在我们日常的数据分析和数据库管理中，索引的作用不言而喻，它就像是一座桥梁，连接着数据的存储和快速检索。但是，你有没有想过，为什么数据库系统如MySQL会偏爱B+树作为索引结构，而不是B树或哈希索引？
B树和B+树有什么区别？
B树（B-Tree）和B+树（B+Tree）都是自平衡的多路搜索树，适合存储在磁盘等外存储设备上。但它们之间的主要区别表现在数据的存储方式和树的结构上：
- 在B树中，节点关键字向下指向对应子节点，实际数据既可以存在内部节点（非叶子节点）也可以存在叶节点；
- 在B+树中，所有的数据记录节点都是叶子节点，而且都在同一层。非叶子节点仅用作索引，存储关键字并指向对应的子节点。并且B+树的所有叶子节点之间存在指针，形成一个链表结构。
由于这些不同，B树和B+树各有其优势：
B树的优点在于，每一次检索都可能在非叶子节点结束，相对于B+树在某些情况下可以减少IO操作。B树特别适合于随机访问。
而B+树的优点包括：
a) 由于所有数据都存储在叶子节点，进行区间查询时可以通过叶子节点的链表快速遍历，效率更高；
b) 所有索引节点和数据节点的分离，使得B+树的高度通常比B树低，减少了查询时磁盘IO次数，进而提升了查询性能；
c) B+树中每个节点存储的索引数更多，使得查询速度更快，这在处理大型数据库时是非常重要的。
B树和B+树各有其适用的场景，但在数据库中，特别是关系型数据库中，B+树应用更广泛，例如MySQL的InnoDB存储引擎就是使用的B+树作为索引结构。
讲一下索引及其底层，非叶子节点存储的是什么，只有b+树索引吗
索引是数据库中用于提高数据检索效率的一种数据结构。你可以把它比喻成书籍的目录，通过目录我们可以快速找到我们需要的内容，而不需要从头到尾逐页查找。
关于索引的底层，MySQL主要使用B树（或者更具体的说，B+树）作为其索引的数据结构。
B+树是B树的一种变体，它有以下特性：
- 有k个子树的中间节点包含k-1个键，按照升序排列。
- 对于每一个键，左子树中的所有键都小于它，右子树中的所有键都大于它。
- 所有的叶子节点都在同一层，并且包含全部的键及指向对应数据行的指针。
在B+树的非叶子节点中存储的是键值和指向子节点的指针。这些键值将子树的键区分开，让搜索变得更高效。
事实上，MySQL不仅有B+树索引，还有其他类型的索引，如Hash索引、空间数据索引（R-tree）、全文索引（FULLTEXT）等。不过，B+树索引是MySQL中默认和最常用的索引类型，因为B+树索引既可以用于范围查询也可以用于单值查询，而且在处理大数据量的情况下表现稳定。
MySQL数据库为什么索引使用B+树而不是B树或者哈希索引
对于MySQL数据库来说，选择B+树作为主要的索引结构，相比B树或哈希索引，主要有以下几个优点：
- 更适合磁盘读写：在大型数据库系统中，索引往往不能全部放入内存，需要存储在硬盘上。磁盘的I/O操作相比内存操作要慢得多。B+树的高度比B树低，因此在查找数据时需要进行的磁盘I/O次数会较少。这是为什么在磁盘存储的大数据量场景下，B+树比B树更优秀的一个主要原因。
- 更适合范围查询：由于B+树的所有叶子节点都是链表结构，所有数据都存储在叶子节点。因此在进行范围查询时，只需要找到范围的起始点，然后沿着链表顺序遍历即可，效率非常高。而在B树中，由于数据分布在整个树中，范围查询需要进行多次的深度遍历，效率相对较低。
- 哈希索引的局限性：哈希索引在处理等值查询时效率非常高，因为可以直接通过哈希函数定位到具体的数据，但是哈希索引却无法进行范围查询和排序操作。此外，由于哈希冲突的问题，哈希索引在某些情况下的查找效率也无法得到保证。
- 更有利于索引的维护：由于B+树只有在叶子节点存储数据，当数据发生增加、删除等变动操作时，B+树相比B树和哈希索引在索引的维护上要简单，效率也更高。
综合这些原因，MySQL数据库默认的索引结构是B+树。但是这并不意味着B+树在所有情况下都是最优的，具体还需要根据实际的数据和查询模式来选择最合适的索引结构。
