1 索引概述
1.1 介绍
索引（ index ）是帮助 MySQL 高效获取数据的数据结构 ( 有序 ) 。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据， 这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。
1.2 索引特点
优势 | 劣势 |
提高数据检索的效率，降低数据库 的IO 成本 | 索引列也是要占用空间的。 |
通过索引列对数据进行排序，降低数据排序的成本，降低CPU 的消 耗。 | 索引大大提高了查询效率，同时却也降低更新表的速度， 如对表进行 INSERT 、 UPDATE 、 DELETE 时，效率降低。 |
2 索引结构
2.1 概述
MySQL 的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种：
2.2 B+tree索引
B+tree索引 InnoDB，MyISAM，Memory 三个存储引擎都支持
注意： 我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引。
B+Tree 是 B-Tree 的变种，我们以一颗最大度数（ max-degree ）为 4 （
4 阶）的 b+tree 为例，来看一 下其结构示意图：
我们可以看到，两部分：
绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据
B+Tree 与 B-Tree 相比，主要有以下三点区别：
所有的数据都会出现在叶子节点。
叶子节点形成一个单向链表。
非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。
MySQL 索引数据结构对经典的 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，利于排序。
为什么InnoDB存储引擎选择使用B+tree索引结构?
1. 相对于二叉树，层级更少，搜索效率高；
2. 对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储
的键值减少，指针跟着减少，要保存同样的大量数据，只能增加树的高度，导致性能降低；
3. 相对Hash索引，B+tree支持范围匹配及排序操作；
