剧情介绍
在疯狂创客圈 的社群面试交流中，有很多小伙伴在面大厂， 经常遇到下面的问题：
问题1：在实际生产环境中，InnoDB 中一棵 B+ 树索引一般有多少层？
问题2：在实际生产环境中，InnoDB一棵B+树可以存放多少行数据？
问题3：MySQL 对于千万级的大表，为啥要优化？
问题4：mysql 单表最好不要超过2000w？
问题5：单表超过2000w 就要考虑数据迁移了，这个是为啥？
问题6：你这个表数据都马上要到2000w 了，难怪查询速度慢，为什么？
问题N： ... 第100个变种
前段时间，有一个小伙伴在面美团里的时候，又遇到了此问题。
其实，这些问题，都是在考察大家对 B+树底层原理的理解
尼恩在这里，给大家做一个系统化、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。
大家收藏起来，多度几遍，一定能让面试官刮目相看。
现在把这个 题目以及参考答案，收入咱们的 《尼恩Java面试宝典》，
供后面的小伙伴参考，提升大家的 3高 架构、设计、开发水平。
注：本文以 PDF 持续更新，最新Java 架构笔记、面试题 的PDF文件，请后台私信【笔记】即可获取！
要回答这些问题，在回答的时候，首先从 InnoDB 索引数据结构、数据组织方式说起。
磁盘扇区、文件系统、InnoDB 存储引擎都有各自的最小存储单元。
来看看三个重要的最小单元磁盘上，存储数据最小单元是扇区，一个扇区的大小是 512 字节，文件系统（例如EXT4）,最小单元是块 （block），一个block 块的大小是 4k，InnoDB 存储引擎 的最小储存单元——页（Page），一个页的大小是 16K。
来一个图，更清楚：
以上三个数据，非常重要，一定要背下来， 并且在面试的时候， 找个机会背出来。
面试官一听，感觉你的计算机底层知识是多么的扎实，好感慢慢。这是来自 老架构师的 衷心提示。
由于文件系统（例如EXT4）的最小单元是块 （block），一个block 块的大小是 4k，
所以，假设一个文件大小只有1个字节，那么，这个文件在磁盘上，还是不得不占4KB的空间。
具体如下图：
要知道，Innodb 的所有数据文件（后缀为 ibd 的文件），也是存储在磁盘的，当然也是由block组成，
所以，Innodb 的所有数据文件，全部都是 16384（16k）的整数倍。
具体如下图：
InnoDB 存储引擎 的最小储存单元——页（Page），一个页的大小是 16K，
在 MySQL 中我们的InnoDB 页的大小当然也可以通过参数设置的，具体如下图：
通过上图，可以看到，在 MySQL 中我们的 InnoDB 页的大小默认是 16k
数据表中的数据都是存储在页中的，所以一个页中能存储多少行数据呢？
先做一个假设：
假设一行数据的大小是1k，
那么一个16K页，可以存放16行这样的数据。
如果数据库只按这样的方式存储，那么如何查找数据就成为一个问题
因为我们不知道要查找的数据存在哪个页中，也不可能把所有的页遍历一遍，那样太慢了。
所以人们想了一个办法，用B+树的方式组织这些数据。B+ 树的叶子节点存储真正的记录，对应的文件系统 page页面，可以叫做 数据页B+ 树的非叶子节点存放的是键值 + 指针，其对应的文件系统 page页面，可以叫做 索引页
这里用指针来描其实述不是太准确，准确来说是页的偏移量，不过借用指针一词，更好理解
如图所示：
InnoDB中主键索引B+树是如何组织数据、查询数据的？
我们总结一下：
1、在B+树中叶子节点存放数据，非叶子节点存放键值+指针。
InnoDB存储引擎的最小存储单元是页，页可以用于存放数据也可以用于存放键值+指针，
2、页内的记录是有序的，所以可以使用二分查找在页内到下一层的目标页面的指针从根页开始，首先通过非叶子节点的二分查找法，确定数据在下一层哪个页之后，一层一层往下找，一直到非叶子节点，进而在非叶子节（数据页）中查找到需要的数据；
那么回到我们开始的问题，通常一棵B+树可以存放多少行数据？
首先，需要计算出非叶子节点能存放多少指针？
页作为 InnoDB 磁盘管理的最小单位，不仅可以用来存放具体的行数据，还可以存放键值和指针。
回到文题，我们先从简单的入手，
