1. 哈希索引

加速查找速度的数据结构，常见的有两类.

• 树，例如平衡二叉树，增删查改的平均时间复杂度为O(logn).
• 哈希.例如哈希表.增删查改的平均时间复杂度为O(1).

采用hash进行检索的效率非常高.基本一次检索就可以找到数据.而b+树还有从上到下进行查找.从效率上来说，hash比b+树更快.

在hash的方式下，一个元素经过hash函数计算得到的槽的位置.该函数将关键字映射到哈希表的槽位上.槽位其实也就是数组的一个元素而已.哈希函数可能会将两个不同的关键字映射到一个槽位上，这叫做哈希碰撞.我们可以用拉链法解决.即将hash在同一槽位的元素放在一个单向链表中，当链表过长，链表会被改造为红黑树.

2. 哈希索引的缺陷

• 哈希索引只能满足＝，＜＞，IN等查询，如果进行范围查询，哈希表的索引，时间复杂度会退化为O(n)，而b+树仍然保持为O(logn).
• 哈希索引的数据的存储是无序的，所以在ORDER BY的情况下，使用hash索引还需要对数据进行重新排序.
• 对于联合索引的情况，hash值是将联合索引键合并一起后来计算的.无法对单独的一个键或者几个索引键进行查询.
• 对于等值查询来说，hash索引的效率很高.但对于索引列存在很多重复值时，效率会很低.遇到哈希冲突时，需要遍历桶中的行指针来比较，找到查询的关键字.非常耗时.

Memory是支持哈希索引的.而InnoDB和MyISAM是不支持的.但InnoDB提供了自适应的哈希索引.如果某个数据经常被访问，当满足一定条件时，就会将这个数据页的地址存放在哈希表中，下次查询时，就可以直接找到这个页面的所在位置.

采用自适应哈希索引的目的是为了方便根据SQL条件迅速定位到叶子节点，特别是当b+树比较深的时候，通过自适应hash索引可以明显提高数据的检索效率.