专业的SQL Server、MySQL数据库同步软件
我是一名项目经理，从汽车行业转向IT。
由于我目前正在研究与文件和IO相关的操作，因此有一个使注册表简单的功能，因此，为了加深印象，我在实际数据库中的数据上预览了这些操作。
1.数据库中最常见的慢查询优化方法是什么？
添加索引
2.为什么添加索引可以优化慢查询？
3.哪些数据结构可以提高查询速度？
4.由于这些数据结构可以优化查询速度，因此Mysql为什么选择B +树？
页(页)是存储器的逻辑块。操作系统通常将主存储器和磁盘存储区划分为大小相等的连续块。每个存储块称为一个页面(在大多数操作系统中，页面大小通常为4kb，可调)，主内存和磁盘交换数据以页面为单位。
预读磁盘通常是页面的整数倍，innnoDb默认为16kb。
索引是一种数据结构，可以帮助Mysql有效地获取数据。 (类似于RAF随机访问期间的指针，游标，.seek()操作。wirte()操作中还存在偏移量和长度设置。但是，这种形式的实时性能很差。)
索引存储在文件系统中。 (减少IO体积和IO频率是关键)
索引文件的存储格式与存储引擎有关。 (例如innoDb，myISAM等)
哈希
二叉树
B树
B +树
1)哈希表是内存中使用的数据结构。
缺点:
1.占用内存空间
2.适用于等效查询，但不适用于更多范围查询。
2)二叉树可以分为:BS树，AVL树和红黑树。
共享网站:
https://www.cs.usfca.edu/~galles/visualization/Algorithms.html
可以完成数据结构的可视化。
红黑树是最终形式，它优化了AVL树，平衡了插入和搜索的复杂性，并具有以下属性:
属性1:每个节点为黑色或红色。
性质2:根节点为黑色。
性质3:每个叶子节点(NIL)是黑色的。
属性4:每个红色节点的两个子节点必须为黑色。
属性5:从任何节点到每个叶节点的路径都包含相同数量的黑色节点。
但是仍然存在缺点:
1.如果深度太深，将导致更多的IO时间并影响数据读取的效率。
3)B树的本质是多叉树。
FF
它是根据磁盘读写规则设计的，其性能优于红色和黑色的树。它的多叉搜索效率更高，层数更少，IO时间更少。
4)B +树
两个功能:
首先，非叶子节点不存储数据，仅放置指针和关键字，大大增加了整体数据存储量。
其次，在叶节点之间添加双向索引，以便B +树可以同时具有两个指针，一个指针从根开始并逐层搜索，而另一个可以直接从由其形成的有序链接列表中遍历。叶节点。
优点:
1.B +树的级别较少:与B树相比，B +在每个非叶子节点中存储的关键字更多，并且该树的级别更少，因此查询数据更快；
2.B +树的查询速度更稳定:B +所有关键词数据地址都存储在叶节点上，因此每次的搜索次数相同，因此查询速度比B树更稳定；
3.B +树自然具有排序功能:B +树的所有叶节点数据都构成一个有序的链表，这在查询大小范围内的数据时更加方便，数据非常紧凑，并且缓存命中率也将高于B树。
4.B +树的全节点遍历更快:整个树的B +树的遍历只需要遍历所有叶节点，而无需像B树那样遍历每一层，这有利于数据库全表扫描。 B树相对于B +树的优势在于，如果频繁访问的数据非常靠近根节点，并且B树本身的非叶子节点具有关键字数据的地址，那么此数据检索将是比B +树更好，更快。
本文仅涉及概念理论，我将在后面讨论。
