很多面试题都会问，MySQL的索引数据结构是什么，答案很简单，是B Tree，然后又会问，为什么是采用B Tree，而不是一般二叉树呢，原因也很简单，降低树的高度，可以减少io交互次数，也就是减少读写磁盘的次数。那问题来了：为什么读写磁盘速度会慢呢？它是一个怎样的过程，它到底慢在哪里呢？ |
|---|
一、磁盘组成
在解释磁盘读写慢之前，我们首先要了解它底层到底是个什么东西，数据到底是如何存储在物理设备上面，是以一个什么的形式存在。所以我们先来了解一下：磁盘究竟是什么，是用什么介质来存储数据的，数据在介质中的形式是什么样的？
1.1 磁盘是什么
磁盘（disk）是指利用磁记录技术存储数据的存储器。磁盘是计算机主要的存储介质，可以存储大量的二进制数据，并且断电后也能保持数据不丢失。早期计算机使用的磁盘是软磁盘（Floppy Disk，简称软盘），如今常用的磁盘是硬磁盘（Hard disk，简称硬盘）。
来源《百度百科》
1.2 磁盘存储介质
所以存储介质是：用一堆可以存储正负电极的磁性材料组成，因为正负电极可以代表计算机中0和1。所以我们所熟知的视频、语音、图片、文字等这些 ，在磁盘存储形式都是0和1，映射到存储介质中，就是一堆的正负磁性材料。
二、磁盘寻址过程
磁盘的存储介质了解之后，那回到我们刚才说的问题，为什么进行磁盘io读写会慢，要回答这个问题之前，我们先来了解一下，磁盘到底是如何寻址的，如下图所示：
目前市面上一般有两种磁盘，一种是机械磁盘（又叫做HDD），另外一种是固态磁盘（又叫做SSD）。后者比前者速度快，稳定性要好，当然价格相对也更贵。我们今天主要介绍经典的HDD磁盘是如何寻址的。
2.1 机械磁盘物理结构
机械磁盘是由很多盘片组成的圆柱体，每个盘面有很多的磁道，磁道里面又可以划分为很多的扇区，扇区才是真正存储数据的地方。所以地址寻址本质上，是指从一个个扇区中找到所需数据的过程。
2.2 机器磁盘的寻址过程
机械磁盘存在两组运动，一组是磁盘的旋转运动（旋转时间），一组是机械臂控制磁头的沿半经方向的直线运动（寻道时间），其中寻道时间远大于旋转时间。所以我们在寻址时优先考虑磁盘旋转，而后再考虑磁头移动。
因为读取数据，本质上是通过磁头读取介质中的正负磁性，然后通过电流传输回去，这个读取过程是非常快速的，相对旋转时间和寻道时间几何可以忽略不计。所以读取速度的瓶颈就是如何减少寻址的时间。
在我们不知道具体物理地址之前，需要进行全盘遍历寻址，那如何遍历寻址才会高效呢？上头我们介绍到，机械磁盘其实是圆柱体，是由很多盘片组成，又因为寻道时间大于旋转时间远，所以是并发同时进行最外层磁道的读取，如果整个圆柱体的当前磁道都读取不到数据的情况下，再移动磁头，也就是进行寻道，然后再接着继续旋转读取磁道信息，这样一直反复直到找到对应的数据。
但是不管是旋转还是寻道对比内存和cpu处理时间，都不在一个数量级上面，所以这也是数据库索引为什么用B Tree，以此来降低树的高度，减少磁盘访问次数的原因。
2.3 固态磁盘的区别
固态磁盘和机械磁盘物理结构有着本质的区别，它没有扇区、盘片、圆柱体这些概念，从名字就可以看出，它不是机械来驱动的，它是采用存储芯片进行数据存储。固态磁盘的存储芯片主要分为两种：一种是采用闪存作为存储介质的；另一种是采用DRAM作为存储介质的。目前使用较多的主要是采用闪存作为存储介质的固态磁盘。
固态磁盘啥都好，就是价格贵（哈哈哈），还有一个非常核心的问题，就是存在写入次数上限，这个和它的工作原理有关（有兴趣的同学可以自行百度），超过一定次数，就会损坏。但是这边写入次数，并不是指文件写入次数，而是写入超多多少的量才算一次，一般的SSD的寿命在10-20年之间。