这里我们先假设B+树高为2，即存在一个根节点和若干个叶子节点，那么 B+ 树只有两层。
如下图：
那么对于这棵 B+ 树能够存放多少行数据，其实问的就是这棵 B+ 树的非叶子节点中存放的数据量，
那么，这棵简单的 B+ 树能够存放多少行数据，其实问的就是这棵 B+ 树的非叶子节点中存放的数据量，
这棵B+树的存放总记录数为, 是一个简单的公式：
每个叶子节点存放的行记录数就是每页存放的记录数，由于各个数据表中的字段数量都不一样，
这里我们就不深究叶子节点的存储结构了，
简单按照一行记录的数据大小为 1k 来算的话（实际上现在很多互联网业务数据记录大小通常就是 1K 左右），
一页（16K）或者说一个叶子节点可以存放 16 行这样的数据。
那么 ，这颗B+ 树 的非叶子节点（ 唯一的）能够存储多少数据呢？
非叶子节点里面存的是主键值 + 指针
为了方便分析，这里我们把一个主键值 + 一个指针称为一个单元，我们假设主键的类型是 BigInt，长度为 8 字节，而指针大小在 InnoDB 中设置为 6 字节，
这样一个单元，一共 14 字节。
这样的话，一页或者说一个非叶子节点能够存放 16384 / 14=1170 个这样的单元。
也就是说一个非叶子节点中能够存放 1170 个指针，即对应 1170 个叶子节点，
所以对于这样一棵高度为 2 的 B+ 树，能存放 1170（一个非叶子节点中的指针数） * 16（一个叶子节点中的行数）= 18720 行数据。
当然，这样分析其实不是很严谨，InnoDB 数据页结构，不全是 主键值 + 一个指针，还有其他的一些 元数据。
按照 《MySQL 技术内幕：InnoDB 存储引擎》中的定义，InnoDB 数据页结构包含如下几个部分：
分析完高度为 2 的 B+ 树，同样的道理，我们来看高度为 3 的：
根页（page10）可以存放 1170 个指针，
然后第二层的每个页（page:11,12,13）也都分别可以存放1170个指针。
这样一共可以存放 1170 * 1170 个指针，
即对应的有 1170 * 1170 个非叶子节点，
所以，高为3的B+树一共可以存放 1170 * 1170 * 16 = 21902400 行记录。
回到问题，InnoDB 一棵 B+ 树可以存放多少行数据？
这个问题的简单回答是：约 2 千万。
在InnoDB 引擎中，实际的情况如何呢？
在InnoDB的表空间文件中，约定page number为3的代表主键索引的根页，而在根页偏移量为64的地方存放了该B+树的page level。
如果page level为1，树高为2，page level为2，则树高为3。
即B+树的高度=page level+1；
下面我们将从实际环境中尝试找到这个page level。
实验环境中，这三张表的数据量如下：
从图中可以看到，一个表600W，一个表 15W，一个表5行数据。
在实际操作之前，你可以通过InnoDB元数据表确认主键索引根页的page number为3，你也可以从《InnoDB存储引擎》这本书中得到确认。
说明：
information_schema是mysql自带的一个信息数据库，其保存着关于mysql服务器所维护的所有其他数据库的信息，如数据库名，数据库的表，表栏的数据类型与访问权限等。innodb_sys_indexes：innodb表的索引的相关信息innodb_sys_tables：表格的格式和存储特性，包括行格式，压缩页面大小位级别的信息
执行结果：
可以看出数据库dbt3下的customer表、lineitem表主键索引根页的page number均为3，而其他的二级索引page number为4。
在进行深入分析之前，首先回顾一下基础知识
数据表的主键列使用的就是主键索引。一张数据表有只能有一个主键，并且主键不能为 null，不能重复。
在 MySQL 的 InnoDB 的表中，当没有显示的指定表的主键时，InnoDB 会自动先检查表中是否有唯一索引的字段，如果有，则选择该字段为默认的主键，否则 InnoDB 将会自动创建一个 6Byte 的自增主键。
