1.什么是索引？
索引：加速查詢的數據結構。
2.索引常見數據結構
- 順序查找： 最基本的查詢算法-復雜度O（n）,大數據量此算法效率糟糕。
- 二叉樹查找：（binary tree search）: O(log2n) ，二叉查找樹根節點固定，非平衡。樹高度深，高度決定io次數，io耗時大。
- hash索引 無法滿足范圍查找。
- 二叉樹、紅黑樹 ：導致樹高度非常高(平衡二叉樹一個節點只能有左子樹和右子樹),邏輯上很近的節點（父子）物理上可能很遠，無法利用局部性，IO次數多查找慢,效率低。todo 邏輯上相鄰節點沒法直接通過順序指針關聯，可能需要迭代回到上層節點重復向下遍歷找到對應節點，效率低。
- B-Tree：結構：B-TREE 每個節點都是一個二元數組: [key, data]，所有節點都可以存儲數據。key為索引key,data為除key之外的數據。
檢索原理：首先從根節點進行二分查找，如果找到則返回對應節點的data，否則對相應區間的指針指向的節點遞歸進行查找，直到找到節點或未找到節點返回null指針。
缺點：1.插入刪除新的數據記錄會破壞B-Tree的性質，因此在插入刪除時，需要對樹進行一個分裂、合並、轉移等操作以保持B-Tree性質。造成IO操作頻繁。2.區間查找可能需要返回上層節點重復遍歷，IO操作繁瑣。
- B+Tree：B-Tree的變種，與B-Tree相比，B+Tree有以下不同點：非葉子節點不存儲data，只存儲索引key；只有葉子節點才存儲data。
Mysql中B+Tree：在經典B+Tree的基礎上進行了優化，增加了順序訪問指針。在B+Tree的每個葉子節點增加一個指向相鄰葉子節點的指針，就形成了帶有順序訪問指針的B+Tree。這樣就提高了區間訪問性能：如果要查詢key為從18到49的所有數據記錄，當找到18后，只需順着節點和指針順序遍歷就可以一次性訪問到所有數據節點，極大提到了區間查詢效率(無需返回上層父節點重復遍歷查找減少IO操作)。
結構如下：
3.為什么Mysql選擇B+TREE索引? B+TREE索引有什么好處?
索引本身也很大，不可能全部存儲在內存中，因此索引往往以索引文件的形式存儲的磁盤上。這樣的話，索引查找過程中就要產生磁盤I/O消耗，相對於內存存取，I/O存取的消耗要高幾個數量級，所以索引的結構組織要盡量減少查找過程中磁盤I/O的存取次數，提升索引效率。
磁盤存取原理：
索引一般以文件形式存儲在磁盤上，索引檢索需要磁盤I/O操作。與主存不同，磁盤I/O存在機械運動耗費，因此磁盤I/O的時間消耗是巨大的。
4.B-/+Tree索引的性能優勢： 一般使用磁盤I/O次數評價索引優劣。
- 1.結合操作系統存儲結構優化處理： mysql巧妙運用操作系統存儲結構(一個節點分配到一個存儲頁中->盡量減少IO次數) & 磁盤預讀(緩存預讀->加速預讀馬上要用到的數據).
- 2.B+Tree 單個節點能放多個子節點，相同IO次數，檢索出更多信息。
- 3.B+TREE 只在葉子節點存儲數據 & 所有葉子結點包含一個鏈指針 & 其他內層非葉子節點只存儲索引數據。只利用索引快速定位數據索引范圍，先定位索引再通過索引高效快速定位數據。
- B-Tree索引、B+Tree索引： 單個節點能放多個子節點，查詢IO次數相同(mysql查詢IO次數最多3-5次-所以需要每個節點需要存儲很多數據)
- B+TREE 只在葉子節點存儲數據 & 所有葉子結點包含一個鏈指針 & 其他內層非葉子節點只存儲索引數據。只利用索引快速定位數據索引范圍，先定位索引再通過索引高效快速定位數據。
- B+Tree更適合外存索引，原因和內節點出度d有關。從上面分析可以看到，d越大索引的性能越好，而出度的上限取決於節點內key和data的大小：
- B+Tree內節點去掉了data域，因此可以擁有更大的出度，擁有更好的性能。只利用索引快速定位數據索引范圍，先定位索引再通過索引高效快速定位數據。
5.B+樹（平衡多路查找樹）
B+樹是為了磁盤或其它直接存取設備設計的一種平衡多路查找樹。在B+樹里是，所以記錄節點都是鍵值的大小順序存放在同一層的葉子節點上，由各葉子節點指針進行連接。
B+樹索引在數據庫中有高扇出性的特點，因此在數據庫中，B+樹的高度一般在2~4層，也就是說查找某一鍵值的行記錄時最多只需要2~4次IO.
數據庫中的B+樹索引可以分為聚集索引和輔助索引，其內部都是B+樹的，高度平衡，葉子節點存放着數據。
聚集索引和輔助索引不同的是，葉子節點存放的是否是一整行的信息。