可以說資料庫必須有索引，沒有索引則檢索過程變成了順序查詢，O(n)的時間複雜度幾乎是不能忍受的。我們非常容易想象出一個只有單關鍵字組成的表如何使用B+樹進行索引，只要將關鍵字儲存到樹的節點即可。當資料庫一條記錄裡包含多個欄位時，一棵B+樹就只能儲存主鍵，如果檢索的是非主鍵欄位，則主鍵索引失去作用，又變成順序查找了。這時應該在第二個要檢索的列上建立第二套索引。  這個索引由獨立的B+樹來組織。有兩種常見的方法可以解決多個B+樹訪問同一套表資料的問題，一種叫做聚簇索引（clustered index ），一種叫做非聚簇索引（secondary index）。這兩個名字雖然都叫做索引，但這並不是一種單獨的索引型別，而是一種資料儲存方式。對於聚簇索引儲存來說，行資料和主鍵B+樹儲存在一起，輔助鍵B+樹只儲存輔助鍵和主鍵，主鍵和非主鍵B+樹幾乎是兩種型別的樹。對於非聚簇索引儲存來說，主鍵B+樹在葉子節點儲存指向真正資料行的指標，而非主鍵。

　　InnoDB使用的是聚簇索引，將主鍵組織到一棵B+樹中，而行資料就儲存在葉子節點上，若使用"where id = 14"這樣的條件查詢主鍵，則按照B+樹的檢索演算法即可查詢到對應的葉節點，之後獲得行資料。若對Name列進行條件搜尋，則需要兩個步驟：第一步在輔助索引B+樹中檢索Name，到達其葉子節點獲取對應的主鍵。第二步使用主鍵在主索引B+樹種再執行一次B+樹檢索操作，最終到達葉子節點即可獲取整行資料。

　　MyISM使用的是非聚簇索引，非聚簇索引的兩棵B+樹看上去沒什麼不同，節點的結構完全一致只是儲存的內容不同而已，主鍵索引B+樹的節點儲存了主鍵，輔助鍵索引B+樹儲存了輔助鍵。表資料儲存在獨立的地方，這兩顆B+樹的葉子節點都使用一個地址指向真正的表資料，對於表資料來說，這兩個鍵沒有任何差別。由於索引樹是獨立的，通過輔助鍵檢索無需訪問主鍵的索引樹。

　　為了更形象說明這兩種索引的區別，我們假想一個表如下圖儲存了4行資料。其中Id作為主索引，Name作為輔助索引。圖示清晰的顯示了聚簇索引和非聚簇索引的差異。

　　我們重點關注聚簇索引，看上去聚簇索引的效率明顯要低於非聚簇索引，因為每次使用輔助索引檢索都要經過兩次B+樹查詢，這不是多此一舉嗎？聚簇索引的優勢在哪？

　　1 由於行資料和葉子節點儲存在一起，這樣主鍵和行資料是一起被載入記憶體的，找到葉子節點就可以立刻將行資料返回了，如果按照主鍵Id來組織資料，獲得資料更快。

　　2 輔助索引使用主鍵作為"指標" 而不是使用地址值作為指標的好處是，減少了當出現行移動或者資料頁分裂時輔助索引的維護工作，使用主鍵值當作指標會讓輔助索引佔用更多的空間，換來的好處是InnoDB在移動行時無須更新輔助索引中的這個"指標"。也就是說行的位置（實現中通過16K的Page來定位，後面會涉及）會隨著資料庫裡資料的修改而發生變化（前面的B+樹節點分裂以及Page的分裂），使用聚簇索引就可以保證不管這個主鍵B+樹的節點如何變化，輔助索引樹都不受影響。

　　3 Page結構

　　如果說前面的內容偏向於解釋原理，那後面就開始涉及具體實現了。

　　理解InnoDB的實現不得不提Page結構，Page是整個InnoDB儲存的最基本構件，也是InnoDB磁碟管理的最小單位，與資料庫相關的所有內容都儲存在這種Page結構裡。Page分為幾種型別，常見的頁型別有資料頁（B-tree Node）Undo頁（Undo Log Page）系統頁（System Page） 事務資料頁（Transaction System Page）等。單個Page的大小是16K（編譯巨集UNIV_PAGE_SIZE控制），每個Page使用一個32位的int值來唯一標識，這也正好對應InnoDB最大64TB的儲存容量（16Kib * 2^32 = 64Tib）。一個Page的基本結構如下圖所示：

　　每個Page都有通用的頭和尾，但是中部的內容根據Page的型別不同而發生變化。Page的頭部裡有我們關心的一些資料，下圖把Page的頭部詳細資訊顯示出來：

　　我們重點關注和資料組織結構相關的欄位：Page的頭部儲存了兩個指標，分別指向前一個Page和後一個Page，頭部還有Page的型別資訊和用來唯一標識Page的編號。根據這兩個指標我們很容易想象出Page連結起來就是一個雙向連結串列的結構。