二级索引又称为辅助索引，是因为二级索引的叶子节点存储的数据是主键。也就是说，通过二级索引，可以定位主键的位置。常用的二级索引包括：唯一索引(Unique Key) ：唯一索引也是一种约束。唯一索引的属性列不能出现重复的数据，但是允许数据为 NULL，一张表允许创建多个唯一索引。 建立唯一索引的目的大部分时候都是为了该属性列的数据的唯一性，而不是为了查询效率。普通索引(Index) ：普通索引的唯一作用就是为了快速查询数据，一张表允许创建多个普通索引，并允许数据重复和 NULL。前缀索引(Prefix) ：前缀索引只适用于字符串类型的数据。前缀索引是对文本的前几个字符创建索引，相比普通索引建立的数据更小， 因为只取前几个字符。
从物理意义上来讲，InnoDB表由共享表空间文件（ibdata1）、独占表空间文件（ibd）、表结构文件（.frm）、以及日志文件（redo文件等）组成。
在MYSQL中建立任何一张数据表，在其数据目录对应的数据库目录下都有对应表的.frm文件
.frm文件是用来保存每个数据表的元数据(meta)信息，包括表结构的定义等，
.frm文件跟数据库存储引擎无关，也就是任何存储引擎的数据表都必须有.frm文件，
命名方式为数据表名.frm，如user.frm. ， .frm文件可以用来在数据库崩溃时恢复表结构。
（1）表空间结构分析
以下为InnoDB的表空间结构图：
数据段即B+树的叶子节点，索引段即为B+树的非叶子节点InnoDB存储引擎的管理是由引擎本身完成的，
表空间（Tablespace）是由分散的段(Segment)组成。一个段(Segment)包含多个区（Extent）。
区（Extent）由64个连续的页（Page）组成，每个页大小为16K，即每个区大小为1MB，创建新表时，先使用32页大小的碎片页存放数据，使用完后才是区的申请（InnoDB最多每次申请4个区，保证数据的顺序性能）页类型有：数据页、Undo页、系统页、事务数据页、插入缓冲位图页、以及插入缓冲空闲列表页。
（2）独占表空间文件
若将innodb_file_per_table设置为on，则系统将为每一个表单独的生成一个table_name.ibd的文件，
在此文件中，存储与该表相关的数据、索引、表的内部数据字典信息。
（3）共享表空间文件
在InnoDB存储引擎中，默认表空间文件是ibdata1（主要存储的是共享表空间数据），初始化为10M，且可以扩展，如下图所示：
实际上，InnoDB的表空间文件是可以修改的，使用以下语句就可以修改：
使用共享表空间存储方式时，Innodb的所有数据保存在一个单独的表空间里面，而这个表空间可以由很多个文件组成，一个表可以跨多个文件存在，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。
从Innodb的官方文档中可以看到，其表空间的最大限制为64TB，也就是说，Innodb的单表限制基本上也在64TB左右了，当然这个大小是包括这个表的所有索引等其他相关数据。
而在使用单独表空间存储方式时，每个表的数据以一个单独的文件来存放，这个时候的单表限制，又变成文件系统的大小限制了。
了解了这些基础知识之后，下面我们对数据库表空间文件做相关的解析， 主要是针对独占独占表空间文件（ibd）
因为主键索引B+树的根页，在整个表空间文件中的第3个页开始，所以可以算出它在文件中的偏移量：
另外根据《InnoDB存储引擎》中描述在根页的64偏移量位置前2个字节，保存了page level的值，
因此我们想要的page level的值在整个文件中的偏移量为：16384*3+64=49152+64=49216，前2个字节中。
接下来我们用hexdump工具，查看表空间文件指定偏移量上的数据：
linetem表的page level为2，B+树高度为page level+1=3；
region表的page level为0，B+树高度为page level+1=1；
customer表的page level为2，B+树高度为page level+1=3；
总结，通过分析可以看到，实验环境的三个表：lineitem表的数据行数为600多万，B+树高度为3，customer表数据行数只有15万，B+树高度也为3。
