哈希索引本身在实际项目中使用的并不多，但是常常在面试的时候拿来与B+Tree 索引等进行比较提问，那么哈希索引到底是怎样的结构？又适用于哪些场景呢？有哪些优点和缺点呢？
结构实现
哈希索引(hash index) 是基于哈希表实现，只有精确匹配索引所有列，查询才会有效。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），哈希码是一个较小的值，并且不同健值的行计算出来的哈希码也不一样。哈希索引将所有的哈希码存储在索引中，同时在哈希表中保存指向每个数据行的指针。
特性
因为索引自身只需要存储对应的哈希值，所以索引的结构十分紧凑，这也让哈希索引查询数据的速度非常快，然而，哈希索引也有它的限制（也是面试注意回答的地方）：
- 哈希索引只包含哈希值和行指针，而不存储字段值，所以不能适用索引中的值来避免读取行。不过，访问内存中的行的速度很快，索引大部分情况下这一点对性能的影响并不明显。
- 哈希索引数据并不是按照索引值顺序存储的，所以也就无法用于排序。
- 哈希索引也不支持部分索引匹配查找，因为哈希索引始终是使用索引列的全部内容来计算哈希值的（例如，在数据列（A,B）上建立哈希索引，如果查询只有数据列A，则无法使用该索引）。
- 哈希索引只支持等值比较查询，包括=，IN(),<=>(注意<>和<=>是不同的操作)。也不支持任何范围查询，例如 where price > 100.
- 访问哈希索引的数据非常快，除非又很多哈希冲突（不同的索引列值却有相同的哈希值）。当出现哈希冲突的时候，存储引擎必须遍历链表中所有的行指针，逐行进行比较，知道找到所有符合条件的行。
- 如果哈希冲突很多的化，一些索引维护操作的代价也会很高。例如，如果在某个选择性很低（哈希冲突较多）的列上建立哈希索引，那么当从表中删除一行数据时，存储引擎需要遍历对应哈希值的链表中的每一行，找到并删除对应行的引用，冲突越多，代价越大。
因为这些限制，哈希索引只使用于某些特定的场合。而一旦适合哈希索引，则它带来的性能提升将非常显著。
。