数据库索引的数据结构有很多种，比如： 哈希索引 、 平衡二叉树索引 、 B树索引 、 B+树索引 等等。
目前最流行的是 B+树索引 ，那大家有没有想过为什么是B+树索引最流行，为什么其他索引应用不广泛。
就像为什么别人能拿 2-3 万的工资，我却只能拿 一万 的工资，大家有思考过吗？
哈希索引
hash大家应该非常的熟悉，就是我们老生常谈的HashMap里用到的技术。Hash索引其 检索效率 非常 高 ，索引的检索可以 一次定位 。
可能很多人又有疑问了，既然Hash索引的效率这么高，为什么都用Hash索引而还要使用B-Tree索引呢?
任何事物都是有 两面性 的，Hash索引也一样，虽然Hash索引效率高，但是Hash索引本身由于其特殊性也带来了很多 限制 和 弊端 ，主要有以下这些：
原因一：
Hash索引不能使用范围查询
Hash索引仅仅能满足" = "," IN "和" <=> "查询(注意<>和＜＝＞是不同的操作），不能使用 范围查询 ，例如WHERE price > 100。
由于Hash索引比较的是进行Hash运算之后的 Hash值 ，所以它只能用于等值的过滤，不能用于基于 范围的过滤 。
原因二：
Hash索引不能利用部分索引键查询 。
对于 复合索引 ，Hash索引在计算 Hash值 的时候，是组合索引键 合并后 再 一起计算 Hash值，而不是 单独计算 Hash值。
所以通过复合索引的前面一个或几个索引键进行查询的时候，Hash索引也无法被利用。
原因三：
Hash索引在任何时候都不能避免表扫描 。
Hash索引是将索引键通过Hash运算之后，将 Hash运算结果的Hash值和所对应的行指针信息存放于一个Hash表中。
由于 不同索引键 存在 相同Hash值 ，所以无法从Hash索引中直接完成查询，还是要通过访问表中的实际数据进行相应的比较，并得到相应的结果。
hash索引out出局平衡二叉树索引
又称 AVL 树。 它除了具备二叉查找树的基本特征之外，还具有一个非常重要的特点：它的 左子树 和 右子树 都是 平衡二叉树 。
且左子树和右子树的 深度之差 的绝对值（平衡因子 ）不超过1。也就是说AVL树每个节点的平衡因子只可能是-1、0和1（左子树高度减去右子树高度）。
被淘汰的原因
树的高度过高，高度越高，查找速度越慢
他支持范围查找，但是他需要在进行回旋查找
比如我要找到 大于5 的数据
第一步我先定位到5，然后在树上按照二叉树规则去 回旋 查找大于5其他数据6、7、8、9、10。。。
如果大于5的数据很多，那速度是很慢的。
B树索引
大家可以看到 B树 和 二叉树 最大的区别在于：它一个节点可以存储两个值，这就意味着它的 树高度 ，比二叉树的高度 更低 ，它的 查询 速度就 更快 。这是他的优点
那为什么最终还是不用它呢，还是因为他在 范围查找 的时候，存在 回旋 查询的问题。同样order by排序的时候效率也很低，因为要把树上的数据手动排序一遍。
终极大佬：B+树
它是B数的升级版， B+ 树相比 B 树，新增 叶子节点 与 非叶子节点 关系。
叶子节点 中包含了 key 和 value ，key存储的是1-10这些数字，value存储的是数据存储地址， 非叶子节点 中只是包含了 key ，不包含value。
所有相邻的叶子节点 包含 非叶子节点，使用 链表 进行结合，有一定 顺序排序 ，从而 范围查询 效率非常高。
比如我们要查找 大于5 的数据：
首先我们定位到5的位置
然后直接将5后面的数据全部拿出来即可，因为这是有序链表， 已经排好序了
我们在 order by 排序的时候为什么要 使用索引进行排序 ，原因就在这。
如果大家还没懂，请留言给我吧
MySQL索引为什么使用B+树，你知道吗
标签：zoom 速度 src 一起 不同的 包含 索引 访问 就是
查看更多关于MySQL索引为什么使用B+树，你知道吗的详细内容...