共计 1462 个字符，预计需要花费 4 分钟才能阅读完成。
看了很多关于索引的博客，讲的大同小异。但是始终没有让我明白关于索引的一些概念，如 B -Tree 索引，Hash 索引，唯一索引 …. 或许有很多人和我一样，没搞清楚概念就开始研究 B -Tree，B+Tree 等结构，导致在面试的时候答非所问！
索引是什么?
索引是帮助 MySQL 高效获取数据的数据结构。
索引能干什么?
提高数据查询的效率。
索引：排好序的快速查找数据结构！索引会影响 where 后面的查找，和 order by 后面的排序。
一、索引的分类
1️⃣从存储结构上来划分：BTree 索引（B-Tree 或 B +Tree 索引），Hash 索引，full-test 全文索引，R-Tree 索引。
2️⃣从应用层次来分：普通索引，唯一索引，复合索引
3️⃣根据中数据的物理顺序与键值的逻辑（索引）顺序关系：聚集索引，非聚集索引。
1️⃣中所描述的是索引存储时保存的形式，2️⃣是索引使用过程中进行的分类，两者是不同层次上的划分。不过平时讲的索引类型一般是指在应用层次的划分。
就像手机分类：安卓手机，IOS 手机 与 华为手机，苹果手机，OPPO 手机一样。
普通索引 ：即一个索引只包含单个列，一个表可以有多个单列索引
唯一索引 ：索引列的值必须唯一，但允许有空值
复合索引 ：即一个索引包含多个列
二、索引的底层实现（单值索引）
mysql 默认存储引擎 innodb 只显式支持 B -Tree(从技术上来说是 B +Tree) 索引，对于频繁访问的表，innodb 会透明建立自适应 hash 索引，即在 B 树索引基础上建立 hash 索引，可以显著提高查找效率，对于客户端是透明的，不可控制的，隐式的。不谈存储引擎，只讨论实现
Hash 索引
基于哈希表实现，只有精确匹配索引所有列的查询才有效，对于每一行数据，存储引擎都会对所有的索引列计算一个哈希码（hash code），并且 Hash 索引将所有的哈希码存储在索引中，同时在索引表中保存指向每个数据行的指针。
B-Tree 索引（MySQL 使用 B +Tree）
B-Tree 能加快数据的访问速度，因为存储引擎不再需要进行全表扫描来获取数据，数据分布在各个节点之中。
B+Tree 索引
是 B -Tree 的改进版本，同时也是数据库索引索引所采用的存储结构。数据都在叶子节点上，并且增加了顺序访问指针，每个叶子节点都指向相邻的叶子节点的地址。相比 B -Tree 来说，进行范围查找时只需要查找两个节点，进行遍历即可。而 B -Tree 需要获取所有节点，相比之下 B +Tree 效率更高。
结合存储引擎来讨论（一般默认使用 B +Tree）
案例：假设有一张学生表，id 为主键
| id | name | birthday |
|---|---|---|
| 1 | Tom | 1996-01-01 |
| 2 | Jann | 1996-01-04 |
| 3 | Ray | 1996-01-08 |
| 4 | Michael | 1996-01-10 |
| 5 | Jack | 1996-01-13 |
| 6 | Steven | 1996-01-23 |
| 7 | Lily | 1996-01-25 |
在 MyISAM 引擎中的实现
在 InnoDB 中的实现
三、问题
问：为什么索引结构默认使用 B -Tree，而不是 hash，二叉树，红黑树？
hash：虽然可以快速定位，但是没有顺序，IO 复杂度高。
二叉树：树的高度不均匀，不能自平衡，查找效率跟数据有关（树的高度），并且 IO 代价高。
红黑树：树的高度随着数据量增加而增加，IO 代价高。
问：为什么官方建议使用自增长主键作为索引。
结合 B +Tree 的特点，自增主键是连续的，在插入过程中尽量减少页分裂，即使要进行页分裂，也只会分裂很少一部分。并且能减少数据的移动，每次插入都是插入到最后。总之就是减少分裂和移动的频率。
插入连续的数据：
插入非连续的数据
