在MySQL中，我們常用的存儲引擎 InnoDB 和 MyISAM 的索引都是B-Tree 索引。大家都知道，建立索引的目的便是優化慢查詢，那麼慢查詢究竟慢在哪裏呢？
查詢時間
一個sql查詢的時間分爲 等待時間 和執行時間。
等待時間，即sql執行之前所等待的時間。對於mysql數據庫來說，在執行某些操作時，InnoDB會鎖行，MyISAM會鎖表。當即將開始一個新查詢時，如果查詢所操作的表或者行正被鎖定，那麼就會有等待時間（一般時間相當短，可以忽略。如果過長，應檢查數據庫）。
執行時間，sql查詢的執行時間分爲2個步驟：
查詢：找到符合要求的行。
取出：將找到的行的數據取回。
時間分佈如下圖：
建立索引的目的便是爲了減少執行時間。
B-tree索引
B-tree是一種常見的數據結構。對於 InnoDB 和 MyISAM 來說，在未加索引的情況下，查詢一條數據只能進行全表掃描。效率十分低下，添加索引後，通過索引檢索數據，效率則會提高千倍萬倍。
那麼b-tree的查詢爲何如此快速呢？
B-tree 可以說是多階的二叉樹，下面我們以二叉樹查找來演示，原理與b-tree基本相同：
二叉樹具有以下性質：
- 任意節點的左子樹不空，則左子樹上所有結點的值均小於它的根結點的值；
- 任意節點的右子樹不空，則右子樹上所有結點的值均大於它的根結點的值；
- 任意節點的左、右子樹也分別爲二叉查找樹；
- 沒有鍵值相等的節點。
假設將主鍵索引存入一顆二叉樹，那麼在查找主鍵爲27的數據時，二叉樹查找與隊列查找對比如下：
（圖中step數忽略了頂層比較）
使用二叉樹後，比較次數由11次降到了4次。
在大數據時這一點更加明顯：如圖，27所在二叉樹的第四層，需要進行4次比較操作。
假設數據量夠大，要查找的目標id在第32層存儲，那麼則需要比較32次便可找到目標記錄的id。那麼11層二叉樹存儲了多少數據呢？二叉樹每層存儲量都會翻倍，那麼第32層則存儲了 2^32個數據，再加上前10層的數據，總數據量達到了 2^(33)-2 個，大約40多億條。假設沒有索引，直接全表掃描，那麼平均則需要檢索20億次，才能找到目標數據。
索引排序
建立索引，不僅能夠大大提高查詢的效率。對排序效率也有很大提高。
在進行排序操作時，索引樹由根節點開始展開，左子樹排在父節點之前，右子樹排在父節點之後，組成一個整體，再與更上一層父節點重複操作。如圖：