固态磁盘虽然和机械磁盘很不一样，但是为了保证计算机的兼容性，不需要对上层程序进行更改，固态磁盘实际寻址方法和机械磁盘寻址方法是一样（软件层面上），只是磁盘内部做了兼容处理。最有力的证据就是：如果二者不兼容，旧电脑的磁盘是无法变更为固态磁盘的，因为硬件程序不兼容。
三、文件系统
计算机磁盘我们现在清楚了，但是我们不可能每打开一个文件，就全局遍历所有的内容，这样会导致打开一个文件，就要等很长一段时间，效率太差。而且磁盘存储数据是0和1，文件是各种格式的数据，需要有一个数据解析转化的过程。那谁来实现这个过程呢，对就是文件系统。
3.1 什么是文件系统
像我们不管是开发程序还是日常使用软件，对于文件的读写，都不需要考虑底层存储细节，而且速度非常快，实现这一切的功臣就是我们所熟知的操作系统。
每个操作系统都提供了成熟的文件系统。不管是linux，还是win系统，都有自己的文件系统来处理文件的读写操作。下面我们就来介绍一下，文件系统到底是如何工作，一个文件要怎么做，才能快速的找到存储地址，从而快速的读写。
那什么是文件系统呢？说白了就是：介于磁盘上层的一个读写数据系统，让应用层不需要知道磁盘复杂结构，就可以快速寻址并解析原始数据，返回文件对应格式数据。
3.2 如何解决寻址问题
那文件系统到底怎么解决快速寻址的问题？大家有没有发现，每当我们初始化系统之后，就莫名其妙少了一部分的磁盘空间，这部分的磁盘空间是无法存储数据，是操作系统独享的。这里面除了操作系统所需要的空间外，还有一部分空间是用来存储元数据。
上面的磁盘空间是1T的，也就是有1024GB空间，现在只有931G空间，其中一部分就是被元数据所占用。
什么是元数据的，首先我们系统中所有的文件都在某一个目录上面，所以最基础的文件结构就是：目录--》文件，再复杂点，就是目录--》子目录--》子目录....--》文件。所以我们只要确定文件到底存储在哪个目录下，就可以直接跳转到这个地址去读取文件。
元数据就是这些目录和文件对应的磁盘物理地址。当然目录和文件也是一个海量的数据，不可能一股脑全部放到一起，每次全量扫描这种。它也是采用上下级的形式，从最顶层一直到最底层。上层的元数据在系统启动之后会初始化到内存中，并结构化为方便查询的数据结构。
这样打开一个文件就变成，从内存/磁盘中找到文件的物理地址，然后通过磁盘读写，将数据读取出来，通过文件系统转译为文件本身格式，将数据返回给调用者。
上述只是简单地对文件系统做一个介绍，文件系统的内容永不止这些，目前比较主流的是FAT和EXT2文件系统，有兴趣的同学可以阅读：文件系统是怎么通过路径来知道文件所在的磁盘位置？ - 知乎
四、复盘总结
了解底层存储原理和文件系统之后，我们再去学习各类数据库就会事半功倍。童靴们要明白，在物理存储介质没有突破之前，任何一款数据库想要达到优质的性能，除了不断优化框架和算法之外，必然是采用空间换时间的办法。
因为单台计算机是有上限的，但我们的数据量又是没有上限。所以必然要采取分布式存储的架构来扩展系统。但是如果采用分布式，要保证CAP，就必须要多副本、多机器，这本身就是一个很大的成本在里面。CAP 理论是针对分布式数据库而言的，它是指在一个分布式系统中，一致性（Consistency, C）、可用性（Availability, A）、分区容错性（Partition Tolerance, P）三者不可兼得。所以同学们如果有机会作为架构师来选择数据库的时候，就要把握好这个度了，目前没有一款产品，可以完美的解决各种大数据问题，都是某一方面存在特性，但是又不完美，需要根据业务场景来确定，而不是简单的拍脑袋。
-----------------------
