## 1、Hash:
它查询任何一行数据都只需一次IO,但是只能查一行，不能查询范围 。

## 2、二叉树：

• 1、 可能会单边增长，退化成链表，查询效率和没建立索引差不多。
• 2、才二叉而已，树的层数太多，IO次数多（一层就是一次IO）

## 3、红黑树：

虽然解决了退化成链表的问题，但是也才二叉而已，树的层数太多，IO次数多（一层就是一次IO）

## 4、B树：
内部节点存数据，导致每个节点放的数据少，还不能满足范围查找。

特点：

• 1、多路排序树
• 2、内部节点也存data

## 5、B+树：

特点：

• 1、多路排序树
• 2、内部节点不存data，只有叶子节点才存data
• 3、叶子节点左右相连，形成一条有序的双向循环链表
  

## 为什么MySQL选择B+树做索引

• 1、 B+树的磁盘IO读写次数低：每次读写一个树节点就是一次IO,B+树的内部节点并没有存data，因此盘块所能容纳的关键字数量也越多，一次性读入内存的需要查找的关键字也就越多，相对IO读写次数就降低了。

• 2、B+树的查询效率更加稳定：由于内部结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当。

• 3、B+树更便于遍历：由于B+树的数据都存储在叶子结点中，分支结点均为索引，方便扫库，只需要扫一遍叶子结点即可，但是B树因为其分支结点同样存储着数据，我们要找到具体的数据，需要进行一次中序遍历按序来扫，所以B+树更加适合在区间查询的情况，所以通常B+树用于数据库索引。

• 4、B+树更适合基于范围的查询：B树在提高了IO性能的同时并没有解决元素遍历效率低下的问题，正是为了解决这个问题，B+树应用而生。B+树只需要去遍历叶子节点就可以实现整棵树的遍历。而且在数据库中基于范围的查询是非常频繁的，而B树不支持这样的操作或者说效率太低。

## B+树一个节点有多大？

• 1、B+树一个节点的大小设为一页或页的倍数最为合适。因为如果一个节点的大小 < 1页，那么读取这个节点的时候其实读取的还是一页，这样就造成了资源的浪费。
• 2、在 MySQL 中 B+ 树的一个节点大小为“1页”，也就是16k。之所以设置为一页，是因为对于大部分业务，一页就足够了：

## 一千万条数据，B+树多高？

首先InnoDB的B+树中，非叶子节点存的是key 和 指针；叶子节点存的是数据行。

对于叶子节点，如果一行数据大小为1k，那么一页就能存16条数据；对于非叶子节点，如果key使用的是bigint，则为8字节，指针在mysql中为6字节，一共是14字节，则16k能存放 16 * 1024 / 14 = 1170 个索引指针。于是可以算出，对于一颗高度为2的B+树，根节点存储索引指针节点，那么它有1170个叶子节点存储数据，每个叶子节点可以存储16条数据，一共 1170 x 16 = 18720 条数据。

而对于高度为3的B+树，就可以存放 1170 x 1170 x 16 = 21902400 条数据（两千多万条数据），也就是对于两千多万条的数据，我们只需要高度为3的B+树就可以完成，通过主键查询只需要3次IO操作就能查到对应数据。所以在 InnoDB 中B+树高度一般为3层时，就能满足千万级的数据存储。

文章知识点与官方知识档案匹配，可进一步学习相关知识