與瘋狂創(chuàng)客相關(guān)影視
劇情介紹
? 在瘋狂創(chuàng)客圈 的社群面試交流中，有很多小伙伴在面大廠， 經(jīng)常遇到下面的問題：
問題1：在實際生產(chǎn)環(huán)境中，InnoDB 中一棵 B+ 樹索引一般有多少層？
問題2：在實際生產(chǎn)環(huán)境中，InnoDB一棵B+樹可以存放多少行數(shù)據(jù)？
問題3：MySQL 對于千萬級的大表，為啥要優(yōu)化？
問題4：mysql 單表最好不要超過2000w？
問題5：單表超過2000w 就要考慮數(shù)據(jù)遷移了，這個是為啥？
問題6：你這個表數(shù)據(jù)都馬上要到2000w 了，難怪查詢速度慢，為什么？
問題N： ... 第100個變種
前段時間，有一個小伙伴在面美團里的時候，又遇到了此問題。
其實，這些問題，都是在考察大家對 B+樹底層原理的理解
尼恩在這里，給大家做一個系統(tǒng)化、起底式、全方位的梳理。
按照下面的套路去答，基本可以拿到120分。
大家收藏起來，多度幾遍，一定能讓面試官刮目相看。
現(xiàn)在把這個 題目以及參考答案，收入咱們的 《尼恩Java面試寶典》，
供后面的小伙伴參考，提升大家的 3高 架構(gòu)、設(shè)計、開發(fā)水平。
注：本文以 PDF 持續(xù)更新，最新Java 架構(gòu)筆記、面試題 的PDF文件，請后臺私信【筆記】即可獲??！
要回答這些問題，在回答的時候，首先從 InnoDB 索引數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)組織方式說起。
磁盤扇區(qū)、文件系統(tǒng)、InnoDB 存儲引擎都有各自的最小存儲單元。
來看看三個重要的最小單元磁盤上，存儲數(shù)據(jù)最小單元是扇區(qū)，一個扇區(qū)的大小是 512 字節(jié)，文件系統(tǒng)（例如EXT4）,最小單元是塊 （block），一個block 塊的大小是 4k，InnoDB 存儲引擎 的最小儲存單元——頁（Page），一個頁的大小是 16K。
來一個圖，更清楚：
以上三個數(shù)據(jù)，非常重要，一定要背下來， 并且在面試的時候， 找個機會背出來。
面試官一聽，感覺你的計算機底層知識是多么的扎實，好感慢慢。這是來自 老架構(gòu)師的 衷心提示。
由于文件系統(tǒng)（例如EXT4）的最小單元是塊 （block），一個block 塊的大小是 4k，
所以，假設(shè)一個文件大小只有1個字節(jié)，那么，這個文件在磁盤上，還是不得不占4KB的空間。
具體如下圖：
要知道，Innodb 的所有數(shù)據(jù)文件（后綴為 ibd 的文件），也是存儲在磁盤的，當(dāng)然也是由block組成，
所以，Innodb 的所有數(shù)據(jù)文件，全部都是 16384（16k）的整數(shù)倍。
具體如下圖：
InnoDB 存儲引擎 的最小儲存單元——頁（Page），一個頁的大小是 16K，
在 MySQL 中我們的InnoDB 頁的大小當(dāng)然也可以通過參數(shù)設(shè)置的，具體如下圖：
通過上圖，可以看到，在 MySQL 中我們的 InnoDB 頁的大小默認是 16k
數(shù)據(jù)表中的數(shù)據(jù)都是存儲在頁中的，所以一個頁中能存儲多少行數(shù)據(jù)呢？
先做一個假設(shè)：
假設(shè)一行數(shù)據(jù)的大小是1k，
那么一個16K頁，可以存放16行這樣的數(shù)據(jù)。
如果數(shù)據(jù)庫只按這樣的方式存儲，那么如何查找數(shù)據(jù)就成為一個問題
因為我們不知道要查找的數(shù)據(jù)存在哪個頁中，也不可能把所有的頁遍歷一遍，那樣太慢了。
所以人們想了一個辦法，用B+樹的方式組織這些數(shù)據(jù)。B+ 樹的葉子節(jié)點存儲真正的記錄，對應(yīng)的文件系統(tǒng) page頁面，可以叫做 數(shù)據(jù)頁B+ 樹的非葉子節(jié)點存放的是鍵值 + 指針，其對應(yīng)的文件系統(tǒng) page頁面，可以叫做 索引頁
這里用指針來描其實述不是太準(zhǔn)確，準(zhǔn)確來說是頁的偏移量，不過借用指針一詞，更好理解
如圖所示：
InnoDB中主鍵索引B+樹是如何組織數(shù)據(jù)、查詢數(shù)據(jù)的？
我們總結(jié)一下：
1、在B+樹中葉子節(jié)點存放數(shù)據(jù)，非葉子節(jié)點存放鍵值+指針。
InnoDB存儲引擎的最小存儲單元是頁，頁可以用于存放數(shù)據(jù)也可以用于存放鍵值+指針，
2、頁內(nèi)的記錄是有序的，所以可以使用二分查找在頁內(nèi)到下一層的目標(biāo)頁面的指針從根頁開始，首先通過非葉子節(jié)點的二分查找法，確定數(shù)據(jù)在下一層哪個頁之后，一層一層往下找，一直到非葉子節(jié)點，進而在非葉子節(jié)（數(shù)據(jù)頁）中查找到需要的數(shù)據(jù)；
那么回到我們開始的問題，通常一棵B+樹可以存放多少行數(shù)據(jù)？
首先，需要計算出非葉子節(jié)點能存放多少指針？
