索引，是為了更快的查詢資料，查詢演算法有很多，對應的資料結構也不少，資料庫常用的索引資料結構一般為B+Tree。

1、B-Tree

關於B-Tree的官方定義個人覺得比較難懂，通俗一點就是舉個例子。假如：一本英文字典，單詞+詳細解釋組成了一條記錄，現在需要索引單詞，那麼以單詞為key，單詞+詳細解釋為data，B-Tree就是以一個二元組{key,data}來定義一條記錄。如果一個節點有3條記錄，那麼會有對應的4個指標，用以指向下一個節點。B-Tree是有序且平衡的，所有葉子節點在同一層，即不會出現某個分支層級多，某個分支層級少的情況。

因為B-Tree是有序的，所以它的查詢就簡單了，先從根節點開始二分查詢，找到則返回節點；否則沿著區間指標查詢下一個節點。比如，查詢false這個單詞。

2、B+Tree

與B-Tree不同的是，B+Tree每個節點只有key，沒有data；而且葉子節點沒有指標。也就是說B+Tree的葉子節點和內節點的資料結構是不一樣的。

一般資料庫採用的是B+Tree，而且經過了一些優化，比如在葉子節點上增加了順序訪問指標，提高區間查詢效率。比如：查詢首字母為f~t的所有單詞。那麼只需查到f開頭的第一個單詞fabric，然後沿著葉子節點的開始遍歷，直到找到最後一個以t開頭的單詞為止。

簡單介紹了B-/+Tree，至於眾多資料結構中，為何資料庫索引選擇BTree，而且選擇B+Tree，下面從計算機儲存原理方面簡單說說。

3、讀記憶體和讀磁碟

記憶體讀取和磁碟讀取的效率是相差很大的。

簡單點說說記憶體讀取，記憶體是由一系列的儲存單元組成的，每個儲存單元儲存固定大小的資料，且有一個唯一地址。

當需要讀記憶體時，將地址訊號放到地址總線上傳給記憶體，記憶體解析訊號並定位到儲存單元，然後把該儲存單元上的資料放到資料匯流排上，回傳。

寫記憶體時，系統將要寫入的資料和單元地址分別放到資料匯流排和地址總線上，記憶體讀取兩個匯流排的內容，做相應的寫操作。

記憶體存取效率，跟次數有關，先讀取A資料還是後讀取A資料不會影響存取效率。而磁碟存取就不一樣了，磁碟I/O涉及機械操作。

磁碟是由大小相同且同軸的圓形碟片組成，磁碟可以轉動(各個磁碟須同時轉動)。磁碟的一側有磁頭支架，磁頭支架固定了一組磁頭，每個磁頭負責存取一個磁碟的內容。磁頭不動，磁碟轉動，但磁臂可以前後動，用於讀取不同磁軌上的資料。磁軌就是以碟片為中心劃分出來的一系列同心環(如圖示紅那圈)。磁軌又劃分為一個個小段，叫扇區，是磁碟的最小儲存單元。

磁碟讀取時，系統將資料邏輯地址傳給磁碟，磁碟的控制電路會解析出實體地址，即哪個磁軌哪個扇區。於是磁頭需要前後移動到對應的磁軌，消耗的時間叫尋道時間，然後磁碟旋轉將對應的扇區轉到磁頭下，消耗的時間叫旋轉時間。所以，適當的操作順序和資料存放可以減少尋道時間和旋轉時間。

為了儘量減少I/O操作，磁碟讀取每次都會預讀，大小通常為頁的整數倍。即使只需要讀取一個位元組，磁碟也會讀取一頁的資料(通常為4K)放入記憶體，記憶體與磁碟以頁為單位交換資料。因為區域性性原理認為，通常一個數據被用到，其附近的資料也會立馬被用到。

4、檢索效能分析

B-Tree：如果一次檢索需要訪問4個節點，資料庫系統設計者利用磁碟預讀原理，把節點的大小設計為一個頁，那讀取一個節點只需要一次I/O操作，完成這次檢索操作，最多需要3次I/O(根節點常駐記憶體)。資料記錄越小，每個節點存放的資料就越多，樹的高度也就越小，I/O操作就少了，檢索效率也就上去了。

B+Tree：內節點只存key，大大滴減少了內節點的大小，那麼每個節點就可以存放更多的記錄，樹的更矮了，I/O操作更少了。所以B+Tree擁有更好的效能。

5、其他索引方式

雜湊索引：通過HASH來定位的一種索引，這種索引用的較少，通過用於單值查詢。InnoDB的自適應索引就是HASH索引。

點陣圖索引：欄位值固定且少，比如性別、狀態。在同時對多個這樣的欄位and/or查詢時，效率極高，直接按位與/或就可以得到結果了。所以，應用範圍侷限。