【必会面试题】索引结构的hash索引和B+树的索引区别

前言

哈希索引和B+树索引是数据库中两种常见的索引结构，它们在存储方式、查询效率、适用场景等方面有所不同。

哈希索引（Hash Index）

原理：

• 哈希索引基于哈希表实现，它使用哈希函数将键值(key)转换成一个哈希码(hash code)，这个哈希码对应于一个存储桶(bucket)的位置，其中存储着指向数据行的指针或行ID。
• 当进行查询时，只需计算一次哈希值，直接定位到存储桶，时间复杂度理论上可以达到O(1)。

特点：

1. 查询效率：对于等值查询非常高效，几乎瞬间完成。
2. 不支持范围查询：因为哈希索引中的数据是无序的，无法进行有效的范围扫描。
3. 不支持排序：同样由于数据无序，不能直接用来进行排序操作。
4. 不支持最左匹配原则：在联合索引的情况下，哈希索引不支持只使用索引的一部分进行查询。
5. 哈希冲突：存在哈希冲突时，需要遍历冲突的桶内的链表，降低效率。
6. 更新开销：插入和删除操作可能需要重新计算哈希值并移动数据，可能增加维护成本。

B+树索引（B+ Tree Index）

原理：

• B+树是一种平衡的多路查找树，它的每个节点可以有多个子节点，叶子节点包含了所有数据记录的指针，并且叶子节点之间通过指针相连，形成了一个有序链表。
• 数据按顺序存储，每个叶子节点包含指向下一个叶子节点的指针，允许快速的范围扫描和排序。

特点：

1. 查询效率：对于等值查询和范围查询都非常高效，时间复杂度为O(log n)。
2. 支持范围查询：由于叶子节点之间通过指针相连，可以高效地进行范围扫描。
3. 支持排序：叶子节点存储的是有序的数据指针，可以直接用于排序。
4. 支持最左匹配原则：在复合索引中，可以从左到右匹配索引中的列。
5. 空间利用率：相比哈希索引，B+树索引占用更多的空间，因为它存储了更多的指针信息。
6. 更新开销：插入和删除操作需要维护B+树的平衡，但通常比哈希索引的维护成本低，因为不需要重新哈希。

应用场景

• 哈希索引适用于等值查询频繁，且不涉及范围查询的场景。
• B+树索引适用于需要支持等值查询、范围查询、排序和最左原则的复杂查询场景，尤其是数据量较大时更为高效。