写在前面
我们知道在mysql中主要存在两种索引结构，第一种是B+树索引，第二种是Hash索引。那么先说一下什么是索引呢？为什么要使用索引呢？
索引（Index）是帮助数据库高效获取数据的一种数据结构，因为我们知道对于一个数据库而言，查询操作是最经常使用的操作，我们肯定希望查找的速度越快越好。例如说随着数据的增加，我们有10000条学生信息，假如我们要查找姓名以“张”开头的学生的详细信息，如果没有索引，我们就需要将这10000条数据中每一条数据都进行一次比较判断。当然这是一万条数据，如果是十万或者一百万甚至更多呢？这个代价肯定是非常大的，所以我们引入了索引这种结构。
Hash索引
在mysql中只有Memory存储引擎默认使用Hash索引。对于单条记录而言，Hash索引的查找是非常快的。因为Hash索引是使用Hash的结构存储索引，每一个键只对应一个值，可以一次定位。但要注意一点：Hash索引是不支持范围查找的。因此如果只是查找单条记录，Hash索引是一种比较好的选择；但如果我们要进行范围查找，例如查找年龄在15到18之间的学生信息，Hash索引就不是最好的选择了。
B+树索引
B+树索引是MySql中最常用的索引结构，Inodb存储引擎和MyISAM存储引擎默认都是使用B+树索引。B+树索引虽然说单条记录的查询速度比不上Hash索引，但它可以支持范围查询，要注意的是B+树索引的所有数据都是存储在叶子节点中，非叶子节点只是提供一个索引，同时每个叶子节点保存了指向下一个叶子节点的指针。
例如我们有一个Employee表，这张表有三个字段：EmployeeID，name，age。如果我们在name上加索引之后，我们在查找所有以“张”开头的员工的信息就要快很多，因为我们只要查找到第一个姓名为“”张“”的员工，继续向后进行遍历直到找到第一个姓名不为“”张“”的员工就可以了，因为以“张”开头的员工都是从左到右排列在一起的。
那为什么B+树索引可以完成这样的操作呢，这里要简单说一下B+树索引的最左匹配原则（以inobd存储引擎进行举例）。
例如说有这样一张表test(a,b,c,d);，我们建立了一个联合索引index_abc(a,b,c)。
例一：有这样一个查询语句 select * from test where a>10；当然这里是会走索引的。
例二：有这样一个查询语句 select * from test where b>5 and a>10;当然这里也是会走索引的，数据库会对这条语句进行优化等价于select * from test where a>10 and b>5。
例三：但是如果有这样一条查询语句select * from test where b>5 and c>10;要注意这里是不会走索引的，那为什么这里就不会走索引呢？
因为在对（a,b,c）建立联合索引的以后，数据库首先会按照a的大小从左向右建立搜索树，当两条数据的a相同时才会按照b的大小构建，同理最后在比较c的大小。所以如果检索数据，数据库会首先按照a的大小确定搜索方向，a如果相同才会比较b，但如果无法确定a的大小，我们是无法知道搜索方向的，因为a是第一个比较因子。或者你可以将a理解为你所在学校，b理解为所在班级（例如1班、2班等等），c理解为你的座位号；查找学生时首先确定学校，接着确定班级，最后才是座位号；那么如果查找一个学生连他在哪个学校都不知道，自然要将城市所有学校进行一个遍历。但如果只知道学校不知道班级或者座位号，我们最多也就需要遍历全校学生即可。所以对于这样一条语句select * from test where a>10 and c>5也是会走索引的，虽然第二个比较因子缺失，但只要可以确定a，我们就可以确定遍历的方向。
写到这了额外说一下，辅助索引和主键索引以及回表（以Inodb的聚簇索引举例）
例如说有这样一个表Employee(ID,name,age,sex)
其中ID是主键，我们对name和age加索引 index_name(age,name)，那么会建立两棵搜索树，一棵是辅助索引一棵是主键索引；辅助索引会按照age的大小从左向右进行构建，age相同时会比较name。辅助索引的叶子节点会存储索引值（也就是age和name）和对应主键值（ID），根据主键值可以到主键索引中查找完整的数据。主键索引按照主键大小构建搜索树，叶子节点存储的是完整的数据。
所以我们要注意两点：
一.例如对于这样一条查询语句 select * from Employee where age=18;你需要首先在辅助索引中查找所有age=18数据所对应的主键值，根据主键值再到主键索引中查找完整的数据，因为我们的辅助索引中是没有保存sex的信息的，所以需要进行一次回表操作；但对于这样一条查询语句select name from Employee where age=18，我们只需要根据年龄在辅助索引中查找就可以了，因为你是对（age,name）建立索引，辅助索引中已经保存了age和name的信息，也就是可以避免回表操作。
二.对于主键的选择一定要注意，切不可选择随机数UUID作为主键，因为主键索引是按照主键的大小构建，随机数会导致频繁的节点分裂大大增加时间的消耗。举个简单的例子，UP在对mysql插入一百万条数据的时候，如果主键是自增的，可能只需要十分钟左右，但如果把主键换成UUID插入时间达到了一个小时左右。
那为什么要选择呢B+树作为索引而不是选择B树或者平衡二叉树呢
先说明一点，索引是存储在磁盘中，而且你是无法将所有索引一次性读入内存当中（索引是比较大的），每次只会读取一个磁盘页的数据到内存当中。那么这个磁盘的读取速度是非常非常慢的，而且要注意的一点是。磁盘每次并不是按需读取，而是会进行预读，从你所需要的位置向后继续再读取一定长度的数据放入内存中，这是由于当一个数据被使用以后，它周围的数据可能也会马上被使用。
对于平衡二叉树来讲，虽然它的查找速度为logn，是非常快的。但是相较于B树或者B+树，平衡二叉树的深度是比较深的，比如说你要查找一对父子节点，在树结构上它们看似很近（因为是父子节点，看起来好像走一步就到了），但是在物理存储上它们其实是相距非常远的（大家不要认为树结构在磁盘中也是按照这种树的形状存储的，其实树在磁盘上还是按照数组进行存储的，包括我们熟悉的大顶堆小顶堆都是按照数组进行存储的），所以说相距很远就导致了我们需要频繁的进行IO操作来读取我们所需要的数据，这个时间复杂度是非常高的。
而对于B树（注意是没有B减树的B-Tree中间不是减号，B-Tree就是B树），首先B树是矮胖的，因为它的每个叶子节点中存储的数据是非常多的，而且每个节点的大小都和磁盘页的大小一致的，在进行读取的时候只需要读取一整个节点的数据即可。因此相较于平衡二叉树，B树的IO操作是比较少的。虽然它的查找速度可能比不上平衡二叉树，但相较于磁盘IO时间，这个时间是可以忽略不计的。
最后选择B+树的原因是，B+树中的所有数据都是存放在叶子节点中的，非叶子节点只是提供一个索引。而且最重要的是B+的叶子节点是存在指向下一个叶子节点的指针的，我们可以按照指针的方向去遍历数据。这就带来了两个好处，也就是扫库和范围查询。比如你要查找年龄在15到18之间的学生信息，对于B树你需要先遍历B树找到15，接着遍历这棵树找到下一个符合条件的数据，直到找到第一个不符合的数据。而对于B+树，你只需要找到第一个年龄为15的学生，接着按照指方向向右去继续遍历叶子节点，直到找到第一个不符合条件的数据。所以选择B+树的原因就是，它在B树的基础上可以实现范围查询和方便扫库。