頁作為 InnoDB 磁盤管理的最小單位，不僅可以用來存放具體的行數(shù)據(jù)，還可以存放鍵值和指針。
回到文題，我們先從簡單的入手，
這里我們先假設(shè)B+樹高為2，即存在一個根節(jié)點和若干個葉子節(jié)點，那么 B+ 樹只有兩層。
如下圖：
那么對于這棵 B+ 樹能夠存放多少行數(shù)據(jù)，其實問的就是這棵 B+ 樹的非葉子節(jié)點中存放的數(shù)據(jù)量，
那么，這棵簡單的 B+ 樹能夠存放多少行數(shù)據(jù)，其實問的就是這棵 B+ 樹的非葉子節(jié)點中存放的數(shù)據(jù)量，
這棵B+樹的存放總記錄數(shù)為, 是一個簡單的公式：
每個葉子節(jié)點存放的行記錄數(shù)就是每頁存放的記錄數(shù)，由于各個數(shù)據(jù)表中的字段數(shù)量都不一樣，
這里我們就不深究葉子節(jié)點的存儲結(jié)構(gòu)了，
簡單按照一行記錄的數(shù)據(jù)大小為 1k 來算的話（實際上現(xiàn)在很多互聯(lián)網(wǎng)業(yè)務(wù)數(shù)據(jù)記錄大小通常就是 1K 左右），
一頁（16K）或者說一個葉子節(jié)點可以存放 16 行這樣的數(shù)據(jù)。
那么 ，這顆B+ 樹 的非葉子節(jié)點（ 唯一的）能夠存儲多少數(shù)據(jù)呢？
非葉子節(jié)點里面存的是主鍵值 + 指針
為了方便分析，這里我們把一個主鍵值 + 一個指針稱為一個單元，我們假設(shè)主鍵的類型是 BigInt，長度為 8 字節(jié)，而指針大小在 InnoDB 中設(shè)置為 6 字節(jié)，
這樣一個單元，一共 14 字節(jié)。
這樣的話，一頁或者說一個非葉子節(jié)點能夠存放 16384 / 14=1170 個這樣的單元。
也就是說一個非葉子節(jié)點中能夠存放 1170 個指針，即對應(yīng) 1170 個葉子節(jié)點，
所以對于這樣一棵高度為 2 的 B+ 樹，能存放 1170（一個非葉子節(jié)點中的指針數(shù)） * 16（一個葉子節(jié)點中的行數(shù)）= 18720 行數(shù)據(jù)。
當(dāng)然，這樣分析其實不是很嚴(yán)謹(jǐn)，InnoDB 數(shù)據(jù)頁結(jié)構(gòu)，不全是 主鍵值 + 一個指針，還有其他的一些 元數(shù)據(jù)。
按照 《MySQL 技術(shù)內(nèi)幕：InnoDB 存儲引擎》中的定義，InnoDB 數(shù)據(jù)頁結(jié)構(gòu)包含如下幾個部分：
分析完高度為 2 的 B+ 樹，同樣的道理，我們來看高度為 3 的：
根頁（page10）可以存放 1170 個指針，
然后第二層的每個頁（page:11,12,13）也都分別可以存放1170個指針。
這樣一共可以存放 1170 * 1170 個指針，
即對應(yīng)的有 1170 * 1170 個非葉子節(jié)點，
所以，高為3的B+樹一共可以存放 1170 * 1170 * 16 = 21902400 行記錄。
回到問題，InnoDB 一棵 B+ 樹可以存放多少行數(shù)據(jù)？
這個問題的簡單回答是：約 2 千萬。
在InnoDB 引擎中，實際的情況如何呢？
在InnoDB的表空間文件中，約定page number為3的代表主鍵索引的根頁，而在根頁偏移量為64的地方存放了該B+樹的page level。
如果page level為1，樹高為2，page level為2，則樹高為3。
即B+樹的高度=page level+1；
下面我們將從實際環(huán)境中嘗試找到這個page level。
實驗環(huán)境中，這三張表的數(shù)據(jù)量如下：
從圖中可以看到，一個表600W，一個表 15W，一個表5行數(shù)據(jù)。
在實際操作之前，你可以通過InnoDB元數(shù)據(jù)表確認主鍵索引根頁的page number為3，你也可以從《InnoDB存儲引擎》這本書中得到確認。
說明：
information_schema是mysql自帶的一個信息數(shù)據(jù)庫，其保存著關(guān)于mysql服務(wù)器所維護的所有其他數(shù)據(jù)庫的信息，如數(shù)據(jù)庫名，數(shù)據(jù)庫的表，表欄的數(shù)據(jù)類型與訪問權(quán)限等。innodb_sys_indexes：innodb表的索引的相關(guān)信息innodb_sys_tables：表格的格式和存儲特性，包括行格式，壓縮頁面大小位級別的信息
執(zhí)行結(jié)果：
可以看出數(shù)據(jù)庫dbt3下的customer表、lineitem表主鍵索引根頁的page number均為3，而其他的二級索引page number為4。
在進行深入分析之前，首先回顧一下基礎(chǔ)知識
數(shù)據(jù)表的主鍵列使用的就是主鍵索引。一張數(shù)據(jù)表有只能有一個主鍵，并且主鍵不能為 null，不能重復(fù)。
在 MySQL 的 InnoDB 的表中，當(dāng)沒有顯示的指定表的主鍵時，InnoDB 會自動先檢查表中是否有唯一索引的字段，如果有，則選擇該字段為默認的主鍵，否則 InnoDB 將會自動創(chuàng)建一個 6Byte 的自增主鍵。
