索引是数据结构，用于高效获取数据的数据结构（有序）。
1、索引的优缺点：
1.1、优点：
a、提高数据检索效率，降低数据库的IO成本（提高查询效率）
b、通过索引列对数据进行排序，降低了数据排序的成本，降低CPU的消耗（提高排序效率）
1.2、缺点：
a、索引列也是要占用空间的
b、索引大大提高查询效率，但降低了更新的速度，比如INSERT、UPDATE、DELETE
2、索引结构
| 索引结构 | 描述 |
|---|---|
| B+Tree | 最常见的索引类型，大部分引擎都支持B+树索引 |
| Hash | 底层数据结构使用哈希表实现，只有精确匹配索引列的查询才有效，不支持范围查询 |
| R-Tree(空间索引) | 空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少 |
| Full-Text(全文索引) | 是一种通过建立倒排索引，快速匹配 文档的方式 |
3、存储引擎支持索引方式
| 索引 | InnoDB | MyISAM | Memory |
|---|---|---|---|
| B+Tree索引 | 支持 | 支持 | 支持 |
| Hash索引 | 不支持 | 不支持 | 支持 |
| R-Tree索引 | 不支持 | 支持 | 不支持 |
| Full-text索引 | MySQL5.6之后支持 | 支持 | 不支持 |
3.1、B-Tree
在数据库索引的时候可以采用二叉树，但是二叉树的缺点就是：顺序插入时，会形成一个链表，查询性能大大降低。在大数据量的情况下，层级较深，检索速度慢。
解决：根据二叉树的缺点我们可以想到使用红黑树来解决，但是红黑树也存在大量数据量情况下，层级较深，检索速度慢的问题
****为了解决二叉树和红黑树的缺陷，可以使用B-Tree结构。B-Tree（多路平均查找树）以一棵最大度数（Max-degree，指一个节点的子节点个数）为5（5阶）的B-Tree为例（每个节点最多存储4个Key，5个指针）。当插入数据大于最多存储数量的时候，中间数字向上分裂
图片来源：https://blog.csdn.net/yin767833376/article/details/81511377 他讲的也很好。
3.2、B+Tree
B-Tree与B+Tree的区别：
a、B+Tree所有的数据都会出现在叶子节点（叶子节点存放数据）
b、叶子节点形成一个单向链表，每一个节点通过指针指向下一个节点，形成单向链表
图片来源：https://blog.csdn.net/yin767833376/article/details/81511377
MySQL索引数据结构对B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能。
3.3、Hash
哈希索引采用一定的哈希算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。如果两个（或多个）键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞），可以通过链表来解决
hash索引的特点
a、hash索引只能用于对等比较（=、in），不支持范围查询（between、>、<、...）
b、无法利用索引完成排序操作
c、查询效率高，通常只需要一次检索就可以了，效率高于B+Tree索引
hash索引存储引擎：
a、Memory
b、InnoDB：具体自适应hash功能，hash索引是存储引擎根据B+Tree索引在知道那个条件下自动创建的
