都是16k，它們都有可能會滿。

為了簡化問題，我們假設(shè)一個數(shù)據(jù)頁只能放三條行數(shù)據(jù)或索引。

加入一條數(shù)據(jù)，根據(jù)數(shù)據(jù)頁會不會滿，分為三種情況。

葉子結(jié)點和索引結(jié)點都沒滿。這種情況最簡單，直接插入到葉子結(jié)點中就好了。

葉子和非葉子都未滿

葉子結(jié)點滿了，但索引結(jié)點沒滿。此時需要拆分葉子結(jié)點，同時索引結(jié)點要增加新的索引信息。

葉子滿了但非葉子未滿.drawio

葉子結(jié)點滿了，且索引結(jié)點也滿了。葉子和索引結(jié)點都要拆分，同時往上還要再加一層索引。

葉子和非葉子都滿了

從上面可以看到，只有在葉子和索引結(jié)點都滿了的情況下，B+樹才會考慮加入一層新的結(jié)點。

而從之前的文章知道，要把三層B+樹塞滿，那大概需要2kw左右的數(shù)據(jù)。

跳表新增數(shù)據(jù)

跳表同樣也是很多層，新增一個數(shù)據(jù)時，最底層的鏈表需要插入數(shù)據(jù)。

此時，是否需要在上面的幾層中加入數(shù)據(jù)做索引呢？

這個就純靠隨機函數(shù)了。

理論上為了達到二分的效果，每一層的結(jié)點數(shù)需要是下一層結(jié)點數(shù)的二分之一。

也就是說現(xiàn)在有一個新的數(shù)據(jù)插入了，它有50%的概率需要在第二層加入索引，有25%的概率需要在第三層加個索引，以此類推，直到最頂層。

舉個例子，如果跳表中插入數(shù)據(jù)id=6，且隨機函數(shù)返回第三層（有25%的概率），那就需要在跳表的最底層到第三層都插入數(shù)據(jù)。

跳表插入數(shù)據(jù)

如果這個隨機函數(shù)設(shè)計成上面這樣，當數(shù)據(jù)量樣本足夠大的時候，數(shù)據(jù)的分布就符合我們理想中的"二分"。

跟上面B+樹不一樣，跳表是否新增層數(shù)，純粹靠隨機函數(shù)，根本不關(guān)心前后上下結(jié)點。

好了，基礎(chǔ)科普也結(jié)束了，我們可以進入正題了。

Mysql的索引為什么使用B+樹而不使用跳表？

B+樹是多叉樹結(jié)構(gòu)，每個結(jié)點都是一個16k的數(shù)據(jù)頁，能存放較多索引信息，所以扇出很高。三層左右就可以存儲2kw左右的數(shù)據(jù)（知道結(jié)論就行，想知道原因可以看之前的文章）。也就是說查詢一次數(shù)據(jù)，如果這些數(shù)據(jù)頁都在磁盤里，那么最多需要查詢三次磁盤IO。

跳表是鏈表結(jié)構(gòu)，一條數(shù)據(jù)一個結(jié)點，如果最底層要存放2kw數(shù)據(jù)，且每次查詢都要能達到二分查找的效果，2kw大概在2的24次方左右，所以，跳表大概高度在24層左右。最壞情況下，這24層數(shù)據(jù)會分散在不同的數(shù)據(jù)頁里，也即是查一次數(shù)據(jù)會經(jīng)歷24次磁盤IO。

因此存放同樣量級的數(shù)據(jù)，B+樹的高度比跳表的要少，如果放在mysql數(shù)據(jù)庫上來說，就是磁盤IO次數(shù)更少，因此B+樹查詢更快。

而針對寫操作，B+樹需要拆分合并索引數(shù)據(jù)頁，跳表則獨立插入，并根據(jù)隨機函數(shù)確定層數(shù)，沒有旋轉(zhuǎn)和維持平衡的開銷，因此跳表的寫入性能會比B+樹要好。

其實，mysql的存儲引擎是可以換的，以前是myisam，后來才有的innodb，它們底層索引用的都是B+樹。也就是說，你完全可以造一個索引為跳表的存儲引擎裝到mysql里。事實上，facebook造了個rocksDB的存儲引擎，里面就用了跳表。直接說結(jié)論，它的寫入性能確實是比innodb要好，但讀性能確實比innodb要差不少。感興趣的話，可以在文章最后面的參考資料里看到他們的性能對比數(shù)據(jù)。

redis為什么使用跳表而不使用B+樹或二叉樹呢？

redis支持多種數(shù)據(jù)結(jié)構(gòu)，里面有個有序集合，也叫ZSET。內(nèi)部實現(xiàn)就是跳表。那為什么要用跳表而不用B+樹等結(jié)構(gòu)呢？

這個幾乎每次面試都要被問一下。

雖然已經(jīng)很熟了，但每次都要裝作之前沒想過，現(xiàn)場思考一下才知道答案。

真的，很考驗演技。

大家知道，redis 是純純的內(nèi)存數(shù)據(jù)庫。

進行讀寫數(shù)據(jù)都是操作內(nèi)存，跟磁盤沒啥關(guān)系，因此也不存在磁盤IO了，所以層高就不再是跳表的劣勢了。

并且前面也提到B+樹是有一系列合并拆分操作的，換成紅黑樹或者其他AVL樹的話也是各種旋轉(zhuǎn)，目的也是為了保持樹的平衡。

而跳表插入數(shù)據(jù)時，只需要隨機一下，就知道自己要不要往上加索引，根本不用考慮前后結(jié)點的感受，也就少了旋轉(zhuǎn)平衡的開銷。

因此，redis選了跳表，而不是B+樹。

總結(jié)

B+樹是多叉平衡搜索樹，扇出高，只需要3層左右就能存放2kw左右的數(shù)據(jù)，同樣情況下跳表則需要24層左右，假設(shè)層高對應(yīng)磁盤IO，那么B+樹的讀性能會比跳表要好，因此mysql選了B+樹做索引。
redis的讀寫全在內(nèi)存里進行操作，不涉及磁盤IO，同時跳表實現(xiàn)簡單，相比B+樹、AVL樹、少了旋轉(zhuǎn)樹結(jié)構(gòu)的開銷，因此redis使用跳表來實現(xiàn)ZSET，而不是樹結(jié)構(gòu)。
存儲引擎RocksDB內(nèi)部使用了跳表，對比使用B+樹的innodb，雖然寫性能更好，但讀性能屬實差了些。在讀多寫少的場景下，B+樹依舊YYDS。