二級索引又稱為輔助索引，是因為二級索引的葉子節(jié)點存儲的數(shù)據(jù)是主鍵。也就是說，通過二級索引，可以定位主鍵的位置。常用的二級索引包括：唯一索引(Unique Key) ：唯一索引也是一種約束。唯一索引的屬性列不能出現(xiàn)重復(fù)的數(shù)據(jù)，但是允許數(shù)據(jù)為 NULL，一張表允許創(chuàng)建多個唯一索引。 建立唯一索引的目的大部分時候都是為了該屬性列的數(shù)據(jù)的唯一性，而不是為了查詢效率。普通索引(Index) ：普通索引的唯一作用就是為了快速查詢數(shù)據(jù)，一張表允許創(chuàng)建多個普通索引，并允許數(shù)據(jù)重復(fù)和 NULL。前綴索引(Prefix) ：前綴索引只適用于字符串類型的數(shù)據(jù)。前綴索引是對文本的前幾個字符創(chuàng)建索引，相比普通索引建立的數(shù)據(jù)更小， 因為只取前幾個字符。
從物理意義上來講，InnoDB表由共享表空間文件（ibdata1）、獨占表空間文件（ibd）、表結(jié)構(gòu)文件（.frm）、以及日志文件（redo文件等）組成。
在MYSQL中建立任何一張數(shù)據(jù)表，在其數(shù)據(jù)目錄對應(yīng)的數(shù)據(jù)庫目錄下都有對應(yīng)表的.frm文件
.frm文件是用來保存每個數(shù)據(jù)表的元數(shù)據(jù)(meta)信息，包括表結(jié)構(gòu)的定義等，
.frm文件跟數(shù)據(jù)庫存儲引擎無關(guān)，也就是任何存儲引擎的數(shù)據(jù)表都必須有.frm文件，
命名方式為數(shù)據(jù)表名.frm，如user.frm. ， .frm文件可以用來在數(shù)據(jù)庫崩潰時恢復(fù)表結(jié)構(gòu)。
?。?）表空間結(jié)構(gòu)分析
以下為InnoDB的表空間結(jié)構(gòu)圖：
數(shù)據(jù)段即B+樹的葉子節(jié)點，索引段即為B+樹的非葉子節(jié)點InnoDB存儲引擎的管理是由引擎本身完成的，
表空間（Tablespace）是由分散的段(Segment)組成。一個段(Segment)包含多個區(qū)（Extent）。
區(qū)（Extent）由64個連續(xù)的頁（Page）組成，每個頁大小為16K，即每個區(qū)大小為1MB，創(chuàng)建新表時，先使用32頁大小的碎片頁存放數(shù)據(jù)，使用完后才是區(qū)的申請（InnoDB最多每次申請4個區(qū)，保證數(shù)據(jù)的順序性能）頁類型有：數(shù)據(jù)頁、Undo頁、系統(tǒng)頁、事務(wù)數(shù)據(jù)頁、插入緩沖位圖頁、以及插入緩沖空閑列表頁。
?。?）獨占表空間文件
若將innodb_file_per_table設(shè)置為on，則系統(tǒng)將為每一個表單獨的生成一個table_name.ibd的文件，
在此文件中，存儲與該表相關(guān)的數(shù)據(jù)、索引、表的內(nèi)部數(shù)據(jù)字典信息。
?。?）共享表空間文件
在InnoDB存儲引擎中，默認表空間文件是ibdata1（主要存儲的是共享表空間數(shù)據(jù)），初始化為10M，且可以擴展，如下圖所示：
實際上，InnoDB的表空間文件是可以修改的，使用以下語句就可以修改：
使用共享表空間存儲方式時，Innodb的所有數(shù)據(jù)保存在一個單獨的表空間里面，而這個表空間可以由很多個文件組成，一個表可以跨多個文件存在，所以其大小限制不再是文件大小的限制，而是其自身的限制。
從Innodb的官方文檔中可以看到，其表空間的最大限制為64TB，也就是說，Innodb的單表限制基本上也在64TB左右了，當(dāng)然這個大小是包括這個表的所有索引等其他相關(guān)數(shù)據(jù)。
而在使用單獨表空間存儲方式時，每個表的數(shù)據(jù)以一個單獨的文件來存放，這個時候的單表限制，又變成文件系統(tǒng)的大小限制了。
了解了這些基礎(chǔ)知識之后，下面我們對數(shù)據(jù)庫表空間文件做相關(guān)的解析， 主要是針對獨占獨占表空間文件（ibd）
因為主鍵索引B+樹的根頁，在整個表空間文件中的第3個頁開始，所以可以算出它在文件中的偏移量：
另外根據(jù)《InnoDB存儲引擎》中描述在根頁的64偏移量位置前2個字節(jié)，保存了page level的值，
因此我們想要的page level的值在整個文件中的偏移量為：16384*3+64=49152+64=49216，前2個字節(jié)中。
接下來我們用hexdump工具，查看表空間文件指定偏移量上的數(shù)據(jù)：
linetem表的page level為2，B+樹高度為page level+1=3；
region表的page level為0，B+樹高度為page level+1=1；
customer表的page level為2，B+樹高度為page level+1=3；
總結(jié)，通過分析可以看到，實驗環(huán)境的三個表：lineitem表的數(shù)據(jù)行數(shù)為600多萬，B+樹高度為3，customer表數(shù)據(jù)行數(shù)只有15萬，B+樹高度也為3。
