MySQL 索引和数据访问时间复杂度
MySQL indexing and data access time complexity
在 MySQL 我读到当我们对特定数据列建立索引时数据访问时间复杂度是 log(n) 因为使用了 BTree，有没有数据访问时间变得更多的情况log(n) 例如 O(n)，因为当我们以排序的方式将数据插入 BTree 时，树会在一侧生长，数据访问复杂性会增加到 O(n) 他们是否有任何关于插入数据的政策进入这个索引 BTree ??感谢您的回答
一些注意事项：
- 磁盘访问（对性能而言）远比 O() 重要。
- A "Rule of Thumb"：一个节点有100个子节点（或叶元素）。因此...
- 在典型的 InnoDB BTree（数据或索引）中，一百万行 table 将只有大约 3 层深。对于 万亿 行，大约 6 个级别。这是 "log n" 发挥作用的主要地方。
- BTrees，如果自下而上增强，则保持平衡。
- 在MySQL中，不用担心BTrees；还有更糟糕的事情要处理——索引、查询的制定等
- InnoDB 使用
B+Trees，通过不必在每次耗尽节点元素时向下钻取树来使索引扫描相当高效。
- 维基百科是另一个有用的参考资料。
在 MySQL 我读到当我们对特定数据列建立索引时数据访问时间复杂度是 log(n) 因为使用了 BTree，有没有数据访问时间变得更多的情况log(n) 例如 O(n)，因为当我们以排序的方式将数据插入 BTree 时，树会在一侧生长，数据访问复杂性会增加到 O(n) 他们是否有任何关于插入数据的政策进入这个索引 BTree ??感谢您的回答
一些注意事项：
- 磁盘访问（对性能而言）远比 O() 重要。
- A "Rule of Thumb"：一个节点有100个子节点（或叶元素）。因此...
- 在典型的 InnoDB BTree（数据或索引）中，一百万行 table 将只有大约 3 层深。对于 万亿 行，大约 6 个级别。这是 "log n" 发挥作用的主要地方。
- BTrees，如果自下而上增强，则保持平衡。
- 在MySQL中，不用担心BTrees；还有更糟糕的事情要处理——索引、查询的制定等
- InnoDB 使用
B+Trees，通过不必在每次耗尽节点元素时向下钻取树来使索引扫描相当高效。 - 维基百科是另一个有用的参考资料。