　　再看看Page的主體內容，我們主要關注行資料和索引的儲存，他們都位於Page的User Records部分，User Records佔據Page的大部分空間，User Records由一條一條的Record組成，每條記錄代表索引樹上的一個節點（非葉子節點和葉子節點）。在一個Page內部，單鏈表的頭尾由固定內容的兩條記錄來表示，字串形式的"Infimum"代表開頭，"Supremum"代表結尾。這兩個用來代表開頭結尾的Record儲存在System Records的段裡，這個System Records和User Records是兩個平行的段。InnoDB存在4種不同的Record，它們分別是1主鍵索引樹非葉節點 2主鍵索引樹葉子節點 3輔助鍵索引樹非葉節點 4輔助鍵索引樹葉子節點。這4種節點的Record格式有一些差異，但是它們都儲存著Next指標指向下一個Record。後續我們會詳細介紹這4種節點，現在只需要把Record當成一個儲存了資料同時含有Next指標的單鏈表節點即可。

　　User Record在Page內以單鏈表的形式存在，最初資料是按照插入的先後順序排列的，但是隨著新資料的插入和舊資料的刪除，資料物理順序會變得混亂，但他們依然保持著邏輯上的先後順序。

　　把User Record的組織形式和若干Page組合起來，就看到了稍微完整的形式。

　　現在看下如何定位一個Record：

　　1 通過根節點開始遍歷一個索引的B+樹，通過各層非葉子節點最終到達一個Page，這個Page裡存放的都是葉子節點。

　　2 在Page內從"Infimum"節點開始遍歷單鏈表（這種遍歷往往會被優化），如果找到該鍵則成功返回。如果記錄到達了"supremum"，說明當前Page裡沒有合適的鍵，這時要藉助Page的Next Page指標，跳轉到下一個Page繼續從"Infimum"開始逐個查詢。

　　詳細看下不同型別的Record裡到底儲存了什麼資料，根據B+樹節點的不同，User Record可以被分成四種格式，下圖種按照顏色予以區分。

　　1 主索引樹非葉節點（綠色）

　　1 子節點儲存的主鍵裡最小的值（Min Cluster Key on Child），這是B+樹必須的，作用是在一個Page裡定位到具體的記錄的位置。

　　2 最小的值所在的Page的編號（Child Page Number），作用是定位Record。

　　2 主索引樹葉子節點（黃色）

　　1 主鍵（Cluster Key Fields），B+樹必須的，也是資料行的一部分

　　2 除去主鍵以外的所有列（Non-Key Fields），這是資料行的除去主鍵的其他所有列的集合。

　　這裡的1和2兩部分加起來就是一個完整的資料行。

　　3 輔助索引樹非葉節點非（藍色）

　　1 子節點裡儲存的輔助鍵值裡的最小的值（Min Secondary-Key on Child），這是B+樹必須的，作用是在一個Page裡定位到具體的記錄的位置。

　　2 主鍵值（Cluster Key Fields），非葉子節點為什麼要儲存主鍵呢？因為輔助索引是可以不唯一的，但是B+樹要求鍵的值必須唯一，所以這裡把輔助鍵的值和主鍵的值合併起來作為在B+樹中的真正鍵值，保證了唯一性。但是這也導致在輔助索引B+樹中非葉節點反而比葉子節點多了4個位元組。（即下圖中藍色節點反而比紅色多了4位元組）

　　3 最小的值所在的Page的編號（Child Page Number），作用是定位Record。

　　4 輔助索引樹葉子節點（紅色）

　　1 輔助索引鍵值（Secondary Key Fields），這是B+樹必須的。

　　2 主鍵值（Cluster Key Fields），用來在主索引樹裡再做一次B+樹檢索來找到整條記錄。

　　下面是本篇最重要的部分了，結合B+樹的結構和前面介紹的4種Record的內容，我們終於可以畫出一幅全景圖。由於輔助索引的B+樹與主鍵索引有相似的結構，這裡只畫出了主鍵索引樹的結構圖，只包含了"主鍵非葉節點"和"主鍵葉子節點"兩種節點，也就是上圖的的綠色和黃色的部分。

　　把上圖還原成下面這個更簡潔的樹形示意圖，這就是B+樹的一部分。注意Page和B+樹節點之間並沒有一一對應的關係，Page只是作為一個Record的儲存容器，它存在的目的是便於對磁碟空間進行批量管理，上圖中的編號為47的Page在樹形結構上就被拆分成了兩個獨立節點。

　　至此本篇就算結束了，本篇只是對InnoDB索引相關的資料結構和實現進行了一些梳理總結，並未涉及到Mysql的實戰經驗。這主要是基於幾點原因：

　　1 原理是基石，只有充分了解InnoDB索引的工作方式，我們才有能力高效的使用好它。

　　2 原理性知識特別適合使用圖示，我個人非常喜歡這種表達方式。

　　3 關於InnoDB優化，在《高效能Mysql》裡有更加全面的介紹，對優化Mysql感興趣的同學完全可以自己獲取相關知識，我自己的積累還未達到能分享這些內容的地步。

　　另：對InnoDB實現有更多興趣的同學可以看看Jeremy Cole的部落格（參考文獻三篇文章的來源），這位老兄曾先後在Mysql，Yahoo，Twitter，Google從事資料庫相關工作，他的文章非常棒！