可以看出盡管數(shù)據(jù)量差異較大，這兩個表樹的高度都是3，換句話說這兩個表通過索引查詢效率并沒有太大差異，因為都只需要做3次IO。
所以在InnoDB中B+樹高度一般為1-3層，它就能滿足千萬級的數(shù)據(jù)存儲。
在查找數(shù)據(jù)時一次頁的查找代表一次IO，所以通過主鍵索引查詢通常只需要1-3次IO操作即可查找到數(shù)據(jù)。
前面分析了，假設(shè)主鍵ID為bigint類型，長度為8字節(jié)，
而指針大小在InnoDB源碼中設(shè)置為6字節(jié)，這樣一共14字節(jié)。
那么一個頁中能存放多少這樣的組合，就代表有多少指針，即 16384 / 14 = 1170。
那么可以算出一棵高度為2 的B+樹，能存放 1170 * 16 = 18720 條這樣的數(shù)據(jù)記錄。
同理：
高度為3的B+樹可以存放的行數(shù) = 1170 * 1170 * 16 = 21902400
所以，千萬級的數(shù)據(jù)存儲只需要約3層B+樹，所以說，根據(jù)主鍵id索引查詢約3次IO便可以找到目標(biāo)結(jié)果。
注意：查詢數(shù)據(jù)時，每加載一頁（page）代表一次IO，
當(dāng)然 B+樹的根節(jié)點是常駐內(nèi)存的，這里少了一次IO。
但是，我們?yōu)槔阌诜治觯诜治龅臅r候，暫時不管吧，先看一般情況。
對于一些復(fù)雜的查詢，可能需要走二級索引，那么通過二級索引查找記錄最多需要花費多少次IO呢？
首先，從二級索引B+樹中，根據(jù)name 找到對應(yīng)的主鍵id
然后，再根據(jù)主鍵id 從 聚簇索引查找到對應(yīng)的記錄。
如上圖所示，二級索引有3層，聚簇索引有3層，那么最多花費的IO次數(shù)是：3+3 = 6 （這里，忽略根節(jié)點常駐內(nèi)存這件事）
聚簇索引默認是主鍵，如果表中沒有定義主鍵，InnoDB 會選擇一個唯一的非空索引代替。
如果連這樣的索引沒有，InnoDB 會隱式定義一個主鍵來作為聚簇索引。
這也是為什么InnoDB表必須有主鍵，并且推薦使用整型的自增主鍵！??！InnoDB使用的是聚簇索引，將主鍵組織到一棵B+樹中，而行數(shù)據(jù)就儲存在葉子節(jié)點上
為啥磁盤IO的性能低？ 不多說啦，具體請參考 的《Java葵花寶典：Java 高性能超底層原理》 視頻和講義，需要的請后臺私信【筆記】即可獲??！
通過上面的分析可以看出， 如果是 走 非聚集索引查詢， 需要6次IO，
走 聚焦索引查詢，需要3次磁盤IO
當(dāng)然，以上分析流程，忽略了一些性能的優(yōu)化措施，比如 B+樹根節(jié)點 常駐內(nèi)存，還有可能命中 查詢緩存等等。
所以，innodb 單表推薦2kw 記錄，超過了這個值可能會導(dǎo)致B+樹層級更高，影響查詢性能。
當(dāng)然，凡事看場景，上面只是一般的分析。
索引結(jié)構(gòu)不會影響單表最大行數(shù)，2kw也只是推薦值，最終的單表記錄數(shù)最大值，受到硬件條件，和各種優(yōu)化措施的影響。
只要按照上面的 流程去作答， 你的答案不是 100分，而是 120分
面試官一定是 心滿意足， 五體投地。。。
問題1：在實際生產(chǎn)環(huán)境中，InnoDB 中一棵 B+ 樹索引一般有多少層？
問題2：在實際生產(chǎn)環(huán)境中，InnoDB一棵B+樹可以存放多少行數(shù)據(jù)？
問題3：MySQL 對于千萬級的大表，為啥要優(yōu)化？
問題4：mysql 單表最好不要超過2000w？
問題5：單表超過2000w 就要考慮數(shù)據(jù)遷移了，這個是為啥？
問題6：你這個表數(shù)據(jù)都馬上要到2000w 了，難怪查詢速度慢，為什么？
問題N： ... 第100個變種
前段時間，有一個小伙伴在面美團里的時候，又遇到了此問題。
其實，這些問題，都是在考察大家對 B+樹底層原理的理解
尼恩在這里，給大家做一個系統(tǒng)化、起底式、全方位的梳理。
按照下面的套路去答，基本可以拿到120分。
大家收藏起來，多度幾遍，一定能讓面試官刮目相看。
現(xiàn)在把這個 題目以及參考答案，收入咱們的 《尼恩Java面試寶典》，
供后面的小伙伴參考，提升大家的 3高 架構(gòu)、設(shè)計、開發(fā)水平。
注：本文以 PDF 持續(xù)更新，最新Java 架構(gòu)筆記、面試題 的PDF文件，請后臺私信【筆記】即可獲??！
要回答這些問題，在回答的時候，首先從 InnoDB 索引數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)組織方式說起。
磁盤扇區(qū)、文件系統(tǒng)、InnoDB 存儲引擎都有各自的最小存儲單元。
來看看三個重要的最小單元磁盤上，存儲數(shù)據(jù)最小單元是扇區(qū)，一個扇區(qū)的大小是 512 字節(jié)，文件系統(tǒng)（例如EXT4）,最小單元是塊 （block），一個block 塊的大小是 4k，InnoDB 存儲引擎 的最小儲存單元——頁（Page），一個頁的大小是 16K。