可以看出尽管数据量差异较大，这两个表树的高度都是3，换句话说这两个表通过索引查询效率并没有太大差异，因为都只需要做3次IO。
所以在InnoDB中B+树高度一般为1-3层，它就能满足千万级的数据存储。
在查找数据时一次页的查找代表一次IO，所以通过主键索引查询通常只需要1-3次IO操作即可查找到数据。
前面分析了，假设主键ID为bigint类型，长度为8字节，
而指针大小在InnoDB源码中设置为6字节，这样一共14字节。
那么一个页中能存放多少这样的组合，就代表有多少指针，即 16384 / 14 = 1170。
那么可以算出一棵高度为2 的B+树，能存放 1170 * 16 = 18720 条这样的数据记录。
同理：
高度为3的B+树可以存放的行数 = 1170 * 1170 * 16 = 21902400
所以，千万级的数据存储只需要约3层B+树，所以说，根据主键id索引查询约3次IO便可以找到目标结果。
注意：查询数据时，每加载一页（page）代表一次IO，
当然 B+树的根节点是常驻内存的，这里少了一次IO。
但是，我们为例便于分析，在分析的时候，暂时不管吧，先看一般情况。
对于一些复杂的查询，可能需要走二级索引，那么通过二级索引查找记录最多需要花费多少次IO呢？
首先，从二级索引B+树中，根据name 找到对应的主键id
然后，再根据主键id 从 聚簇索引查找到对应的记录。
如上图所示，二级索引有3层，聚簇索引有3层，那么最多花费的IO次数是：3+3 = 6 （这里，忽略根节点常驻内存这件事）
聚簇索引默认是主键，如果表中没有定义主键，InnoDB 会选择一个唯一的非空索引代替。
如果连这样的索引没有，InnoDB 会隐式定义一个主键来作为聚簇索引。
这也是为什么InnoDB表必须有主键，并且推荐使用整型的自增主键！！！InnoDB使用的是聚簇索引，将主键组织到一棵B+树中，而行数据就储存在叶子节点上
为啥磁盘IO的性能低？ 不多说啦，具体请参考 的《Java葵花宝典：Java 高性能超底层原理》 视频和讲义，需要的请后台私信【笔记】即可获取！
通过上面的分析可以看出， 如果是 走 非聚集索引查询， 需要6次IO，
走 聚焦索引查询，需要3次磁盘IO
当然，以上分析流程，忽略了一些性能的优化措施，比如 B+树根节点 常驻内存，还有可能命中 查询缓存等等。
所以，innodb 单表推荐2kw 记录，超过了这个值可能会导致B+树层级更高，影响查询性能。
当然，凡事看场景，上面只是一般的分析。
索引结构不会影响单表最大行数，2kw也只是推荐值，最终的单表记录数最大值，受到硬件条件，和各种优化措施的影响。
只要按照上面的 流程去作答， 你的答案不是 100分，而是 120分
面试官一定是 心满意足， 五体投地。。。
问题1：在实际生产环境中，InnoDB 中一棵 B+ 树索引一般有多少层？
问题2：在实际生产环境中，InnoDB一棵B+树可以存放多少行数据？
问题3：MySQL 对于千万级的大表，为啥要优化？
问题4：mysql 单表最好不要超过2000w？
问题5：单表超过2000w 就要考虑数据迁移了，这个是为啥？
问题6：你这个表数据都马上要到2000w 了，难怪查询速度慢，为什么？
问题N： ... 第100个变种
前段时间，有一个小伙伴在面美团里的时候，又遇到了此问题。
其实，这些问题，都是在考察大家对 B+树底层原理的理解
尼恩在这里，给大家做一个系统化、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。
大家收藏起来，多度几遍，一定能让面试官刮目相看。
现在把这个 题目以及参考答案，收入咱们的 《尼恩Java面试宝典》，
供后面的小伙伴参考，提升大家的 3高 架构、设计、开发水平。
注：本文以 PDF 持续更新，最新Java 架构笔记、面试题 的PDF文件，请后台私信【笔记】即可获取！
要回答这些问题，在回答的时候，首先从 InnoDB 索引数据结构、数据组织方式说起。
磁盘扇区、文件系统、InnoDB 存储引擎都有各自的最小存储单元。
来看看三个重要的最小单元磁盘上，存储数据最小单元是扇区，一个扇区的大小是 512 字节，文件系统（例如EXT4）,最小单元是块 （block），一个block 块的大小是 4k，InnoDB 存储引擎 的最小储存单元——页（Page），一个页的大小是 16K。
