一、B+TREE

B+Tree是一种树数据结构，是B-Tree的变种，属于n叉排序树，每个节点通常有多个孩子。

B+Tree是和B-Tree相比，B+Tree的所有的数据都会出现在叶子节点上，并且叶子节点会形成一个单向链表，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。

在MySQL的索引中，对原本的B+Tree进行了优化，MySQL给每个叶子节点加了一个指针，这个指针会指向它的下一个邻居叶子节点。然后，所有的叶子节点就通过这些指针连成了一个大圈圈，变成一个双向的循环链表。当我们想要查找某个范围内的数据时，可以顺着这个“链表”快速地找到所有相关的数据，这就而不需要再从根节点开始重新查找。而且，如果我们想要对数据进行排序，也可以利用这个“链表”，因为它已经是按照某种顺序排列好的了。

相对Hash索引，B+tree支持范围匹配及排序操作。

二、HASH

HASH采用键值对的方式，哈希(hash)比树(B-Tree)更快，原因就是Hash索引的工作方式其实就像我们生活中的电话本或者地址簿。想象一下，你有一本电话本，里面记录了每个人的联系方式。为了快速找到某个人的联系方式，电话本不是按照人名首字母或者姓氏笔画排序，而是用了一种特别的方法给每个人编了一个号码（这就是哈希值）。

现在，你想找某个朋友的联系方式，你只需要查看电话本前面的索引（哈希函数），找到这个朋友对应的号码（哈希值）。然后，你直接翻到电话本中对应号码的位置，就能迅速找到这个朋友的联系方式（数据）。

所以，Hash索引就是利用一个特殊的编号方法（哈希函数），给每条数据编一个独特的号码（哈希值）。这样，当你需要找某条数据时，只需要用这个号码（哈希值）就能在固定的位置（固定大小的数组）快速找到它，而不需要一页一页地翻找。这种方法非常快捷，但缺点是，如果两个人的号码（哈希值）相同，你就需要再仔细看一下，确保找到的是你要找的那个人（解决哈希冲突）。

对比B+TREE，Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，...），不支持排序操作，在一般情况下查询效率高。