节点|曾经，我以为我很懂MySQL索引...( 三 ) |磁盘|字段|from|

B-Tree 借助计算机磁盘预读机制：每次新建节点的时候，都是申请一个页的空间，所以每查找一个节点只需要一次 I/O;因为实际应用当中，节点深度会很少，所以查找效率很高。
那么最终版的 B+树是如何做的呢?
④B+Tree (B+树是 B 树的变体，也是一种多路搜索树)

本文插图

从图中也可以看到， B+树与 B 树的不同在于：

所有关键字存储在叶子节点，非叶子节点不存储真正的 data ，从而可以快速定位到叶子结点。
为所有叶子节点增加了一个链指针，意味着所有的值都是按顺序存储的，并且每一个叶子页到根的距离相同，很适合查找范围数据。

因此， B+Tree 可以对 < ， <= ， = ， > ， >= ， BETWEEN ， IN ，以及不以通配符开始的 LIKE 使用索引。
B+ 树的优点，比较的次数均衡，减少了 I/O 次数，提高了查找速度，查找也更稳定：

B+树的磁盘读写代价更低。
B+树的查询效率更加稳定。

要知道的是，你每次创建表，系统会为你自动创建一个基于 ID 的聚集索引(上述 B+树) ，存储全部数据。
你每次增加索引，数据库就会为你创建一个附加索引(上述 B+树) ，索引选取的字段个数就是每个节点存储数据索引的个数，注意该索引并不存储全部数据。
为什么 MySQL 索引选择了 B+树而不是 B 树?
原因有如下两点：

B+树更适合外部存储(一般指磁盘存储) ，由于内节点(非叶子节点)不存储 data ，所以一个节点可以存储更多的内节点，每个节点能索引的范围更大更精确。也就是说使用 B+树单次磁盘 I/O 的信息量相比较 B 树更大， I/O 效率更高。
MySQL 是关系型数据库，经常会按照区间来访问某个索引列， B+树的叶子节点间按顺序建立了链指针，加强了区间访问性，所以 B+树对索引列上的区间范围查询很友好。而 B 树每个节点的 key 和 data 在一起，无法进行区间查找。

程序员，你应该知道的索引知识点
①回表查询
比如你创建了 name ，age 索引 name_age_index ，查询数据时使用了：

select * from table where name ='陈哈哈' and age = 26;

由于附加索引中只有 name 和 age ，因此命中索引后，数据库还必须回去聚集索引中查找其他数据，这就是回表，这也是你背的那条：少用 select * 的原因。
②索引覆盖
结合回表会更好理解，比如上述 name_age_index 索引，有查询：

select name ，age from table where name ='陈哈哈' and age = 26;

此时 select 的字段 name ， age 在索引 name_age_index 中都能获取到，所以不需要回表，满足索引覆盖，直接返回索引中的数据，效率高。是 DBA 同学优化时的首选优化方式。
③最左前缀原则
B+树的节点存储索引顺序是从左向右存储，在匹配的时候自然也要满足从左向右匹配。
通常我们在建立联合索引的时候，也就是对多个字段建立索引，相信建立过索引的同学们会发现，无论是 Oracle 还是 MySQL 都会让我们选择索引的顺序。
比如我们想在 a ， b ， c 三个字段上建立一个联合索引，我们可以选择自己想要的优先级， a、b、c ，或者是 b、a、c 或者是 c、a、b 等顺序。
为什么数据库会让我们选择字段的顺序呢?不都是三个字段的联合索引么?这里就引出了数据库索引的最左前缀原理。
在我们开发中经常会遇到明明这个字段建了联合索引，但是 SQL 查询该字段时却不会使用索引的问题。