索引数据结构

索引数据结构可视化网站链接

1. 二叉树

二叉树（Binary Tree）是每个节点最多有两个子节点的树结构，通常子节点被称为“左子节点”和“右子节点”。

二叉树的特点：

1. 每个节点最多有两个子节点。

2. 每个节点一定大于左子节点，且一定小于右子节点

3. 即使树中的某个节点只有一个子节点，也要区分是左子节点还是右子节点。

缺点：

1. 顺序插入时，会退化形成一个链表，查询性能大大降低。
2. 大数据量情况下，层级较深，检索速度慢。

2. 红黑树

红黑树（Red-Black Tree）是一种自平衡的二叉树，它在每个节点上增加了一个颜色的属性，可以是红色或黑色，通过颜色和一些调整规则来确保树的平衡性，从而在动态插入和删除操作中保持相对平衡的状态。相比二叉树，节点间会进行自动的平衡，不会退化成链表。

红黑树的特点：

1. 每个节点要么是红色，要么是黑色。
2. 根节点是黑色。
3. 所有叶子节点（NIL或空节点）是黑色。
4. 如果一个节点是红色，则它的两个子节点都是黑色（即不能有两个相邻的红色节点）。
5. 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。

缺点：

1. 本质还是二叉树，大数据量情况下，层级较深，检索速度慢。

3. hash

哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储到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。
InnoDB中具有自适应hash功能，hash索引是InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。

特点

1. Hash索引只能用于精确查找(=，in)，不支持范围查询（between，>，< 等）。
2. 无法利用索引完成排序操作。
3. 查询效率高，通常（不存在hash冲突的情况）只需要一次检索就可以了，效率通常要高于B+tree索引。

4. B树

B树（B-tree）是一种自平衡的树，相比于二叉树可以拥有更多的子节点。所有节点关键字是按递增次序排列，并遵循左小右大原则。
以一颗最大度数（max-degree）为5的B树为例，每个节点下最多有4个key，5个指针和5个子节点。

特点

1. 一旦节点存储的key数量到达最大度数，就会裂变，中间元素向上分裂。
2. 在B树中，非叶子节点和叶子节点都会存放数据。

5. B+树

B+树（B+tree） 是 B树的变种，相对于B树，它有以下特点：

1. 所有的数据都会出现在叶子节点。
2. 叶子节点使用指针相连，形成一个单向链表，便于进行范围查询和顺序访问。
3. 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对 B+树进行了优化，在原有基础上，增加一个指向相邻叶子节点的链表指针，形成了带有顺序指针的
B+Tree（双向链表），提高区间访问的性能，利于排序。