索引概述
索引是帮助MySQL高效获取数据的数据结构（有序）。
在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。
下图演示有索引和无索引的区别：
备注：上述二叉树索引结构的只是一个示意图，并不是真实的索引结构
优缺点
优势：
1、提高数据检索的效率，降低数据库的I/O成本。
2、通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗。
劣势（基本忽略）：
1、索引列也是要占用空间的（但是现在磁盘很便宜）
2、索引大大提高了查询效率，同时也降低了更新表的速度，如对表进行插入、删除、更新时，效率降低。
索引结构
MYSQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构主要包含以下几种：
| 索引结构 | 描述 |
|---|---|
| B+Tree索引 | 最常见的索引类型，大部分引擎都支持B+树索引 |
| Hash索引 | 底层数据结构是用哈希表实现的，只有精确匹配索引列的查询才生效，不支持范围查询 |
| R-tree（空间索引） | 空间索引是MYISAM引擎的一个特殊索引类型，用于地理空间数据类型，通常使用比较少 |
| Full-text（全文索引） | 是一种通过建立倒排索引，快速匹配文档的方式 |
B+Tree索引
二叉树
左边的节点的值比父节点值小，右边节点的值比父节点值大
二叉树缺点：顺序插入时，会形成一个链表，查询性能大大降低。在大多数情况下层级较深检索速度慢。
红黑二叉树（自平衡二叉搜索树）
红黑树是一种高效的自平衡二叉查找树，用于存储有序的数据，并在插入和删除操作时能够快速地进行调整以保持其性质。
B-Tree树（多路平衡查找树）
以一颗最大数（max-degree）为5（5阶）的b-tree为例（每个节点最多存储4个key，5个指针）
注意：树的度数指的是一个节点的子节点个数。
插入：100 65 169 368 900 556 780 35 215 1200 134 888 158 90 1000 88 120 268 250
具体动态变化过程参考网站：https://www.cs.usfca.edu/~galles/visualization/BTree.html
B+Tree树
插入：100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250
动态变化过程参考网站：https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html
相较于B-Tree区别：
1、所有数据都会出现在叶子节点
2、叶子节点形成一个单向链表
MySQL中B+Tree树
MYSQL索引数据结构对经典的B+Tree树进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高了访问性能。
Hash
哈希索引就是采用一定的哈希算法，将键值换算成对应的哈希值，映射到对应的槽位上，然后存储在哈希表中。
如果两个（或多个）键值，映射到一个相同的槽位上，他们就会产生哈希冲突（也称哈希碰撞），可以通过链表来解决。
哈希索引特点
1、哈希索引只能用于对等比较（=，in）,不支持范围查询（between，>，<）
2、无法利用索引完成排序操作
3、查询效率高，通常只需要一次检索就可以了，效率高于B+Tree索引
存储引擎支持
在MySQL中，支持hash索引的是MEMORY引擎，而InnoDB中具有自适应的哈希功能，哈希索引是存储引擎根据B+Tree索引在指定条件下自动构建的。
面试题：为什么InnocentDB存储引擎选择使用B+Tree索引结构？
1、相较于二叉树，层级更少，搜索效率高；
2、对于b-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针也跟着减少，要同样保存大量数据，只能增加树的高度，导致性能下降；
3、相较于哈希索引，B+Tree支持范围匹配和排序操作
