多列 b-tree 索引是如何组织的答案

【问题标题】：How multiple column b-tree index is organized多列 b-tree 索引是如何组织的
【发布时间】：2011-04-12 12:51:33
【问题描述】：

我想了解更好的索引组织。假设我们有一个有 2 列的表格：

CREATE TABLE user( 
  name varchar(100)
 ,age int)

我们想创建一个索引：

CREATE INDEX IDX_MultiColIdx on user(name,age)

B-Tree 索引组织会是什么样子？

如果是一列，例如 age，组织结构很明确：每个非叶节点都包含一组整数键，用于搜索。哪些值包含我们的 IDX_MultiColIdx B-Tree 索引的节点？

【问题讨论】：

【解决方案1】：

哪些值包含我们的 IDX_MultiColIdx B-Tree 索引的节点？

name、age 和行指针（RID/ROWID 或聚集键，取决于表组织）的值，按字典顺序排序。

它们的存储方式取决于数据类型和数据库系统。

通常，CHAR 存储在右填充空格，直到其大小，而VARCHAR 则以它的长度为前缀。

MyISAM和其他一些引擎可以使用key压缩：一组key的匹配部分只存储一次，其他key只存储不同的部分，像这样：

Hamblin
Hamblin, California
Hamblin (surname)
Hambling Baronets
Hambly
Hambly Arena    
Hambly Arena Fire
Hambo
Hambo Lama Itigelov
Hambok
Hambone

将被存储为：

Hamblin
[7], California
[7] (surname)
[7]g Baronets
Hambly
[6] Arena   
[6] Arena Fire
Hambo
[5] Lama Itigelov
[5]k
[5]ne

，其中[x] 表示“从前一个键中获取前导x 字符”

【讨论】：

在插入或搜索键时必须忽略长度，因为像... where colm > 'xyz' 这样的不等式会变得非常低效。
@paxdiablo：“忽略长度”是什么意思？
这与您的“而 VARCHAR 以它的长度为前缀”评论有关。我的意思是，如果您使用“”作为比较键，它将主要按“名称长度”顺序而不是“名称”顺序。换句话说，它将排序a,b,c,aa,ff,bbbbb 而不是a,aa,b,bbbbb,c,ff。将长度存储在哪里并不重要（只要您可以在键中找到它），只是不要使用长度进行排序/比较。
@paxdiablo：实际上，比较函数可能比memcmp 复杂一点。如果你不存储它的长度，你怎么知道列在哪里结束？
如果您要从头到尾遍历树，则无需比较函数即可完成。我说的是找到一个特定的键，它需要比较函数来决定是向左还是向右移动。一棵树只能有一个顺序，在这种情况下应该是名称/年龄对。我的意思是，如果您的比较函数使用姓名长度/姓名/年龄，则排序顺序将是错误。您仍然可以使用等式找到特定的键（因为您知道名称长度和名称），但不等式并不容易，因为顺序是错误的。

【解决方案2】：

我假设您是在询问内部数据库实现，因为您提到了“非叶节点”。

b-tree中的内部节点不需要存储完整的key；他们只需要存储分隔键。前缀和后缀压缩意味着内部节点可以非常密集，从而降低 b-tree 的高度，从而提高整体性能。

例如，给定一个具有顺序键和的索引，所有内部节点需要表示的是这些键之间的分隔，可以用单个字符表示。类似地，当内部节点中要分离的键有一个公共前缀时，该前缀只需要存储一次，并表示它们的分歧点。

叶子节点需要存储完整的键值，并且可以存储在链表中用于键顺序遍历。叶节点页面可以通过前缀压缩或其他技术进行压缩，进一步降低树高。

有关这方面的良好参考，请参阅 Gray & Reuter 的“事务处理：概念和技术”，如果您想了解更多详细信息，请遵循参考。

【讨论】：