索引介绍
索引是一种特殊的数据库结构，被设计用来快速查询数据库表中的特定记录。索引有多种类型，就像字典有拼音查找和偏旁查找一样都是为了提高检索效率。MySQL中最常见的索引类型有
B+树索引和哈希索引，下面来简单介绍一下这两种索引类型有哪些差别和优劣。
B+树索引
B+树索引是一种多路径的平衡搜索树，具有如下特点：
1.非叶子节点不保存数据，只保存索引值
2.叶子节点保存所有的索引值和数据
3.同级节点通过指针自小而大顺序链接
4.节点内的数据也是自小而大顺序存放
5.叶子节点拥有父节点的所有信息
结构如下图：
优点
由于数据顺序存放，所以无论是区间还是顺序扫描都更快。
非叶子节点不存储数据，因此几乎都能放在内存中，搜索效率更高
单节点中可存储的数据更多，平均扫描I/O请求树更少
平均查询效率稳定（每次查询都从根结点到叶子结点，查询路径长度相同）
缺点
新增数据不是按顺序递增时，索引树需要重新排列，容易造成碎片和页分裂情况。
哈希索引
哈希索引采用一定的哈希算法，把键值换算成新的哈希值，检索时不需要类似B+树那样从根节点到叶子节点逐级查找，只需一次哈希算法即可立刻定位到相应的位置，速度非常快，具有如下特点：
1.哈希索引建立在哈希表的基础上
2.对于每个值，需要先计算出对应的哈希码（Hash Code），不同值的哈希码唯一
3.把哈希码保存在哈希表中，同时哈希表也保存指向对应每行记录的指针
结构如下图：
优点
大量唯一等值查询时，哈希索引效率通常更高。
缺点
哈希索引对于范围查询和模糊匹配查询显得无能为力。
哈希索引不支持排序操作，对于多列联合索引的最左匹配规则也不支持。
哈希索引不支持前缀索引，因为哈希索引始终是使用索引列的全部内容来计算哈希值。
如果存在哈希冲突的情况，也就是不同的索引列有着相同的哈希值，这时候需要遍历链表中所有的行指针进行逐行比对，直到找到所有满足条件的行，效率较低。
补充：二者区别
备注：先说下，在MySQL文档里，实际上是把B+树索引写成了BTREE，例如像下面这样的写法：
CREATE TABLE t(
aid int unsigned not null auto_increment,
userid int unsigned not null default 0,
username varchar(20) not null default ‘',
detail varchar(255) not null default ‘',
primary key(aid),
unique key(uid) USING BTREE,
key (username(12)) USING BTREE — 此处 uname 列只创建了最左12个字符长度的部分索引
)engine=InnoDB;B+树是一个平衡的多叉树，从根节点到每个叶子节点的高度差值不超过1，而且同层级的节点间有指针相互链接。
在B+树上的常规检索，从根节点到叶子节点的搜索效率基本相当，不会出现大幅波动，而且基于索引的顺序扫描时，也可以利用双向指针快速左右移动，效率非常高。
因此，B+树索引被广泛应用于数据库、文件系统等场景。顺便说一下，xfs文件系统比ext3/ext4效率高很多的原因之一就是，它的文件及目录索引结构全部采用B+树索引，而ext3/ext4的文件目录结构则采用Linked list, hashed B-tree、Extents/Bitmap等索引数据结构，因此在高I/O压力下，其IOPS能力不如xfs。
简单地说，哈希索引就是采用一定的哈希算法，把键值换算成新的哈希值，检索时不需要类似B+树那样从根节点到叶子节点逐级查找，只需一次哈希算法即可立刻定位到相应的位置，速度非常快。
从上面的图来看，B+树索引和哈希索引的明显区别是：
如果是等值查询，那么哈希索引明显有绝对优势，因为只需要经过一次算法即可找到相应的键值；当然了，这个前提是，键值都是唯一的。如果键值不是唯一的，就需要先找到该键所在位置，然后再根据链表往后扫描，直到找到相应的数据；
从示意图中也能看到，如果是范围查询检索，这时候哈希索引就毫无用武之地了，因为原先是有序的键值，经过哈希算法后，有可能变成不连续的了，就没办法再利用索引完成范围查询检索；
同理，哈希索引也没办法利用索引完成排序，以及like ‘xxx%’ 这样的部分模糊查询（这种部分模糊查询，其实本质上也是范围查询）；
哈希索引也不支持多列联合索引的最左匹配规则；
B+树索引的关键字检索效率比较平均，不像B树那样波动幅度大，在有大量重复键值情况下，哈希索引的效率也是极低的，因为存在所谓的哈希碰撞问题。
总结
到此这篇关于MySQL B+树索引与哈希索引的文章就介绍到这了,更多相关MySQL B+树索引与哈希索引内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