來一個圖，更清楚：
以上三個數(shù)據(jù)，非常重要，一定要背下來， 并且在面試的時候， 找個機會背出來。
面試官一聽，感覺你的計算機底層知識是多么的扎實，好感慢慢。這是來自 老架構(gòu)師的 衷心提示。
由于文件系統(tǒng)（例如EXT4）的最小單元是塊 （block），一個block 塊的大小是 4k，
所以，假設(shè)一個文件大小只有1個字節(jié)，那么，這個文件在磁盤上，還是不得不占4KB的空間。
具體如下圖：
要知道，Innodb 的所有數(shù)據(jù)文件（后綴為 ibd 的文件），也是存儲在磁盤的，當(dāng)然也是由block組成，
所以，Innodb 的所有數(shù)據(jù)文件，全部都是 16384（16k）的整數(shù)倍。
具體如下圖：
InnoDB 存儲引擎 的最小儲存單元——頁（Page），一個頁的大小是 16K，
在 MySQL 中我們的InnoDB 頁的大小當(dāng)然也可以通過參數(shù)設(shè)置的，具體如下圖：
通過上圖，可以看到，在 MySQL 中我們的 InnoDB 頁的大小默認是 16k
數(shù)據(jù)表中的數(shù)據(jù)都是存儲在頁中的，所以一個頁中能存儲多少行數(shù)據(jù)呢？
先做一個假設(shè)：
假設(shè)一行數(shù)據(jù)的大小是1k，
那么一個16K頁，可以存放16行這樣的數(shù)據(jù)。
如果數(shù)據(jù)庫只按這樣的方式存儲，那么如何查找數(shù)據(jù)就成為一個問題
因為我們不知道要查找的數(shù)據(jù)存在哪個頁中，也不可能把所有的頁遍歷一遍，那樣太慢了。
所以人們想了一個辦法，用B+樹的方式組織這些數(shù)據(jù)。B+ 樹的葉子節(jié)點存儲真正的記錄，對應(yīng)的文件系統(tǒng) page頁面，可以叫做 數(shù)據(jù)頁B+ 樹的非葉子節(jié)點存放的是鍵值 + 指針，其對應(yīng)的文件系統(tǒng) page頁面，可以叫做 索引頁
這里用指針來描其實述不是太準(zhǔn)確，準(zhǔn)確來說是頁的偏移量，不過借用指針一詞，更好理解
如圖所示：
InnoDB中主鍵索引B+樹是如何組織數(shù)據(jù)、查詢數(shù)據(jù)的？
我們總結(jié)一下：
1、在B+樹中葉子節(jié)點存放數(shù)據(jù)，非葉子節(jié)點存放鍵值+指針。
InnoDB存儲引擎的最小存儲單元是頁，頁可以用于存放數(shù)據(jù)也可以用于存放鍵值+指針，
2、頁內(nèi)的記錄是有序的，所以可以使用二分查找在頁內(nèi)到下一層的目標(biāo)頁面的指針從根頁開始，首先通過非葉子節(jié)點的二分查找法，確定數(shù)據(jù)在下一層哪個頁之后，一層一層往下找，一直到非葉子節(jié)點，進而在非葉子節(jié)（數(shù)據(jù)頁）中查找到需要的數(shù)據(jù)；
那么回到我們開始的問題，通常一棵B+樹可以存放多少行數(shù)據(jù)？
首先，需要計算出非葉子節(jié)點能存放多少指針？
頁作為 InnoDB 磁盤管理的最小單位，不僅可以用來存放具體的行數(shù)據(jù)，還可以存放鍵值和指針。
回到文題，我們先從簡單的入手，
這里我們先假設(shè)B+樹高為2，即存在一個根節(jié)點和若干個葉子節(jié)點，那么 B+ 樹只有兩層。
如下圖：
那么對于這棵 B+ 樹能夠存放多少行數(shù)據(jù)，其實問的就是這棵 B+ 樹的非葉子節(jié)點中存放的數(shù)據(jù)量，
那么，這棵簡單的 B+ 樹能夠存放多少行數(shù)據(jù)，其實問的就是這棵 B+ 樹的非葉子節(jié)點中存放的數(shù)據(jù)量，
這棵B+樹的存放總記錄數(shù)為, 是一個簡單的公式：
每個葉子節(jié)點存放的行記錄數(shù)就是每頁存放的記錄數(shù)，由于各個數(shù)據(jù)表中的字段數(shù)量都不一樣，
這里我們就不深究葉子節(jié)點的存儲結(jié)構(gòu)了，
簡單按照一行記錄的數(shù)據(jù)大小為 1k 來算的話（實際上現(xiàn)在很多互聯(lián)網(wǎng)業(yè)務(wù)數(shù)據(jù)記錄大小通常就是 1K 左右），
一頁（16K）或者說一個葉子節(jié)點可以存放 16 行這樣的數(shù)據(jù)。
那么 ，這顆B+ 樹 的非葉子節(jié)點（ 唯一的）能夠存儲多少數(shù)據(jù)呢？
非葉子節(jié)點里面存的是主鍵值 + 指針
為了方便分析，這里我們把一個主鍵值 + 一個指針稱為一個單元，我們假設(shè)主鍵的類型是 BigInt，長度為 8 字節(jié)，而指針大小在 InnoDB 中設(shè)置為 6 字節(jié)，
這樣一個單元，一共 14 字節(jié)。
這樣的話，一頁或者說一個非葉子節(jié)點能夠存放 16384 / 14=1170 個這樣的單元。
也就是說一個非葉子節(jié)點中能夠存放 1170 個指針，即對應(yīng) 1170 個葉子節(jié)點，
所以對于這樣一棵高度為 2 的 B+ 樹，能存放 1170（一個非葉子節(jié)點中的指針數(shù)） * 16（一個葉子節(jié)點中的行數(shù)）= 18720 行數(shù)據(jù)。
