看了很多关于索引的博客，说的都是同一个东西。但是关于索引的一些概念一直没搞懂，比如B-Tree索引，Hash索引，唯一索引……可能有很多人和我一样，在不了解概念的情况下就开始研究B-Tree，B+Tree等结构.它导致在面试中回答不相关的问题！什么是索引？索引是一种帮助MySQL高效获取数据的数据结构。指数能做什么？提高数据查询效率。索引：排序快速查找数据结构！索引会影响where之后的查找和orderby之后的排序。1.索引分类1??从存储结构上分：BTree索引（B-Tree或B+Tree索引）、Hash索引、full-index全文索引、R-Tree索引。2??从应用层面分：普通索引、唯一索引、复合索引。3??根据数据的物理顺序和键值的逻辑（索引）顺序关系：聚簇索引，非聚簇索引。1??是指索引存储的形式，2??是指索引使用时的分类。两者是不同级别的部门。但是，我们平时所说的索引类型，一般是指应用层面的划分。就像手机的分类一样，安卓手机、IOS手机和华为手机、苹果手机、OPPO手机。普通索引：即一个索引只包含单列，一张表可以有多个单列索引唯一索引：索引列的值必须是唯一的，但允许空值）：它不是一个单独的索引类型，而是一种数据存储方式。具体细节取决于不同的实现。InnoDB的聚集索引实际上将B-Tree索引（技术上是B+Tree）和数据行保存在同一个结构中。非聚集索引：要么是聚集索引，要么是非聚集索引（严肃脸）。二、索引的底层实现mysql默认的存储引擎innodb只明确支持B-Tree（技术上讲，B+Tree）索引。对于频繁访问的表，innodb会透明地构建一个自适应的哈希索引，即在B树索引的基础上建立哈希索引，可以显着提高查找效率，并且对客户端透明、不可控、隐式。不管存储引擎是什么，我们只讨论基于哈希表的（抽象的）哈希索引的实现。只有与索引中所有列完全匹配的查询才有效。对于每一行数据，存储引擎都会为所有的索引列计算一个哈希码（hash）code），Hash索引将所有的哈希码存储在索引中，并在索引表中保存一个指向每一行数据的指针。B-Tree可以加速数据访问，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中。它是B-Tree的改进版，也是数据库索引索引使用的存储结构。数据都在叶子节点上，加上顺序访问指针，每个叶子节点指向相邻叶子节点的地址。与B-Tree相比，在进行范围搜索时，只需要找到并遍历两个节点。B-Tree需要获取所有节点，相比之下B+Tree效率更高。案例：假设有一张student表，id主键在InnoDB的MyISAM引擎中实现（二级索引也是这样实现的）。3、问题：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：树的高度参差不齐，不能自平衡。查找效率与数据（树的高度）有关，IO成本高。红黑树：树的高度随着数据量的增加而增加，IO成本高。Q：为什么官方推荐使用自增主键作为索引。结合B+Tree的特点，自增主键连续，插入过程中尽量减少分页。即使需要分页，也只会分出一小部分。并且可以减少数据的移动，每次插入都在最后插入。简而言之，就是减少分裂和移动的频率。Insertcontinuousdata：插入非时序数据
