如果Master收到所有 Slave的OK消息，它就会向所有Slave发送提交消息，告诉Slave提交该事务；
让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：域名与空间、雅安服务器托管、营销软件、网站建设、中方网站维护、网站推广。
如果Slave收到提交请求，它们就会提交事务，并向Master发送事务已提交 的确认；
如果Slave收到取消请求,它们就会撤销所有改变并释放所占有的资源，从而中止事务，然后向Masterv送事务已中止的确认。
随着计算机和信息技术的迅猛发展和普及，行业应用系统的规模迅速扩大，行业应用所产生的数据量量呈爆炸式增长，类似于MySQL集群这样的技术得到了广泛的运用，MySQL集群原理的运用就显得尤其重要。
动力节点的MySQL集群教程 ，对于MySQL集群技术的应用场景有着详细的介绍，能够有效帮助我们学以致用， 教程主要从MySQL集群架构解析到架构部署再到集群架构测试，一步步带你部署企业级的MySQL数据库集群项目，熟悉各个环节技术点，提升数据库架构设计能力。
•001.MySQL集群视频教程：主从复制介绍
•002.MySQL集群视频教程：主从复制结构
•003.MySQL集群视频教程：主从复制流程原理
•004.MySQL集群视频教程：多实例安装
•005.MySQL集群视频教程：多实例链接
•006.MySQL集群视频教程：一主多从-配置
•007.MySQL集群视频教程：-一主多从测试
•008.MySQL集群视频教程：双主双从配置
•009.MySQL集群视频教程：双主双从测试
•010.MySQL集群视频教程：多数据源-环境搭建
•011.MySQL集群视频教程：多算数据源实现
•012.MySQL集群视频教程：修复MySLQ主从复制
•013.MySQL集群视频教程：多数据源的问题
•014.MySQL集群视频教程：动态数据源
•015.MySQL集群视频教程：动态数据源执行流程
•016.MySQL集群视频教程：SpringBoot集成多数据源
•017.MySQL集群视频教程：SpringBoot集成多数据源问题
•018.MySQL集群视频教程：SpringBoot集成动态数据源
二叉树：当不平衡时，单边增长，可能退化为线性
红黑树：数据量大时，深度不可控
AVL树：相比较与红黑树，严格平衡，但是增删情况下，通过旋转再平衡的开销过大，适合查找场景多的应用
Hash： 不支持范围查找
平衡的多路查找树，一个结点存放多个元素。
与红黑树相比，在相同的的节点的情况下，一颗B/B+树的高度远远小于红黑树的高度(在下面B/B+树的性能分析中会提到)。B/B+树上操作的时间通常由存取磁盘的时间和CPU计算时间这两部分构成，而CPU的速度非常快，所以B树的操作效率取决于访问磁盘的次数，关键字总数相同的情况下B树的高度越小，磁盘I/O所花的时间越少。
m阶：节点中，子节点数的最大值（子节点数，不是结点存放元素）
1. 树中每个结点最多m个子树（最多m-1个关键字，两个子树夹一个关键字）
2. 根节点最少有1个关键字
3. 非根结点最少m/2个子树（m/2 - 1个关键字）
4. 每个关键字排序
5. 所有的叶子结点位于同一层
6. 每个结点都存有索引和数据
（1）简介
B+树是应文件系统所需而产生的一种B树的变形树（文件的目录一级一级索引，只有最底层的叶子节点（文件）保存数据）非叶子节点只保存索引，不保存实际的数据，数据都保存在叶子节点中。所有的非叶子节点都可以看成索引部分！
（2）B+树的性质(下面提到的都是和B树不相同的性质)
1. b+树有两种类型的结点：
1.1 内部结点（索引结点，非叶结点）： 只存索引，不存数据
1.2 叶子结点 （存数据）
2. 内部结点 和 叶子结点的 key递增排序
3. 每个叶结点存有相邻叶结点的指针
4. 父结点存有右孩子第一个元素索引
1.磁盘io代价低：b+树的非叶结点只存储索引，不存储数据，单一结点能存放的索引数更多，树更矮胖
2. b+树查询效率稳定：所有查询必须到叶节点
3. b+树叶子节点为有序表，效率更高，支持范围查询。
理解Mysql索引的原理和数据结构有助于我们更好的使用索引以及进行SQL优化，索引是在存储引擎层面实现的，所以不同的引擎实现的索引也有一定的区别，但是在生产环境中，我们最常用的就是InnoDB引擎和B树索引，OK，那本文要讨论的重点也同样是 InnoDB引擎下的B树索引 。
我们建立一个表来进行测试，表的DDL如下所示，我们要关注的是表t_book上的主键索引id和name author publish_date三列组成的索引test_index。
Mysql中的B树索引是使用B+树实现的，关于B+树的数据结构个人认为美团点评技术博客中Mysql索引原理及慢查询优化一文中介绍的非常详实，B+树的数据结构如下图所示。
图中浅蓝色块即磁盘块，根节点磁盘块中存储17和35两个数据，其中指针P1指向小于17的数据，指针P2指向大于17小于35的数据，指针P3指向大于35的数据。显然通过B+树索引查询数据与B+树的高度有关，如上图的B+树索引查找一个叶子节点的数据只需要三次磁盘IO，对于Mysql来说三层的B+树可以索引上百万的数据，这对于查询效率的提升是巨大的。
总结起来Mysql中B树索引有以下关键特点：
Mysql中的B树索引有两种数据存储形式，一种为聚簇索引，一种为二级索引。
InnoDB一般会使用表的主键来作为聚簇索引，如果一个表没有主键（不建议这么玩）InnoDB会选用一个唯一非空索引来代替，如果没有这样的索引，InnoDB会隐式建立一个聚簇索引。聚簇的含义即是数据行和相邻的键值紧凑的存储在一起，占据一块连续的磁盘空间，因此通过聚簇索引访问数据可以有效减少随机IO，通常使用聚簇索引查找比非聚簇索引查找速度更快。以我们建立的表t_book为例，聚簇索引即为自增主键id，其B树索引数据结构可以用下图来表示。
聚簇索引有以下关键特点：
InnoDB的B树索引中除了聚簇索引，就都是二级索引了，二级索引的含义是索引的叶子节点除了存储了索引值，还存储了主键id，在使用二级索引进行查询时，查找到二级索引B树上的叶子节点后还需要去聚簇索引上去查询真实数据，但是这里有一种特殊情况，即查询所需的所有字段在二级索引中都可以获取，此时就不需要再去回表查数据了，这种情况就是索引覆盖（EXPLAIN中EXTRA列中会出现USING INDEX，本文只关注索引结构，不详细讨论索引覆盖等技术的使用，如果深入理解索引的数据结构，索引覆盖等技术也没有那么神秘）。
在我们的测试表t_book中，test_index即为二级索引，由于我们把除了主键id所有的列都作为一个联合索引，所以在这个表上的查询都可以使用索引覆盖技术，但是具体生产环境中也不建议总是采用这种做法，索引列的增加也会增大插入更新数据时的索引更新成本，具体的优化要视具体情况决策。t_book上的二级索引test_index的索引结构由下图表示。
通过以上结构，我们可以推断出二级索引的以下关键特点：
索引覆盖：
最左前缀匹配：
二级索引可以说是我们在Mysql中最常用的索引，通过理解二级索引的索引结构可以更容易理解二级索引的特性和使用。
最后聊点轻松的索引结构，哈希索引就是通过哈希表实现的索引，即通过被索引的列计算出哈希值，并指向被索引的记录。
哈希索引有如下特性：
Mysql索引原理及慢查询优化
高性能Mysql 第三版