来一个图，更清楚：
以上三个数据，非常重要，一定要背下来， 并且在面试的时候， 找个机会背出来。
面试官一听，感觉你的计算机底层知识是多么的扎实，好感慢慢。这是来自 老架构师的 衷心提示。
由于文件系统（例如EXT4）的最小单元是块 （block），一个block 块的大小是 4k，
所以，假设一个文件大小只有1个字节，那么，这个文件在磁盘上，还是不得不占4KB的空间。
具体如下图：
要知道，Innodb 的所有数据文件（后缀为 ibd 的文件），也是存储在磁盘的，当然也是由block组成，
所以，Innodb 的所有数据文件，全部都是 16384（16k）的整数倍。
具体如下图：
InnoDB 存储引擎 的最小储存单元——页（Page），一个页的大小是 16K，
在 MySQL 中我们的InnoDB 页的大小当然也可以通过参数设置的，具体如下图：
通过上图，可以看到，在 MySQL 中我们的 InnoDB 页的大小默认是 16k
数据表中的数据都是存储在页中的，所以一个页中能存储多少行数据呢？
先做一个假设：
假设一行数据的大小是1k，
那么一个16K页，可以存放16行这样的数据。
如果数据库只按这样的方式存储，那么如何查找数据就成为一个问题
因为我们不知道要查找的数据存在哪个页中，也不可能把所有的页遍历一遍，那样太慢了。
所以人们想了一个办法，用B+树的方式组织这些数据。B+ 树的叶子节点存储真正的记录，对应的文件系统 page页面，可以叫做 数据页B+ 树的非叶子节点存放的是键值 + 指针，其对应的文件系统 page页面，可以叫做 索引页
这里用指针来描其实述不是太准确，准确来说是页的偏移量，不过借用指针一词，更好理解
如图所示：
InnoDB中主键索引B+树是如何组织数据、查询数据的？
我们总结一下：
1、在B+树中叶子节点存放数据，非叶子节点存放键值+指针。
InnoDB存储引擎的最小存储单元是页，页可以用于存放数据也可以用于存放键值+指针，
2、页内的记录是有序的，所以可以使用二分查找在页内到下一层的目标页面的指针从根页开始，首先通过非叶子节点的二分查找法，确定数据在下一层哪个页之后，一层一层往下找，一直到非叶子节点，进而在非叶子节（数据页）中查找到需要的数据；
那么回到我们开始的问题，通常一棵B+树可以存放多少行数据？
首先，需要计算出非叶子节点能存放多少指针？
页作为 InnoDB 磁盘管理的最小单位，不仅可以用来存放具体的行数据，还可以存放键值和指针。
回到文题，我们先从简单的入手，
这里我们先假设B+树高为2，即存在一个根节点和若干个叶子节点，那么 B+ 树只有两层。
如下图：
那么对于这棵 B+ 树能够存放多少行数据，其实问的就是这棵 B+ 树的非叶子节点中存放的数据量，
那么，这棵简单的 B+ 树能够存放多少行数据，其实问的就是这棵 B+ 树的非叶子节点中存放的数据量，
这棵B+树的存放总记录数为, 是一个简单的公式：
每个叶子节点存放的行记录数就是每页存放的记录数，由于各个数据表中的字段数量都不一样，
这里我们就不深究叶子节点的存储结构了，
简单按照一行记录的数据大小为 1k 来算的话（实际上现在很多互联网业务数据记录大小通常就是 1K 左右），
一页（16K）或者说一个叶子节点可以存放 16 行这样的数据。
那么 ，这颗B+ 树 的非叶子节点（ 唯一的）能够存储多少数据呢？
非叶子节点里面存的是主键值 + 指针
为了方便分析，这里我们把一个主键值 + 一个指针称为一个单元，我们假设主键的类型是 BigInt，长度为 8 字节，而指针大小在 InnoDB 中设置为 6 字节，
这样一个单元，一共 14 字节。
这样的话，一页或者说一个非叶子节点能够存放 16384 / 14=1170 个这样的单元。
也就是说一个非叶子节点中能够存放 1170 个指针，即对应 1170 个叶子节点，
所以对于这样一棵高度为 2 的 B+ 树，能存放 1170（一个非叶子节点中的指针数） * 16（一个叶子节点中的行数）= 18720 行数据。
当然，这样分析其实不是很严谨，InnoDB 数据页结构，不全是 主键值 + 一个指针，还有其他的一些 元数据。
