什麼是索引？
索引是關係數據庫中對某一列或多個列的值進行預排序的數據結構，就好比書籍的目錄。
爲什麼使用索引？
索引的出現其實就是爲了提高數據庫查詢的效率，就好比書的目錄，通過書的目錄，我們可以快速精確找到我們想要的信息
不適合索引的數據結構
索引的作用是爲了提高查詢的效率，而可以提高查詢的數據結構有很多種，我們都知道數據庫選擇了B+樹這一數據模型作爲索引的數據結構，那麼爲什麼選擇B+樹，而不是其他數據結構？
數組
如果單從查詢效率來看，數組顯然是最合適的，我們都知道數組的查詢速度快，但是當我們的數據庫中存在數據更新時，假如在中間插入一個數據，那麼後面的全部數據都要移動，顯然數組結構比較適合靜態數據不變的存儲
二叉樹
由二分查找思想，二叉樹也是經典的提高查詢速度的數據結構，但是爲什麼不選擇二叉樹是因爲，索引的存儲位置原因，這裏首先問一下，索引存儲在哪裏？
索引存儲在磁盤當中，首先要知道索引要加載到內存中才能查詢，而從磁盤到內存的加載過程就會有磁盤I/O過程，數據查詢的主要時間就是磁盤I/O的時間，我們簡單理解就是I/O過程非常消耗時間，我們需要做的就是儘量減少I/O的過程，這裏我們舉個例子。假設一個7個節點的二叉樹它可以是三層高，也同樣可以是7層高，二叉樹高度不好控不行，那麼平衡二叉樹那，我們認爲的添加限定條件，限制樹的高度，但是假如N比較大二叉樹依然很高，所以我們換一種思路M叉樹，也就是B樹和B+樹
B-樹
B-樹是一種平衡的多路查找樹。B樹結構如下圖所示
B樹每個結點最多有M棵子樹，M就是B樹的階，一棵M階的B樹滿足下面的特性：
- 樹中每個節點最多有M棵子樹
- 若根節點不是葉子結點，則最少有兩棵子樹
- 除根節點外的所有非終端結點，也就是中間結點，子樹在[ceil(M/2),M]之間，就是有最大最小值約束
- 所有非終端結點（葉子結點）也就是中間結點，包含三種信息（關鍵字，子樹，指針），假設一箇中間結點，包含K個關鍵字，則子樹數目爲k+1，也就是說關鍵字和子樹數目存在加一的關係
- 假設中間節點節點的關鍵字爲：Key[1], Key[2], …, Key[k-1]，且關鍵字按照升序排序，即 Key[i]<Key[i+1]。此時 k-1 個關鍵字相當於劃分了 k 個範圍，也就是對應着 k個指針，即爲：P[1], P[2], …, P[k]，其中 P[1] 指向關鍵字小於 Key[1] 的子樹，P[i] 指向關鍵字屬於 (Key[i-1], Key[i]) 的子樹，P[k] 指向關鍵字大於 Key[k-1] 的子樹
- 所有葉子結點出現在同一個層次
B+樹
B+樹是基於B-樹做的改進，兩者差異在於：
- 有 k 個孩子的節點就有 k 個關鍵字。也就是孩子數量 = 關鍵字數，而 B 樹中，孩子數量 = 關鍵字數 +1。
- 非葉子節點的關鍵字也會同時存在在子節點中，並且是在子節點中所有關鍵字的最大(或最小）。
- 非葉子節點僅用於索引，不保存數據記錄，跟記錄有關的信息都放在葉子節點中。而B樹中,非葉子節點既保存索引，也保存數據記錄。
- 所有關鍵字都在葉子節點出現，葉子節點構成一個有序鏈表，而且葉子節點本身按照關
鍵字的大小從小到大順序鏈接。下圖就是一棵 B+ 樹，階數爲 3，根節點中的關鍵字 1、18、35 分別是子節點（1，8，14），（18，24，31）和（35，41，53）中的最小值。每一層父節點的關鍵字都會出現在下一層的子節點的關鍵字中，因此在葉子節點中包括了所有的關鍵字信息，並且每一個葉子節點都有一個指向下一個節點的指針，這樣就形成了一個鏈表。
![在這裏插入圖片描述]()
在B樹和B+樹兩者之間，我們爲什麼選擇B+樹了那，因爲局部性原理和磁盤預讀的特性，這兩個概念讀者可以自行百度一下，是計算機系統的特性，計算機讀取數據是以頁爲單位的，大小爲4K，所以說我們每次讀取磁盤塊大小固定的，如果我們在上層不僅存儲關鍵字還存儲數據，那麼就導致我們雖然可以有多個關鍵字指代多個子樹，但是我們空間不夠，導致我們依然存不了幾個子樹數據。
總結一下就是，首先B+ 樹查詢效率更穩定。因爲 B+ 樹每次只有訪問到葉子節點才能找到對應的數據，而在 B 樹中，非葉子節點也會存儲數據，這樣就會造成查詢效率不穩定的情況，有時候訪問到了非葉子節點就可以找到關鍵字，而有時需要訪問到葉子節點才能找到關鍵字。
其次，B+ 樹的查詢效率更高，這是因爲通常 B+ 樹比 B 樹更矮胖（階數更大，深度更低），查詢所需要的磁盤 I/O 也會更少。同樣的磁盤頁大小，B+ 樹可以存儲更多的節點關鍵字。
不僅是對單個關鍵字的查詢上，在查詢範圍上，B+ 樹的效率也比 B 樹高。這是因爲所有關鍵字都出現在 B+ 樹的葉子節點中，並通過有序鏈表進行了鏈接。而在 B 樹中則需要通過中序遍歷才能完成查詢範圍的查找，效率要低很多。
