MySQL B+樹索引和哈希索引的區別
導讀
在MySQL裏常用的索引數據結構有B+樹索引和哈希索引兩種，我們來看下這兩種索引數據結構的區別及其不同的應用建議。
二者區別
備註：先說下，在MySQL文檔裏，實際上是把B+樹索引寫成了BTREE，例如像下面這樣的寫法：
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 — 此處 uname 列只創建了最左12個字符長度的部分索引
)engine=InnoDB;
一個經典的B+樹索引數據結構見下圖：
(圖片源自網絡)
B+樹是一個平衡的多叉樹，從根節點到每個葉子節點的高度差值不超過1，而且同層級的節點間有指針相互鏈接。
在B+樹上的常規檢索，從根節點到葉子節點的搜索效率基本相當，不會出現大幅波動，而且基於索引的順序掃描時，也可以利用雙向指針快速左右移動，效率非常高。
因此，B+樹索引被廣泛應用於數據庫、文件系統等場景。順便說一下，xfs文件系統比ext3/ext4效率高很多的原因之一就是，它的文件及目錄索引結構全部采用B+樹索引，而ext3/ext4的文件目錄結構則采用Linked list, hashed B-tree、Extents/Bitmap等索引數據結構，因此在高I/O壓力下，其IOPS能力不如xfs。
詳細可參見：
https://en.wikipedia.org/wiki/Ext4
https://en.wikipedia.org/wiki/XFS
而哈希索引的示意圖則是這樣的：
(圖片源自網絡)
簡單地說，哈希索引就是采用一定的哈希算法，把鍵值換算成新的哈希值，檢索時不需要類似B+樹那樣從根節點到葉子節點逐級查找，只需一次哈希算法即可立刻定位到相應的位置，速度非常快。
從上面的圖來看，B+樹索引和哈希索引的明顯區別是：
-
如果是等值查詢，那麽哈希索引明顯有絕對優勢，因為只需要經過一次算法即可找到相應的鍵值；當然了，這個前提是，鍵值都是唯一的。如果鍵值不是唯一的，就需要先找到該鍵所在位置，然後再根據鏈表往後掃描，直到找到相應的數據；
-
從示意圖中也能看到，如果是範圍查詢檢索，這時候哈希索引就毫無用武之地了，因為原先是有序的鍵值，經過哈希算法後，有可能變成不連續的了，就沒辦法再利用索引完成範圍查詢檢索；
-
同理，哈希索引也沒辦法利用索引完成排序，以及like ‘xxx%’ 這樣的部分模糊查詢（這種部分模糊查詢，其實本質上也是範圍查詢）；
-
哈希索引也不支持多列聯合索引的最左匹配規則；
-
B+樹索引的關鍵字檢索效率比較平均，不像B樹那樣波動幅度大，在有大量重復鍵值情況下，哈希索引的效率也是極低的，因為存在所謂的哈希碰撞問題。
後記
在MySQL中，只有HEAP/MEMORY引擎表才能顯式支持哈希索引（NDB也支持，但這個不常用），InnoDB引擎的自適應哈希索引（adaptive hash index）不在此列，因為這不是創建索引時可指定的。
還需要註意到：HEAP/MEMORY引擎表在mysql實例重啟後，數據會丟失。
通常，B+樹索引結構適用於絕大多數場景，像下面這種場景用哈希索引才更有優勢：
在HEAP表中，如果存儲的數據重復度很低（也就是說基數很大），對該列數據以等值查詢為主，沒有範圍查詢、沒有排序的時候，特別適合采用哈希索引
例如這種SQL：
SELECT … FROM t WHERE C1 = ?; — 僅等值查詢
在大多數場景下，都會有範圍查詢、排序、分組等查詢特征，用B+樹索引就可以了。
MySQL B+樹索引和哈希索引的區別