當(dāng)然，這樣分析其實不是很嚴(yán)謹(jǐn)，InnoDB 數(shù)據(jù)頁結(jié)構(gòu)，不全是 主鍵值 + 一個指針，還有其他的一些 元數(shù)據(jù)。
按照 《MySQL 技術(shù)內(nèi)幕：InnoDB 存儲引擎》中的定義，InnoDB 數(shù)據(jù)頁結(jié)構(gòu)包含如下幾個部分：
分析完高度為 2 的 B+ 樹，同樣的道理，我們來看高度為 3 的：
根頁（page10）可以存放 1170 個指針，
然后第二層的每個頁（page:11,12,13）也都分別可以存放1170個指針。
這樣一共可以存放 1170 * 1170 個指針，
即對應(yīng)的有 1170 * 1170 個非葉子節(jié)點，
所以，高為3的B+樹一共可以存放 1170 * 1170 * 16 = 21902400 行記錄。
回到問題，InnoDB 一棵 B+ 樹可以存放多少行數(shù)據(jù)？
這個問題的簡單回答是：約 2 千萬。
在InnoDB 引擎中，實際的情況如何呢？
在InnoDB的表空間文件中，約定page number為3的代表主鍵索引的根頁，而在根頁偏移量為64的地方存放了該B+樹的page level。
如果page level為1，樹高為2，page level為2，則樹高為3。
即B+樹的高度=page level+1；
下面我們將從實際環(huán)境中嘗試找到這個page level。
實驗環(huán)境中，這三張表的數(shù)據(jù)量如下：
從圖中可以看到，一個表600W，一個表 15W，一個表5行數(shù)據(jù)。
在實際操作之前，你可以通過InnoDB元數(shù)據(jù)表確認主鍵索引根頁的page number為3，你也可以從《InnoDB存儲引擎》這本書中得到確認。
說明：
information_schema是mysql自帶的一個信息數(shù)據(jù)庫，其保存著關(guān)于mysql服務(wù)器所維護的所有其他數(shù)據(jù)庫的信息，如數(shù)據(jù)庫名，數(shù)據(jù)庫的表，表欄的數(shù)據(jù)類型與訪問權(quán)限等。innodb_sys_indexes：innodb表的索引的相關(guān)信息innodb_sys_tables：表格的格式和存儲特性，包括行格式，壓縮頁面大小位級別的信息
執(zhí)行結(jié)果：
可以看出數(shù)據(jù)庫dbt3下的customer表、lineitem表主鍵索引根頁的page number均為3，而其他的二級索引page number為4。
在進行深入分析之前，首先回顧一下基礎(chǔ)知識
數(shù)據(jù)表的主鍵列使用的就是主鍵索引。一張數(shù)據(jù)表有只能有一個主鍵，并且主鍵不能為 null，不能重復(fù)。
在 MySQL 的 InnoDB 的表中，當(dāng)沒有顯示的指定表的主鍵時，InnoDB 會自動先檢查表中是否有唯一索引的字段，如果有，則選擇該字段為默認的主鍵，否則 InnoDB 將會自動創(chuàng)建一個 6Byte 的自增主鍵。
二級索引又稱為輔助索引，是因為二級索引的葉子節(jié)點存儲的數(shù)據(jù)是主鍵。也就是說，通過二級索引，可以定位主鍵的位置。常用的二級索引包括：唯一索引(Unique Key) ：唯一索引也是一種約束。唯一索引的屬性列不能出現(xiàn)重復(fù)的數(shù)據(jù)，但是允許數(shù)據(jù)為 NULL，一張表允許創(chuàng)建多個唯一索引。 建立唯一索引的目的大部分時候都是為了該屬性列的數(shù)據(jù)的唯一性，而不是為了查詢效率。普通索引(Index) ：普通索引的唯一作用就是為了快速查詢數(shù)據(jù)，一張表允許創(chuàng)建多個普通索引，并允許數(shù)據(jù)重復(fù)和 NULL。前綴索引(Prefix) ：前綴索引只適用于字符串類型的數(shù)據(jù)。前綴索引是對文本的前幾個字符創(chuàng)建索引，相比普通索引建立的數(shù)據(jù)更小， 因為只取前幾個字符。
從物理意義上來講，InnoDB表由共享表空間文件（ibdata1）、獨占表空間文件（ibd）、表結(jié)構(gòu)文件（.frm）、以及日志文件（redo文件等）組成。
在MYSQL中建立任何一張數(shù)據(jù)表，在其數(shù)據(jù)目錄對應(yīng)的數(shù)據(jù)庫目錄下都有對應(yīng)表的.frm文件
.frm文件是用來保存每個數(shù)據(jù)表的元數(shù)據(jù)(meta)信息，包括表結(jié)構(gòu)的定義等，
.frm文件跟數(shù)據(jù)庫存儲引擎無關(guān)，也就是任何存儲引擎的數(shù)據(jù)表都必須有.frm文件，
命名方式為數(shù)據(jù)表名.frm，如user.frm. ， .frm文件可以用來在數(shù)據(jù)庫崩潰時恢復(fù)表結(jié)構(gòu)。
?。?）表空間結(jié)構(gòu)分析
以下為InnoDB的表空間結(jié)構(gòu)圖：
