B+树索引与Hash索引

既然索引的数据结构有B+树与Hash两种，那么索引又是什么呢？

索引

在关系型数据库中，索引是一种与表有关的数据库结构，它可以使对应于表的 SQL 语句执行得更快。索引的作用相当于图书的目录，可以根据目录中的页码快速找到所需的内容。

使用索引可以快速地查找到数据，但是不同的数据结构，查找数据花费的时间与使用的场景也不尽相同。在MySQL中，索引的结构主要分为B+树与Hash这两种。

B+Tree

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，而且同层级的节点间有指针相互链接。

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。

B+树的每一层中，只存放key，不保存数据信息，因此就可以将本来存放数据的空间来存放更多的key。

B+树的结构图：

Hash

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。

示意图：

区别

1、因为Hash索引是一个key对应一个桶位，经过一次hash运算就可以得到位置。 如果是等值查询，那么哈希索引明显有绝对优势，；当然了，这个前提是，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，然后再根据链表或者红黑树往后扫描，直到找到相应的数据。而B+树呢？它查找数据则是需要一层一层地寻找、比较，所以在等值查询的时候，Hash是要比B+树速度快的。

2、如果是范围查询检索，这个时候哈希索引就没有什么作用了，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，而且如果存在hash值相同的情况，还会放在桶位后面的链表或者红黑树，所以是没有没办法利用索引完成范围查询检索。而B+树在叶子节点是有顺序的进行排列，并且通过指针也能方便地查找到下一个叶子节点。所以在范围查询方面，B+树是非常合适的。

3、哈希索引也没办法利用索引完成排序，以及like ‘xxx%’ 这样的部分模糊查询（这种部分模糊查询，其实本质上也是范围查询）。

4、哈希索引也不支持多列联合索引的最左匹配规则。

5、 B+树索引的关键字检索效率比较平均，在有大量重复键值情况下，因为存在所谓的哈希碰撞问题，哈希索引的效率也是极低的。