当前位置：首页 > news >正文

MySQL索引深度解析：B+树、B树、哈希索引怎么选？

news 2025/7/2 6:53:45

引言

在MySQL的性能优化中，索引绝对是最常用的手段之一！但面对B+树、B树、哈希索引这三种常见的索引结构，很多开发者却容易犯迷糊：它们有啥区别？什么时候该用谁？今天咱们就从底层原理到实际场景，一次性说透！

一、先搞懂：三种索引的核心结构差异

要理解它们的差异，得先看“底层长相”——就像盖楼，地基（结构）不同，功能（性能）自然天差地别。

1. B树：每个节点都带“仓库”的树

B树（平衡多路搜索树）是一种“自平衡”的树结构，最大的特点是每个节点（包括内部节点和叶子节点）都存了键值（Key）和对应的数据（Value）。
举个栗子🌰：假设B树的一个节点是16KB（MySQL默认磁盘块大小），如果存的是用户表的（id, name）数据，那这个节点可能同时存多个id和name的组合，就像一个“仓库”里既放索引又放货物。

2. B+树：仓库只存在叶子节点的“优化版B树”

B+树是B树的“亲儿子”，专门为磁盘存储优化。它的核心改进是：数据只存在叶子节点，内部节点只存键值（当“路标”）。
比如同样存（id, name），B+树的内部节点只存id的键值和子节点指针（类似字典的目录），所有真正的（id, name）数据都堆在叶子节点，而且叶子节点之间用双向指针连成一条“链子”。

3. 哈希索引：像字典目录一样“直给”

哈希索引的底层是哈希表，原理很简单：用哈希函数把键值（比如id=123）转成一个哈希值，然后把这个值作为“桶”的编号，直接存到对应的位置。
比如要查id=123的用户，先算哈希值（比如123%1000=233），然后直接去第233号桶里找数据——像极了字典的“拼音目录”，输入拼音直接翻到对应页码。

二、实战对比：等值查、范围查、排序查，谁更猛？

知道了结构，咱们再看实际查询场景下的表现——这才是选索引的关键！

1. 等值查询（=）：哈希索引“理论上”最快？

B树/B+树：需要从根节点开始一层一层往下找，时间复杂度是O(log n)。比如找id=100的用户，得先看根节点的键值，再进子节点，直到叶子节点找到数据。
哈希索引：直接算哈希值，定位到桶，时间复杂度O(1)（理想情况）。比如同样找id=100，哈希函数算出桶号，直接取数据。

但注意！哈希索引有个“坑”：如果数据量太大，哈希冲突（多个键值算到同一个桶）会很严重，这时候查询时间会退化成O(k)（k是桶里的链表长度），甚至比B+树还慢！

2. 范围查询（>、<、BETWEEN）：B+树“吊打”全场！

B树：叶子节点之间没链接，范围查询得从根节点重新遍历，效率极低。比如查age在20-30岁的用户，B树可能需要多次IO，慢得怀疑人生。
B+树：叶子节点是双向链表，范围查询时只需要找到起始节点，然后顺着链表顺序扫描就行，时间复杂度O(log n + m)（m是结果数量）。比如查age在20-30岁，找到第一个age=20的节点，后面直接“顺藤摸瓜”拿数据。
哈希索引：完全不支持！哈希值是随机的，范围查询只能全表扫描，效率感人。

3. 排序查询（ORDER BY）：B+树“天生的优势”

B树：叶子节点无序，排序得把数据全读到内存再排序（文件排序），内存不够还得落盘，慢！
B+树：叶子节点本身是有序链表，查询时直接按顺序扫描就能返回排序结果，无需额外操作。比如查age从大到小，B+树扫完链表就是降序结果。
哈希索引：哈希值无序，排序只能全表扫描后手动排序，同样慢。

三、空间和维护成本：省磁盘还是省时间？

1. 空间占用：B+树更“抠门”

B树：每个节点都存数据，空间利用率低。比如一个16KB的节点，存10条数据可能就占满了，剩下的空间浪费。
B+树：内部节点只存键值（不存数据），一个节点能塞更多键值，树更矮（比如同样16KB，能存100个键值而不是10个），磁盘IO次数更少。
哈希索引：哈希表需要预分配空间（负载因子0.7~0.8），存在空间浪费；冲突时链表变长，额外占内存。

2. 维护成本：B+树“省心”，哈希索引“麻烦”

B树：插入/删除时要调整节点结构（分裂/合并），维护复杂度高。
B+树：插入/删除主要发生在叶子节点，内部节点只调指针，维护简单；范围查询的有序性也让维护更高效。
哈希索引：数据量暴增时，哈希表可能触发扩容（重新哈希所有数据），可能导致数据库卡顿甚至锁表，维护成本极高。

四、MySQL里的“生存法则”：它们都在哪打工？

1. B+树：InnoDB的“顶梁柱”

InnoDB存储引擎的主键索引和二级索引，全！部！是！B+树！

主键索引（聚簇索引）：叶子节点直接存整行数据，范围查询和排序效率拉满（比如SELECT * FROM user WHERE age BETWEEN 20 AND 30 ORDER BY name）。
二级索引：叶子节点存主键值（不是行指针），通过回表查聚簇索引获取完整数据（避免数据冗余）。

2. B树：MySQL里的“稀有动物”

主流数据库（包括MySQL）几乎不用纯B树做索引！因为内部节点存数据导致树高太高，磁盘IO次数多，早就被B+树取代了。

3. 哈希索引：Memory引擎的“配角”

MySQL的Memory引擎支持哈希索引（默认）和B+树索引，但生产环境很少用它存核心数据（数据非持久化，重启丢失）。哈希索引仅适合仅等值查询、数据量小、无排序需求的场景（比如临时缓存）。

五、总结：一张表+一个口诀，选索引不迷路！

特性	B+树	B树	哈希索引
等值查询	O(log n)，高效	O(log n)，高效	O(1)（理想），冲突时可能退化
范围查询	O(log n + m)，高效（有序链表）	O(n)（需重扫描），低效	不支持（全表扫描）
排序查询（ORDER BY）	直接支持（叶子节点有序）	不支持（需额外排序）	不支持（哈希值无序）
空间利用率	高（内部节点无数据）	低（内部节点存数据）	中（预分配空间，冲突浪费）
维护成本	低（仅调整叶子节点指针）	高（节点分裂/合并复杂）	高（扩容需重新哈希）
MySQL典型场景	InnoDB主键/二级索引	无（主流引擎不使用）	Memory引擎等值查询