1. 数据库索引

索引是为了提高数据的查询速度，相当于给数据进行编号，在查找数据的时候就可以通过编号快速找到对应的数据。索引用的是 B + Tree 数据结构。

乱序插入数据，会自动按照 id 进行升序排列，这是因为主键自带索引：

2. B+Tree 索引结构

数据存储的内部结构类似于链表的形式，通过指针关联不同的数据。第一位是索引，第二位是数据，第三位是后继指针（指向下一个节点）。

毕竟它类似于链表，当数据量很大的时候，这种结构的查询速度还是很慢的，那么 MySQL 是如何解决的呢？

MySQL 中有一个 page 的概念，相当于给数据进行分页，把一部分数据存入一个 page 中，先查 page 再查数据， 相当于一个分类管理。

每个 page 可以存储 16KB 的数据，这样就相当于给数据建立了上层目录，查找的时候先找大目录，再找具体的数据。
MYSQL 给 page 也提供了快速查询的目录，这样就可以清晰地知道你要查询的数据是在第几页，然后直接去第几页找就可以了。

多一层目录可提高数据查询的效率！

把每个 page 中的第一条数据的索引和后继指针取出来，放到 page 目录里面。 1P 第一页，3P 第二页，5P 第三页。
查询数据的时候，会先找到它的 page，而这个 page 到底是多少，要看 id 在哪个区间内，比如 id = 4 的数据就在第二页（因为 3 < id < 5）。找到 page 之后，再进入 page 中查找具体的数据。

这个目录也是有容量的，所以我们还会开启第二个、第 N 个 page 目录。一个 page 目录中也可以存储 16KB 的数据，如果是海量数据，page 目录也会有很多，这样查询起来也是比较慢的。
为了提高查询效率，MYSQL 就给 page 目录再加了一层目录。

同样的方法，依然是取出各 page 目录里面的第一项（索引和指针），存入更上层的目录中。

一般来说三层目录就足够了，要查找一个数据的时候，就从最上面一层一层分级查找，而这种结构就叫做 B+Tree！

假设一条记录的空间为 32 个 byte，那么最底层一个单元可以存储的数据为 16 * 1024 / 32 = 512 条；
第二层只需记录 id 和 p，假设是 6 个 byte，则一个单元可以保存的数据是 16 * 1024 / 6 = 2730 条；
第三层每个单元存储的数据和第二层一样是 2730 条。
所以总共可以存储的数据条数为三层数据相乘：512 * 2730 * 2730 = 38亿。