想必大家也聽說過數(shù)據(jù)庫單表建議最大2kw條數(shù)據(jù)這個說法。如果超過了，性能就會下降得比較厲害。

巧了。

我也聽說過。

但我不接受它的建議，硬是單表裝了1億條數(shù)據(jù)。

這時候，我們組里新來的實習生看到了之后，天真無邪的問我："單表不是建議最大兩千萬嗎？為什么這個表都放了1個億還不分庫分表"？

我能說我是因為懶嗎？我當初設計時哪里想到這表竟然能漲這么快。。。

我不能。

說了等于承認自己是開發(fā)組里的毒瘤，雖然我確實是，但我不能承認。

我如坐針氈，如芒刺背，如鯁在喉。

開始了一波騷操作。

"我這么做是有道理的"

"雖然這個表很大，但你有沒有發(fā)現(xiàn)它查詢其實還是很快"

"這個2kw是個建議值，我們要來看下這個2kw是怎么來的"

數(shù)據(jù)庫單表行數(shù)最大多大？

我們先看下單表行數(shù)理論最大值是多少。

建表的SQL是這么寫的，

CREATETABLE`user`(
`id`int(10)unsignedNOTNULLAUTO_INCREMENTCOMMENT'主鍵',
`name`varchar(100)NOTNULLDEFAULT''COMMENT'名字',
`age`int(11)NOTNULLDEFAULT'0'COMMENT'年齡',
PRIMARYKEY(`id`),
KEY`idx_age`(`age`)
)ENGINE=InnoDBAUTO_INCREMENT=100037DEFAULTCHARSET=utf8;

其中id就是主鍵。主鍵本身唯一，也就是說主鍵的大小可以限制表的上限。

如果主鍵聲明為int大小，也就是32位，那么能支持2^32-1，也就是21個億左右。

如果是bigint，那就是2^64-1，但這個數(shù)字太大，一般還沒到這個限制之前，磁盤先受不了。

搞離譜點。

如果我把主鍵聲明為 tinyint，一個字節(jié)，8位，最大2^8-1，也就是255。

CREATETABLE`user`(
`id`tinyint(2)unsignedNOTNULLAUTO_INCREMENTCOMMENT'主鍵',
`name`varchar(100)NOTNULLDEFAULT''COMMENT'名字',
`age`int(11)NOTNULLDEFAULT'0'COMMENT'年齡',
PRIMARYKEY(`id`),
KEY`idx_age`(`age`)
)ENGINE=InnoDBAUTO_INCREMENT=0DEFAULTCHARSET=utf8;

如果我想插入一個id=256的數(shù)據(jù)，那就會報錯。

mysql>INSERTINTO`tmp`(`id`,`name`,`age`)VALUES(256,'',60);
ERROR1264(22003):Outofrangevalueforcolumn'id'atrow1

也就是說，tinyint主鍵限制表內(nèi)最多255條數(shù)據(jù)。

那除了主鍵，還有哪些因素會影響行數(shù)？

索引的結(jié)構(gòu)

索引內(nèi)部是用的B+樹，這個也是八股文老股了，大家估計也背得很熟了。

為了不讓大家有過于強烈的審丑疲勞，今天我嘗試從另外一個角度給大家講講這玩意。

頁的結(jié)構(gòu)

假設我們有這么一張user數(shù)據(jù)表。

user表

其中id是唯一主鍵。

這看起來的一行行數(shù)據(jù)，為了方便，我們后面就叫它們record吧。

這張表看起來就跟個excel表格一樣。excel的數(shù)據(jù)在硬盤上是一個xx.excel的文件。

而上面user表數(shù)據(jù)，在硬盤上其實也是類似，放在了user.ibd文件下。含義是user表的innodb data文件，專業(yè)點，又叫表空間。

雖然在數(shù)據(jù)表里，它們看起來是挨在一起的。但實際上在user.ibd里他們被分成很多小份的數(shù)據(jù)頁，每份大小16k。

類似于下面這樣。

ibd文件內(nèi)部有大量的頁

我們把視角聚焦一下，放到頁上面。

整個頁16k，不大，但record這么多，一頁肯定放不下，所以會分開放到很多頁里。并且這16k，也不可能全用來放record對吧。

因為record們被分成好多份，放到好多頁里了，為了唯一標識具體是哪一頁，那就需要引入頁號（其實是一個表空間的地址偏移量）。同時為了把這些數(shù)據(jù)頁給關聯(lián)起來，于是引入了前后指針，用于指向前后的頁。這些都被加到了頁頭里。