按照 《MySQL 技术内幕：InnoDB 存储引擎》中的定义，InnoDB 数据页结构包含如下几个部分：
分析完高度为 2 的 B+ 树，同样的道理，我们来看高度为 3 的：
根页（page10）可以存放 1170 个指针，
然后第二层的每个页（page:11,12,13）也都分别可以存放1170个指针。
这样一共可以存放 1170 * 1170 个指针，
即对应的有 1170 * 1170 个非叶子节点，
所以，高为3的B+树一共可以存放 1170 * 1170 * 16 = 21902400 行记录。
回到问题，InnoDB 一棵 B+ 树可以存放多少行数据？
这个问题的简单回答是：约 2 千万。
在InnoDB 引擎中，实际的情况如何呢？
在InnoDB的表空间文件中，约定page number为3的代表主键索引的根页，而在根页偏移量为64的地方存放了该B+树的page level。
如果page level为1，树高为2，page level为2，则树高为3。
即B+树的高度=page level+1；
下面我们将从实际环境中尝试找到这个page level。
实验环境中，这三张表的数据量如下：
从图中可以看到，一个表600W，一个表 15W，一个表5行数据。
在实际操作之前，你可以通过InnoDB元数据表确认主键索引根页的page number为3，你也可以从《InnoDB存储引擎》这本书中得到确认。
说明：
information_schema是mysql自带的一个信息数据库，其保存着关于mysql服务器所维护的所有其他数据库的信息，如数据库名，数据库的表，表栏的数据类型与访问权限等。innodb_sys_indexes：innodb表的索引的相关信息innodb_sys_tables：表格的格式和存储特性，包括行格式，压缩页面大小位级别的信息
执行结果：
可以看出数据库dbt3下的customer表、lineitem表主键索引根页的page number均为3，而其他的二级索引page number为4。
在进行深入分析之前，首先回顾一下基础知识
数据表的主键列使用的就是主键索引。一张数据表有只能有一个主键，并且主键不能为 null，不能重复。
在 MySQL 的 InnoDB 的表中，当没有显示的指定表的主键时，InnoDB 会自动先检查表中是否有唯一索引的字段，如果有，则选择该字段为默认的主键，否则 InnoDB 将会自动创建一个 6Byte 的自增主键。
二级索引又称为辅助索引，是因为二级索引的叶子节点存储的数据是主键。也就是说，通过二级索引，可以定位主键的位置。常用的二级索引包括：唯一索引(Unique Key) ：唯一索引也是一种约束。唯一索引的属性列不能出现重复的数据，但是允许数据为 NULL，一张表允许创建多个唯一索引。 建立唯一索引的目的大部分时候都是为了该属性列的数据的唯一性，而不是为了查询效率。普通索引(Index) ：普通索引的唯一作用就是为了快速查询数据，一张表允许创建多个普通索引，并允许数据重复和 NULL。前缀索引(Prefix) ：前缀索引只适用于字符串类型的数据。前缀索引是对文本的前几个字符创建索引，相比普通索引建立的数据更小， 因为只取前几个字符。
从物理意义上来讲，InnoDB表由共享表空间文件（ibdata1）、独占表空间文件（ibd）、表结构文件（.frm）、以及日志文件（redo文件等）组成。
在MYSQL中建立任何一张数据表，在其数据目录对应的数据库目录下都有对应表的.frm文件
.frm文件是用来保存每个数据表的元数据(meta)信息，包括表结构的定义等，
.frm文件跟数据库存储引擎无关，也就是任何存储引擎的数据表都必须有.frm文件，
命名方式为数据表名.frm，如user.frm. ， .frm文件可以用来在数据库崩溃时恢复表结构。
（1）表空间结构分析
以下为InnoDB的表空间结构图：
数据段即B+树的叶子节点，索引段即为B+树的非叶子节点InnoDB存储引擎的管理是由引擎本身完成的，
表空间（Tablespace）是由分散的段(Segment)组成。一个段(Segment)包含多个区（Extent）。
