MySQL索引结构有哪些，各自的优劣是什么

前言：平常工作中范围查询更多，而等值查询很少；所有的数据经过hash算法之后，变成散列无序的，等值查询更快，但是无法进行模糊查询、排序等；而且经过hash之后，可能不连续的，范围查询都实现不了了；所以更多的是使用B+树索引；

索引的数据结构和具体存储引擎的实现有关，mysql中使用较多的索引有hash索引，B+树索引，innodb的索引实现为B+树，memory存储引擎为hash索引。

B+树是一个平衡的多叉树，从根节点到每个叶子节点的高度差值不超过1，而且同层级的二节点间有指针相关连接，在B+树上的常规检索，从根节点到叶子节点的搜索效率基本相当，不会出现大幅波动，而且基于索引的顺序扫描时，也可以利用双向指针快速左右移动，效率非常高。因为，B+树索引被广泛应用于数据库、文件系统等场景。

哈希索引就是采用一定的哈希算法，把键值换算成新的哈希值，检索时不需要类似B+树那样从根节点到叶子节点逐级查找，只需一次哈希算法即可立刻定位到相应的位置，速度非常快。

如果是等值查询，那么哈希索引明显有绝对优势，因为只需要经过一次算法即可找到相应的键值,
前提是键值都是唯一的。如果键值不是唯一的，就需要先找到该键所在位置，然后再根据链表往后扫描，知道找到对应的数据如果是范围查询检索，这时候哈徐索引就毫无用武之地了，因为原先是有序的键值，经过哈希算法后，有可能变成不连续的了，就没办法再利用索引完成范围查询检索

哈希索引也没办法利用索引完成排序，以及like这样的部分模糊查询哈希索引也不支持多列联合索引的最左匹配规则
B+树索引的关键字检索效率比较平均，不像B树那样波动大，在有大量重复键值情况下，哈希索引的效率也是极低的，因此存在哈希碰撞问题。
 

既然hash算法在范围查询时，要一个个的对比，查询速度很慢，那为什么memory要用hash算法呢？

因为memory是在内存中的，内存中的数据访问速度比访问磁盘块10万倍；

所以在一般创建索引时，不要使用hash索引，应该使用B+树