頁是需要讀寫的，16k說小也不小，寫一半電源線被拔了也是有可能發(fā)生的，所以為了保證數(shù)據(jù)頁的正確性，還引入了校驗碼。這個被加到了頁尾。

那剩下的空間，才是用來放我們的record的。而record如果行數(shù)特別多的話，進入到頁內(nèi)時挨個遍歷，效率也不太行，所以為這些數(shù)據(jù)生成了一個頁目錄，具體實現(xiàn)細節(jié)不重要。只需要知道，它可以通過二分查找的方式將查找效率從O(n) 變成O(lgn)。

頁結(jié)構(gòu)

從頁到索引

如果想查一條record，我們可以把表空間里每一頁都撈出來，再把里面的record撈出來挨個判斷是不是我們要找的。

行數(shù)量小的時候，這么操作也沒啥問題。

行數(shù)量大了，性能就慢了，于是為了加速搜索，我們可以在每個數(shù)據(jù)頁里選出主鍵id最小的record，而且只需要它們的主鍵id和所在頁的頁號。組成新的record，放入到一個新生成的一個數(shù)據(jù)頁中，這個新數(shù)據(jù)頁跟之前的頁結(jié)構(gòu)沒啥區(qū)別，而且大小還是16k。

但為了跟之前的數(shù)據(jù)頁進行區(qū)分。數(shù)據(jù)頁里加入了頁層級（page level）的信息，從0開始往上算。于是頁與頁之間就有了上下層級的概念，就像下面這樣。

兩層B+樹結(jié)構(gòu)

突然頁跟頁之間看起來就像是一棵倒過來的樹了。也就是我們常說的B+樹索引。

最下面那一層，page level 為0，也就是所謂的葉子結(jié)點，其余都叫非葉子結(jié)點。

上面展示的是兩層的樹，如果數(shù)據(jù)變多了，我們還可以再通過類似的方法，再往上構(gòu)建一層。就成了三層的樹。

三層B+樹結(jié)構(gòu)

那現(xiàn)在我們就可以通過這樣一棵B+樹加速查詢。舉個例子。

比方說我們想要查找行數(shù)據(jù)5。會先從頂層頁的record們?nèi)胧帧?strong style="font-size:inherit;line-height:inherit;color:rgb(41,98,255);">record里包含了主鍵id和頁號（頁地址）。看下圖黃色的箭頭，向左最小id是1，向右最小id是7。那id=5的數(shù)據(jù)如果存在，那必定在左邊箭頭。

于是順著的record的頁地址就到了6號數(shù)據(jù)頁里，再判斷id=5>4，所以肯定在右邊的數(shù)據(jù)頁里，于是加載105號數(shù)據(jù)頁。在數(shù)據(jù)頁里找到id=5的數(shù)據(jù)行，完成查詢。

B+樹查詢過程

另外需要注意的是，上面的頁的頁號并不是連續(xù)的，它們在磁盤里也不一定是挨在一起的。

這個過程中查詢了三個頁，如果這三個頁都在磁盤中（沒有被提前加載到內(nèi)存中），那么最多需要經(jīng)歷三次磁盤IO查詢，它們才能被加載到內(nèi)存中。

B+樹承載的記錄數(shù)量

從上面的結(jié)構(gòu)里可以看出B+樹的最末級葉子結(jié)點里放了record數(shù)據(jù)。而非葉子結(jié)點里則放了用來加速查詢的索引數(shù)據(jù)。

也就是說

同樣一個16k的頁，非葉子節(jié)點里每一條數(shù)據(jù)都指向一個新的頁，而新的頁有兩種可能。

• 如果是末級葉子節(jié)點的話，那么里面放的就是一行行record數(shù)據(jù)。

• 如果是非葉子節(jié)點，那么就會循環(huán)繼續(xù)指向新的數(shù)據(jù)頁。

假設

• 非葉子結(jié)點內(nèi)指向其他內(nèi)存頁的指針數(shù)量為x

• 葉子節(jié)點內(nèi)能容納的record數(shù)量為y

• B+樹的層數(shù)為z

總行數(shù)的計算方法

那這棵B+樹放的行數(shù)據(jù)總量等于 (x ^ (z-1)) * y。

x怎么算

我們回去看數(shù)據(jù)頁的結(jié)構(gòu)。

頁結(jié)構(gòu)

非葉子節(jié)點里主要放索引查詢相關的數(shù)據(jù)，放的是主鍵和指向頁號。

主鍵假設是bigint（8Byte），而頁號在源碼里叫FIL_PAGE_OFFSET（4Byte），那么非葉子節(jié)點里的一條數(shù)據(jù)是12Byte左右。

整個數(shù)據(jù)頁16k， 頁頭頁尾那部分數(shù)據(jù)全加起來大概128Byte，加上頁目錄毛估占1k吧。那剩下的15k除以12Byte，等于1280，也就是可以指向x=1280頁。

我們常說的二叉樹指的是一個結(jié)點可以發(fā)散出兩個新的結(jié)點。m叉樹一個節(jié)點能指向m個新的結(jié)點。這個指向新節(jié)點的操作就叫扇出（fanout）。