区（Extent）由64个连续的页（Page）组成，每个页大小为16K，即每个区大小为1MB，创建新表时，先使用32页大小的碎片页存放数据，使用完后才是区的申请（InnoDB最多每次申请4个区，保证数据的顺序性能）页类型有：数据页、Undo页、系统页、事务数据页、插入缓冲位图页、以及插入缓冲空闲列表页。
（2）独占表空间文件
若将innodb_file_per_table设置为on，则系统将为每一个表单独的生成一个table_name.ibd的文件，
在此文件中，存储与该表相关的数据、索引、表的内部数据字典信息。
（3）共享表空间文件
在InnoDB存储引擎中，默认表空间文件是ibdata1（主要存储的是共享表空间数据），初始化为10M，且可以扩展，如下图所示：
实际上，InnoDB的表空间文件是可以修改的，使用以下语句就可以修改：
使用共享表空间存储方式时，Innodb的所有数据保存在一个单独的表空间里面，而这个表空间可以由很多个文件组成，一个表可以跨多个文件存在，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。
从Innodb的官方文档中可以看到，其表空间的最大限制为64TB，也就是说，Innodb的单表限制基本上也在64TB左右了，当然这个大小是包括这个表的所有索引等其他相关数据。
而在使用单独表空间存储方式时，每个表的数据以一个单独的文件来存放，这个时候的单表限制，又变成文件系统的大小限制了。
了解了这些基础知识之后，下面我们对数据库表空间文件做相关的解析， 主要是针对独占独占表空间文件（ibd）
因为主键索引B+树的根页，在整个表空间文件中的第3个页开始，所以可以算出它在文件中的偏移量：
另外根据《InnoDB存储引擎》中描述在根页的64偏移量位置前2个字节，保存了page level的值，
因此我们想要的page level的值在整个文件中的偏移量为：16384*3+64=49152+64=49216，前2个字节中。
接下来我们用hexdump工具，查看表空间文件指定偏移量上的数据：
linetem表的page level为2，B+树高度为page level+1=3；
region表的page level为0，B+树高度为page level+1=1；
customer表的page level为2，B+树高度为page level+1=3；
总结，通过分析可以看到，实验环境的三个表：lineitem表的数据行数为600多万，B+树高度为3，customer表数据行数只有15万，B+树高度也为3。
可以看出尽管数据量差异较大，这两个表树的高度都是3，换句话说这两个表通过索引查询效率并没有太大差异，因为都只需要做3次IO。
所以在InnoDB中B+树高度一般为1-3层，它就能满足千万级的数据存储。
在查找数据时一次页的查找代表一次IO，所以通过主键索引查询通常只需要1-3次IO操作即可查找到数据。
前面分析了，假设主键ID为bigint类型，长度为8字节，
而指针大小在InnoDB源码中设置为6字节，这样一共14字节。
那么一个页中能存放多少这样的组合，就代表有多少指针，即 16384 / 14 = 1170。
那么可以算出一棵高度为2 的B+树，能存放 1170 * 16 = 18720 条这样的数据记录。
同理：
高度为3的B+树可以存放的行数 = 1170 * 1170 * 16 = 21902400
所以，千万级的数据存储只需要约3层B+树，所以说，根据主键id索引查询约3次IO便可以找到目标结果。
注意：查询数据时，每加载一页（page）代表一次IO，
当然 B+树的根节点是常驻内存的，这里少了一次IO。
但是，我们为例便于分析，在分析的时候，暂时不管吧，先看一般情况。
对于一些复杂的查询，可能需要走二级索引，那么通过二级索引查找记录最多需要花费多少次IO呢？
首先，从二级索引B+树中，根据name 找到对应的主键id
然后，再根据主键id 从 聚簇索引查找到对应的记录。
如上图所示，二级索引有3层，聚簇索引有3层，那么最多花费的IO次数是：3+3 = 6 （这里，忽略根节点常驻内存这件事）
聚簇索引默认是主键，如果表中没有定义主键，InnoDB 会选择一个唯一的非空索引代替。
