索引的数据结构（Hash、B+Tree）

一. 索引的数据结构分类

• Hash
• B+Tree

二. Hash

1. 无序的Hash表
   【特点介绍】：虽然无序的Hash表可以快速的精确查询，但是不支持范围查询。若索引采用无序的Hash表，需扫描全部的数据，导致查询速度很慢；
   【使用场景】：等值查询，即Key—Value场景，如：Redis；

2. 有序的Hash表
   【特点介绍】：有序的Hash表适合查询静态数据。当进行增、删、改数据时候就会改变其结构。如：进行增操作时，新增的位置后的所有节点都要后移，成本很高。
   【使用场景】：等值查询、范围查询。可做为静态存储引擎，保存静态数据。如：淘宝购物账单。

三. B+Tree

1. B-Tree
   一个节点可以存储多个元素，B-Tree的树高比完全平衡二叉树整体的树高低，提高了磁盘的IO效率。

2. B+Tree
   【特点介绍】：B+Tree是对B-Tree的改进。非叶子节点只存储键值信息，所有叶子节点之间都有一个链指针，数据记录都存放在叶子节点中，提高了范围查找的效率。
   
   【使用场景】：Mysql的索引使用B+树，提高查询索引时的磁盘IO和范围查询效率。

   【注】：B+树中一个节点为页的倍数最为合适，不是页的倍数会造成资源的浪费。