MySQL数据库索引常见问题
笔者看过很多数据库相关方面的面试题，但大多数答案都不太准确，因此决定在自己blog进行一个总结。
Q1:数据库有哪些索引？优缺点是什么？
1.B树索引：大多数数据库采用的索引（innoDB采用的是b+树）。能够加快访问数据的速度，尤其是范围数据的查找非常快。缺点是只能从索引的最左列开始查找，也不能跳过索引中的列，如果查询中有某个列用到了范围查询，则右边所有列都无法使用索引优化查找。
2.哈希索引：基于哈希表实现。在MySQL中，只有Memory引擎显式的支持哈希搜索。哈希查找的速度非常快，但哈希索引只包含哈希值和行指针，不存储字段值，所以不能用索引中的值来避免读取行，也不能进行排序。由于哈希索引使用的是索引列的全部内容来计算哈希值的，所以不支持部分所有列匹配查找。哈希只支持等值比较，不支持任何范围查询。一旦哈希冲突很多的话，维护成本非常高。innoDB支持“自适应哈希索引”（adaptive hash index)。
3.全文索引：全文索引是一种特殊类型的索引，它查找的是文本中的关键字，而不是比较索引的值。最初只能在MyISAM上使用，5.6.24以后innoDB也支持了全文索引。全文索引的查询要使用Match....against，在相同的列上同时创建全文搜索和基于值的B-Tree索引不会有冲突。
4.空间数据索引（R-tree索引），MyISAM支持R树索引，好处是无需前缀查询，会从所有纬度来索引数据，可以用作地理数据的存储；缺点是必须使用MySQL的GIS相关函数如MBRCONTAINS( )等来维护数据，但由于MySQL中的GIS并不完善，因此大多数人不会使用这个特性。
Q2：为什么不实用二叉查找树或者红黑树作为数据库索引。
二叉树在处理海量数据时，树的高度太高，虽然索引效率很高，达到logN，但会进行大量磁盘io，得不偿失。而且删除或者插入数据可能导致数据结构改变变成链表，需要增进平衡算法。而红黑树，插入删除元素的时候会进行频繁的变色和旋转（左旋，右旋），很浪费时间。但是当数据量很小的时候，完全可以放入红黑树中，此时红黑树的时间复杂性比b树低。因此，综上考虑，数据库最后选择了b树作为索引。
Q3:B tree和B+ tree应用场景：
1.B树常用于文件系统，和少部分数据库索引，比如mongoDB。
2.B+树主要用于mysql数据库索引。
Q4:B+ tree对比B tree的优点
B树的每个节点除了存储指向 子节点的索引外，还要存储data域，因此单一节点指向子节点的索引并不是很多，树的高度较高，磁盘io次数较多。B+树的高度更低，且所有data都存储在叶子节点，叶子节点都处于同一层，因此查询性能稳定，便于范围查找。