如果连这样的索引没有，InnoDB 会隐式定义一个主键来作为聚簇索引。
这也是为什么InnoDB表必须有主键，并且推荐使用整型的自增主键！！！InnoDB使用的是聚簇索引，将主键组织到一棵B+树中，而行数据就储存在叶子节点上
为啥磁盘IO的性能低？ 不多说啦，具体请参考 的《Java葵花宝典：Java 高性能超底层原理》 视频和讲义，需要的请后台私信【笔记】即可获取！
通过上面的分析可以看出， 如果是 走 非聚集索引查询， 需要6次IO，
走 聚焦索引查询，需要3次磁盘IO
当然，以上分析流程，忽略了一些性能的优化措施，比如 B+树根节点 常驻内存，还有可能命中 查询缓存等等。
所以，innodb 单表推荐2kw 记录，超过了这个值可能会导致B+树层级更高，影响查询性能。
当然，凡事看场景，上面只是一般的分析。
索引结构不会影响单表最大行数，2kw也只是推荐值，最终的单表记录数最大值，受到硬件条件，和各种优化措施的影响。
只要按照上面的 流程去作答， 你的答案不是 100分，而是 120分
面试官一定是 心满意足， 五体投地。。。
猜你喜欢
常见问题
1.请问哪个平台可以在线观看国产剧《疯狂创客》？
神马影院网友：疯狂创客高清无广告在线播放地址https://www.ntdhdz.com/ndzvod/14954.html
2.国产剧《疯狂创客》上映时间？
3.国产剧《疯狂创客》演员列表？
4.网友怎么评价《疯狂创客》？
Mtime网友：这个题材，做成这样，真的很不容易了。尤其是，影片在影像上非常有特点，大量的特写镜头、跟拍、手持，以及碎片式剪辑，营造出强烈的恐慌与不安感。这种情绪，其实就是角色在片中的情绪，它以影像的方式，最直接延伸给观众。
丢豆网网友：一个好的导演，是会调教演员的，知道演员的优势在哪里。 《疯狂创客》像极了一道来自异域的夏日甜品，虽然不是主菜的配置，但却也有着勾人的独特风情。坦白说，最初的确是冲着未知导演的名号看的，毕竟人家讲故事的功力摆在那里，但一开始就入了坑也是我怎么都没料到的。
豆瓣网网友：放在豆瓣语境下，是部时至今日终于拍出来的中国大陆 “高分国产剧”。拿现实题材拍商业类型片，社会意义摆在那，群戏也处理得相当不错。对我们国家而言，这样的电影多一部是一部，走一步是一步。
常见问题
我不是啥权主义，也不想引战，只是个普通观众，但总觉得本剧某些情节和台词的设计非常刻意
来自【网友】的网友评论
2018-09-14 11:56:41
不知是机缘巧合，还是命中注定，正好在这个周六上午刷完《Love,Rosie》，晚上就是《疯狂创客》。人类总是习惯通过一个词来定义和概括事物，以便高效认知世界。但是在感情世界中，这种认识方法却是一种偷懒的行为。我们总是习惯用友情、爱情、亲情来定义人与人之间的关系，然后用“友情”（或者“爱情”/“亲情”）中潜在的行为准则来规范交往界限。例如：一旦朋友之间做了某个事情，好像越界了，要么进一步成为爱情，要么退回尴尬的友情。
来自【网友】的网友评论
2019-01-08 19:55:51
《疯狂创客》像极了一道来自异域的夏日甜品，虽然不是主菜的配置，但却也有着勾人的独特风情。坦白说，最初的确是冲着未知导演的名号看的，毕竟人家讲故事的功力摆在那里，但一开始就入了坑也是我怎么都没料到的。
来自【网友】的网友评论
2019-05-08 23:56:37
相比演员的表演来说，导演的一些细节很有意思，也不知道导演怎么想的，但是作为观众，我看到了导演的用心。也不知道和导演想的是不是一样，总之我认为这部片子很不错，还有很多镜头切换的地方也很好，就不一一赘述了。导演很用心，很让人满意，唯一一点瑕疵我认为是剧本有些粗糙，但也不排除是因为时间限制等特殊原因。
来自【网友】的网友评论
2020-02-07 10:16:01
随着生活水平的提高，人们的精神追求越来越值得关注。作为社会娱乐文化的一方面，在某种程度上影片、视频已经成为了我们日常生活的一部分。在观看影片时，我们经常是和影片里的人一起欢笑、一起激动、一起被那些令人恐怖的图景缠绕。也就是说，我们的生活已经和电视剧水乳交融，以至于我们很少认真地思考电视剧本身，更不用说动笔写电视剧评论了。
国产剧周榜单
来自【网友】的网友评论
2018-03-05 18:56:31