數(shù)據(jù)段即B+樹的葉子節(jié)點，索引段即為B+樹的非葉子節(jié)點InnoDB存儲引擎的管理是由引擎本身完成的，
表空間（Tablespace）是由分散的段(Segment)組成。一個段(Segment)包含多個區(qū)（Extent）。
區(qū)（Extent）由64個連續(xù)的頁（Page）組成，每個頁大小為16K，即每個區(qū)大小為1MB，創(chuàng)建新表時，先使用32頁大小的碎片頁存放數(shù)據(jù)，使用完后才是區(qū)的申請（InnoDB最多每次申請4個區(qū)，保證數(shù)據(jù)的順序性能）頁類型有：數(shù)據(jù)頁、Undo頁、系統(tǒng)頁、事務(wù)數(shù)據(jù)頁、插入緩沖位圖頁、以及插入緩沖空閑列表頁。
?。?）獨占表空間文件
若將innodb_file_per_table設(shè)置為on，則系統(tǒng)將為每一個表單獨的生成一個table_name.ibd的文件，
在此文件中，存儲與該表相關(guān)的數(shù)據(jù)、索引、表的內(nèi)部數(shù)據(jù)字典信息。
?。?）共享表空間文件
在InnoDB存儲引擎中，默認表空間文件是ibdata1（主要存儲的是共享表空間數(shù)據(jù)），初始化為10M，且可以擴展，如下圖所示：
實際上，InnoDB的表空間文件是可以修改的，使用以下語句就可以修改：
使用共享表空間存儲方式時，Innodb的所有數(shù)據(jù)保存在一個單獨的表空間里面，而這個表空間可以由很多個文件組成，一個表可以跨多個文件存在，所以其大小限制不再是文件大小的限制，而是其自身的限制。
從Innodb的官方文檔中可以看到，其表空間的最大限制為64TB，也就是說，Innodb的單表限制基本上也在64TB左右了，當(dāng)然這個大小是包括這個表的所有索引等其他相關(guān)數(shù)據(jù)。
而在使用單獨表空間存儲方式時，每個表的數(shù)據(jù)以一個單獨的文件來存放，這個時候的單表限制，又變成文件系統(tǒng)的大小限制了。
了解了這些基礎(chǔ)知識之后，下面我們對數(shù)據(jù)庫表空間文件做相關(guān)的解析， 主要是針對獨占獨占表空間文件（ibd）
因為主鍵索引B+樹的根頁，在整個表空間文件中的第3個頁開始，所以可以算出它在文件中的偏移量：
另外根據(jù)《InnoDB存儲引擎》中描述在根頁的64偏移量位置前2個字節(jié)，保存了page level的值，
因此我們想要的page level的值在整個文件中的偏移量為：16384*3+64=49152+64=49216，前2個字節(jié)中。
接下來我們用hexdump工具，查看表空間文件指定偏移量上的數(shù)據(jù)：
linetem表的page level為2，B+樹高度為page level+1=3；
region表的page level為0，B+樹高度為page level+1=1；
customer表的page level為2，B+樹高度為page level+1=3；
總結(jié)，通過分析可以看到，實驗環(huán)境的三個表：lineitem表的數(shù)據(jù)行數(shù)為600多萬，B+樹高度為3，customer表數(shù)據(jù)行數(shù)只有15萬，B+樹高度也為3。
可以看出盡管數(shù)據(jù)量差異較大，這兩個表樹的高度都是3，換句話說這兩個表通過索引查詢效率并沒有太大差異，因為都只需要做3次IO。
所以在InnoDB中B+樹高度一般為1-3層，它就能滿足千萬級的數(shù)據(jù)存儲。
在查找數(shù)據(jù)時一次頁的查找代表一次IO，所以通過主鍵索引查詢通常只需要1-3次IO操作即可查找到數(shù)據(jù)。
前面分析了，假設(shè)主鍵ID為bigint類型，長度為8字節(jié)，
而指針大小在InnoDB源碼中設(shè)置為6字節(jié)，這樣一共14字節(jié)。
那么一個頁中能存放多少這樣的組合，就代表有多少指針，即 16384 / 14 = 1170。
那么可以算出一棵高度為2 的B+樹，能存放 1170 * 16 = 18720 條這樣的數(shù)據(jù)記錄。
同理：
高度為3的B+樹可以存放的行數(shù) = 1170 * 1170 * 16 = 21902400
所以，千萬級的數(shù)據(jù)存儲只需要約3層B+樹，所以說，根據(jù)主鍵id索引查詢約3次IO便可以找到目標(biāo)結(jié)果。
注意：查詢數(shù)據(jù)時，每加載一頁（page）代表一次IO，
當(dāng)然 B+樹的根節(jié)點是常駐內(nèi)存的，這里少了一次IO。
但是，我們?yōu)槔阌诜治觯诜治龅臅r候，暫時不管吧，先看一般情況。
對于一些復(fù)雜的查詢，可能需要走二級索引，那么通過二級索引查找記錄最多需要花費多少次IO呢？
首先，從二級索引B+樹中，根據(jù)name 找到對應(yīng)的主鍵id
然后，再根據(jù)主鍵id 從 聚簇索引查找到對應(yīng)的記錄。
如上圖所示，二級索引有3層，聚簇索引有3層，那么最多花費的IO次數(shù)是：3+3 = 6 （這里，忽略根節(jié)點常駐內(nèi)存這件事）