而上面的B+樹，它能指向1280個新的節(jié)點，恐怖如斯，可以說扇出非常高了。

y的計算

葉子節(jié)點和非葉子節(jié)點的數(shù)據(jù)結(jié)構(gòu)是一樣的，所以也假設剩下15kb可以發(fā)揮。

葉子節(jié)點里放的是真正的行數(shù)據(jù)。假設一條行數(shù)據(jù)1kb，所以一頁里能放y=15行。

行總數(shù)計算

回到 (x ^ (z-1)) * y 這個公式。

已知x=1280，y=15。

假設B+樹是兩層，那z=2。則是(1280 ^ (2-1)) * 15 ≈ 2w

假設B+樹是三層，那z=3。則是(1280 ^ (3-1)) * 15 ≈ 2.5kw

這個2.5kw，就是我們常說的單表建議最大行數(shù)2kw的由來。畢竟再加一層，數(shù)據(jù)就大得有點離譜了。三層數(shù)據(jù)頁對應最多三次磁盤IO，也比較合理。

行數(shù)超一億就慢了嗎？

上面假設單行數(shù)據(jù)用了1kb，所以一個數(shù)據(jù)頁能放個15行數(shù)據(jù)。

如果我單行數(shù)據(jù)用不了這么多，比如只用了250byte。那么單個數(shù)據(jù)頁能放60行數(shù)據(jù)。

那同樣是三層B+樹，單表支持的行數(shù)就是 (1280 ^ (3-1)) * 60 ≈ 1個億。

你看我一個億的數(shù)據(jù)，其實也就三層B+樹，在這個B+樹里要查到某行數(shù)據(jù)，最多也是三次磁盤IO。所以并不慢。

這就很好的解釋了文章開頭，為什么我單表1個億，但查詢性能沒啥大毛病。

B樹承載的記錄數(shù)量

既然都聊到這里了，我們就順著這個話題多聊一些吧。

我們都知道，現(xiàn)在mysql的索引都是B+樹，而有一種樹，跟B+樹很像，叫B樹，也叫B-樹。

它跟B+樹最大的區(qū)別在于，B+樹只在末級葉子結(jié)點處放數(shù)據(jù)表行數(shù)據(jù)，而B樹則會在葉子和非葉子結(jié)點上都放。

于是，B樹的結(jié)構(gòu)就類似這樣

B樹結(jié)構(gòu)

B樹將行數(shù)據(jù)都存在非葉子節(jié)點上，假設每個數(shù)據(jù)頁還是16kb，掐頭去尾每頁剩15kb，并且一條數(shù)據(jù)表行數(shù)據(jù)還是占1kb，就算不考慮各種頁指針的情況下，也只能放個15條數(shù)據(jù)。數(shù)據(jù)頁扇出明顯變少了。

計算可承載的總行數(shù)的公式也變成了一個等比數(shù)列。

15+15^2+15^3+...+15^z

其中z還是層數(shù)的意思。

為了能放2kw左右的數(shù)據(jù)，需要z>=6。也就是樹需要有6層，查一次要訪問6個頁。假設這6個頁并不連續(xù)，為了查詢其中一條數(shù)據(jù)，最壞情況需要進行6次磁盤IO。

而B+樹同樣情況下放2kw數(shù)據(jù)左右，查一次最多是3次磁盤IO。

磁盤IO越多則越慢，這兩者在性能上差距略大。

為此，B+樹比B樹更適合成為mysql的索引。

總結(jié)

• B+樹葉子和非葉子結(jié)點的數(shù)據(jù)頁都是16k，且數(shù)據(jù)結(jié)構(gòu)一致，區(qū)別在于葉子節(jié)點放的是真實的行數(shù)據(jù)，而非葉子結(jié)點放的是主鍵和下一個頁的地址。

• B+樹一般有兩到三層，由于其高扇出，三層就能支持2kw以上的數(shù)據(jù)，且一次查詢最多1~3次磁盤IO，性能也還行。

• 存儲同樣量級的數(shù)據(jù)，B樹比B+樹層級更高，因此磁盤IO也更多，所以B+樹更適合成為mysql索引。

• 索引結(jié)構(gòu)不會影響單表最大行數(shù)，2kw也只是推薦值，超過了這個值可能會導致B+樹層級更高，影響查詢性能。

• 單表最大值還受主鍵大小和磁盤大小限制。

參考資料

《MYSQL內(nèi)核：INNODB存儲引擎 卷1》

最后

雖然我在單表里塞了1億條數(shù)據(jù)，但這個操作的前提是，我很清楚這不會太影響性能。

這波解釋，毫無破綻，無懈可擊。

到這里，連我自己都被自己說服了。想必實習生也是。

可惡，這該死的毒瘤竟然有些"知識淵博"。

審核編輯 ：李倩