大型企业网站建设方案网络推广seo

---

前言

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

一、InnoDB的数据页，和B+树的关系？

InnoDB数据页是InnoDB存储引擎存储数据的基本单位。它在磁盘上是一个连续的区域，通常大小为16KB，也可以通过配置修改。16KB意味着InnoDB一次读写都是以16KB为单位的，磁盘到内存的读取，内存到磁盘的持久化都是16KB

如图，非叶子节点存储的是主键id及页指针，叶子节点存的则是主键id和数据。如果是聚簇索引那么叶子节点就是主键id+整行数据，非聚簇索引叶子节点存的则是主键id+索引的值

二、为什么InnoDB三层B+树可以存2000w数据

由于InnoDB的一页大小是16KB如图,可以通过命令查看

show variables like ‘innodb_page_size’

在通常情况下就算是宽表最坏情况按一行数据1KB计算，那么一页可以存16行数据，对于非叶子节点上面说过存的是主键索引和下一个节点的指针。假如是bigint类型的索引，占8字节，mysql数据库中指针大小为6字节，那么一页中一个指针会占用14字节，16KB=16384字节，即16384/14=1170。证明一页可以存1170个指针。对于三层B+树根节点有1170个子节点，每个子节点可以存1170页数据行，就是1170117016= 21902400，大约就是2000w数据

三、什么是InnoDB的页分裂和页合并

众所周知B+树是按照索引字段建立的，并且是有序的。但是如图索引字段的值并不连续

假如我们现在要插入索引值为3，按顺序它应该插入到页20中且在1，2之间，如果此时页20已经满了，就需要触发一次页分离

页分裂是指将该页面的一部分索引记录迁移到新页面中，从而为新索引记录腾出空间，以此保证B+树的平衡和性能

如图为一次分裂过程：

有分裂就会有合并。当索引页面有数据删除时会使页面变得稀疏，此时为了节省空间和提升性能，可能会触发页合并操作。

页合并是值将相邻两个页面合并为一个更大的页面，减少B+树层级，从而提高查询性能

如图为一次合并过程：

四、什么是回表？怎么减少回表的次数？

在InnoDB中，索引B+树叶子节点存储了整行数据的是主键索引即聚簇索引。如果叶子节点存储的是主键索引的值就是非聚簇索引。
当我们根据非主键索引查询时，会先通过非聚簇索引拿到主键的值，之后还要通过主键索引的值再次查询得到我们需要的数据，这就是回表
在InnoDB中通过主键索引查询效率是很高的，此过程不需要回表。另外依赖覆盖索引，索引下推等技术，我们也可以通过优化索引结构和sql语句来减少回表次数。

什么是覆盖索引，索引下推？

覆盖索引

指一个查询语句的执行只需要从索引中就能获得，不需要在从数据表中获取，避免了查到索引在返回表中操作，减少I/O提高效率。
如表A,有一个普通索引 idx_a1_a2(a1,a2)

select a2 from A where a1=‘xxx’;

此时就实现了覆盖索引，不需要回表。
但是如下sql

select a1 from A where a2=‘XXX’；

因为不符合最左前缀匹配，虽然是索引覆盖，但是也无法用到索引。
但是如果sql中的查询不包含在联合索引中，那么就不会走索引覆盖,如：

select a2,a3 from A where a1=‘xxx’;

索引下推

索引下推是MYSQL5.6引入的一种技术，默认开启。
先看样例表

建立联合索引（name,level）
匹配姓名第一个字为“大”，并且level为1的用户，sql语句为

select * from user where name like “大%” and level = 1；

在5.6之前存储引擎先根据索引查询数据即通过name查到大王，大李。进行回表查询后返回给MySQL server层再筛选level=1的数据，回表次数为2。
5.6之后MySQL server会将索引列作为判断条件的传递给存储引擎。
即先查到大王，大李后筛选level=1，后在回表查询，次数为1

总结

如果没有索引下推优化（ICP优化）
首先根据索引查询记录，根据where过滤记录。
有了ICP优化，MySQL会取出索引的同时判断where条件是否能进一步过滤，在进行索引的查询。也就是说提前执行where的部分过滤操作，在某些场景下，可以大大减少回表次数，从而提升整体性能