聚簇索引默認是主鍵，如果表中沒有定義主鍵，InnoDB 會選擇一個唯一的非空索引代替。
如果連這樣的索引沒有，InnoDB 會隱式定義一個主鍵來作為聚簇索引。
這也是為什么InnoDB表必須有主鍵，并且推薦使用整型的自增主鍵！??！InnoDB使用的是聚簇索引，將主鍵組織到一棵B+樹中，而行數(shù)據(jù)就儲存在葉子節(jié)點上
為啥磁盤IO的性能低？ 不多說啦，具體請參考 的《Java葵花寶典：Java 高性能超底層原理》 視頻和講義，需要的請后臺私信【筆記】即可獲??！
通過上面的分析可以看出， 如果是 走 非聚集索引查詢， 需要6次IO，
走 聚焦索引查詢，需要3次磁盤IO
當(dāng)然，以上分析流程，忽略了一些性能的優(yōu)化措施，比如 B+樹根節(jié)點 常駐內(nèi)存，還有可能命中 查詢緩存等等。
所以，innodb 單表推薦2kw 記錄，超過了這個值可能會導(dǎo)致B+樹層級更高，影響查詢性能。
當(dāng)然，凡事看場景，上面只是一般的分析。
索引結(jié)構(gòu)不會影響單表最大行數(shù)，2kw也只是推薦值，最終的單表記錄數(shù)最大值，受到硬件條件，和各種優(yōu)化措施的影響。
只要按照上面的 流程去作答， 你的答案不是 100分，而是 120分
面試官一定是 心滿意足， 五體投地。。。
常見問題
1.請問哪個平臺可以在線觀看國產(chǎn)劇《瘋狂創(chuàng)客》？
神馬影院網(wǎng)友：瘋狂創(chuàng)客高清無廣告在線播放地址http://www.numbersforstartups.com/ndzvod/14954.html
2.國產(chǎn)劇《瘋狂創(chuàng)客》上映時間？
3.國產(chǎn)劇《瘋狂創(chuàng)客》演員列表？
4.網(wǎng)友怎么評價《瘋狂創(chuàng)客》？
Mtime網(wǎng)友：這個題材，做成這樣，真的很不容易了。尤其是，影片在影像上非常有特點，大量的特寫鏡頭、跟拍、手持，以及碎片式剪輯，營造出強烈的恐慌與不安感。這種情緒，其實就是角色在片中的情緒，它以影像的方式，最直接延伸給觀眾。
丟豆網(wǎng)網(wǎng)友：一個好的導(dǎo)演，是會調(diào)教演員的，知道演員的優(yōu)勢在哪里。 《瘋狂創(chuàng)客》像極了一道來自異域的夏日甜品，雖然不是主菜的配置，但卻也有著勾人的獨特風(fēng)情。坦白說，最初的確是沖著未知導(dǎo)演的名號看的，畢竟人家講故事的功力擺在那里，但一開始就入了坑也是我怎么都沒料到的。
豆瓣網(wǎng)網(wǎng)友：放在豆瓣語境下，是部時至今日終于拍出來的中國大陸 “高分國產(chǎn)劇”。拿現(xiàn)實題材拍商業(yè)類型片，社會意義擺在那，群戲也處理得相當(dāng)不錯。對我們國家而言，這樣的電影多一部是一部，走一步是一步。
常見問題
來自【網(wǎng)友】的網(wǎng)友評論
2018-09-14 11:56:41
不知是機緣巧合，還是命中注定，正好在這個周六上午刷完《Love,Rosie》，晚上就是《瘋狂創(chuàng)客》。人類總是習(xí)慣通過一個詞來定義和概括事物，以便高效認知世界。但是在感情世界中，這種認識方法卻是一種偷懶的行為。我們總是習(xí)慣用友情、愛情、親情來定義人與人之間的關(guān)系，然后用“友情”（或者“愛情”/“親情”）中潛在的行為準(zhǔn)則來規(guī)范交往界限。例如：一旦朋友之間做了某個事情，好像越界了，要么進一步成為愛情，要么退回尷尬的友情。
來自【網(wǎng)友】的網(wǎng)友評論
2019-01-08 19:55:51
《瘋狂創(chuàng)客》像極了一道來自異域的夏日甜品，雖然不是主菜的配置，但卻也有著勾人的獨特風(fēng)情。坦白說，最初的確是沖著未知導(dǎo)演的名號看的，畢竟人家講故事的功力擺在那里，但一開始就入了坑也是我怎么都沒料到的。
來自【第九電影】的網(wǎng)友評論
2019-03-05 12:22:22
這部影片今天在手機上看完，看完后不得不說導(dǎo)演真給力。信念——就像人一樣，與藝術(shù)的邂逅也是一種天時地利人和的緣分。
來自【網(wǎng)友】的網(wǎng)友評論
2019-05-08 23:56:37
相比演員的表演來說，導(dǎo)演的一些細節(jié)很有意思，也不知道導(dǎo)演怎么想的，但是作為觀眾，我看到了導(dǎo)演的用心。也不知道和導(dǎo)演想的是不是一樣，總之我認為這部片子很不錯，還有很多鏡頭切換的地方也很好，就不一一贅述了。導(dǎo)演很用心，很讓人滿意，唯一一點瑕疵我認為是劇本有些粗糙，但也不排除是因為時間限制等特殊原因。
來自【網(wǎng)友】的網(wǎng)友評論
2020-02-07 10:16:01
隨著生活水平的提高，人們的精神追求越來越值得關(guān)注。作為社會娛樂文化的一方面，在某種程度上影片、視頻已經(jīng)成為了我們?nèi)粘Ｉ畹囊徊糠?。在觀看影片時，我們經(jīng)常是和影片里的人一起歡笑、一起激動、一起被那些令人恐怖的圖景纏繞。也就是說，我們的生活已經(jīng)和電視劇水乳交融，以至于我們很少認真地思考電視劇本身，更不用說動筆寫電視劇評論了。
國產(chǎn)劇周榜單
來自【網(wǎng)友】的網(wǎng)友評論
2018-03-05 18:56:31