目录
具备充当索引的数据结构有以下几种：二叉树、红黑树、hash表、B树(B+树)。
而我们数据库最终使用的是B+树(B+树的改进，叶子节点间添加了双向指针，便于范围查找)。
数据结构可视化网站：https://www.cs.usfca.edu/~galles/visualization/Algorithms.html
1、二叉树
二叉树特点是每个节点最多只能有两棵子树，且有左右之分。如果是顺序的插入数据，二叉树会退化成链表，那么查找其中的元素的时候，就会需要整体的遍历，显然不适合作为数据库的索引。
2、红黑树
红黑树是一种平衡的二叉树。添加节点的时候，相比二叉树，节点间会进行自动的平衡，不会退化成链表，可以有效降低树的高度。但是红黑树本质还是二叉树，对于数据库来说，避免不了在数据量大的情况下，树的高度依然非常高的情况。
3、hash表
Hash表，对索引的key进行一次Hash计算就可以定位出数据存储的位置，效率非常高。
但是数据库不使用Hash表进行索引存储，原因：
- Hash表只能满足精确查找 “=”，不支持大于，小于等范围查询，范围查询需要全表扫描
- 存在Hash冲突问题
4、B树(B+树)
B树是一棵平衡的m路搜索树，它的子节点可以有多个，使得整颗树更加的扁平化。所有节点关键字是按递增次序排列，并遵循左小右大原则。B树(B+树)一般较多用在存储系统上，比如数据库或文件系统。
B+树是B树的一个升级版，相对于B树来说B+树更充分的利用了节点的空间，让查询速度更加稳定，其速度完全接近于二分法查找。//冗余索引
- B+树的非叶子节点不保存关键字记录的指针，只进行数据索引，这样使得B+树每个非叶子节点所能保存的关键字大大增加。
- B+树叶子节点的关键字从小到大有序排列，左边结尾数据都会保存右边节点开始数据的指针，方便范围查找。
5、MySQL中的数据库索引
数据库查找最消耗性能的就是磁盘IO，对于数据库索引，一般把第一层数据页(或者所有非叶子节点的数据页)放在缓存中，可以有效的减少磁盘IO的数量。
Mysql中高度为3的B+树大概可以存放多少数据呢？
以索引使用整型BigInt类型为例，一个BigInt占8个字节，磁盘地址大概占用6个字节，所以一个索引页的数据表示占用大概14个字节。
Mysql中数据页大小为16K，16x1024/14=1170，因此一个数据页大概可以存1170条索引，假设我们的数据大小为1K，那么三层B+树，可以表示1170x1170x16=21902400条数据(2000万)
查看数据页情况：
show global variables like '%page%';
聚簇索引和非聚簇索引
聚簇索引：索引组织表中数据也是索引的一部分
非聚簇索引：索引文件和数据文件是分离的，查找数据需要进行回表
MyISAM和Innodb的文件存储结构
联合索引
联合索引会根据字段定义的顺序排序，所以使用联合索引也需要严格遵循字段定义的顺序。
