背景

首先我们以InnoDB引擎，B+Tree 3层为例。我们需要先了解几个知识点：页的概念、InnoDB数据的读取方式、什么是树搜索？、一次查询花费的I/O次数，跨页查询。

页的概念

索引树的页（page）是指存储索引数据的最小单位。MySQL将索引数据分成固定大小的页来存储，一般情况下，默认的页大小是16KB。

InnoDB数据的读取方式

InnoDB 的数据是按数据页为单位来读写的。也就是说，当需要读一条或者多条记录的时候，并不是将这个记录本身从磁盘读出来，而是以页为单位，将其整体读入内存。

什么是树搜索？

从根节点到叶子节点的搜索过程，被称为"树搜索"。

一次树搜索需要花费的IO次数

从页1->页2>页3，每页进行了一次I/O操作，所以一共进行了3次I/O。如果需要回表，那就是6次I/O。

第一次I/O 

第二次I/O

第三次I/O

跨页查询

参考上图，跨页查询指在进行数据查询时，需要跨越多个数据页才能获取完整的查询结果。当MySQL中的表数据量很大时，数据可能会被存储在多个数据页中。每个数据页通常包含一定数量的数据行。当执行一个查询时，如果查询的结果需要跨越多个数据页才能完全获取，就称为跨页查询。

分表可以提高查询效率？

可以，接下来从垂直分表和水平分表两种方式展开说明：

垂直拆分

• 当进行垂直拆分后，每个小表只包含部分列数据，数据量减少，可以更容易地存放在一张或少数几张数据页中。这样，在进行跨页查询时，由于需要跨页查询的数据量减少，查询操作可能只需要访问更少的数据页，减少了磁盘I/O的次数，提升了查询性能。

例子：

• 假设我们有一张名为"users"的表，其中包含12万条数据，每张数据页储4万条数据。现在要查询这12万条数据。
• 拆分前，12万数据分布在3张数据页中，查询需要5次 I/O 才能获取全部的12万条数据。
• 拆分后，将每张数据页的容量增加到6万条数据，那么查询结果仍然是12万条数据，此时仅需4次 I/O 操作就可以获取结果。这样就减少了1次 I/O 操作，大大提升了查询效率。

水平拆分

• 在水平拆分后进行并行查询的情况下，每个节点可能需要进行独立的磁盘 I/O 操作，但整体查询速度仍然会比单表的 I/O 操作次数更快。虽然每个节点需要进行独立的 I/O 操作，但并行查询允许多个节点同时进行这些操作，而不是一个节点一个节点地进行。这样可以提高查询的并发性和整体查询速度。

例子：

• 假设我们有一张名为"users"的表，其中包含12万条数据，每张数据页储4万条数据。现在要查询这12万条数据。
• 拆分前，12万数据分布在3张数据页中，查询需要5次 I/O 才能获取全部的12万条数据。
• 拆分后，我们将数据分散到了3张表中，每张表存储4万条数据。当我们需要查询这12万条数据时，每次查询都需要同时对3张表进行操作。尽管每张表都需要进行3次I/O（输入/输出），但由于并行查询的优势，我们仍然只需要进行3次I/O。这样，我们可以通过并行处理在多个节点上同时执行查询操作，从而提高查询的效率。

树图