redis提高查询速度_面试小点-MySQL 的两种索引方法如何提高查询速度

MySQL索引的建立对于MySQL的高效运行是很重要的，索引可以大大提高MySQL的检索速度。

索引方法

Mysql的索引方法有两种，BTERR和HASH。

散列表（Hash Table）和B+Tree 都是一些常用的数据结构，再数据结构前篇中介绍过一些，关于散列表和树的数据结构，后续也会在《数据结构后篇》中总结一下。

Hash

Hash索引如何提高查询速度
Hash索引是将索引键通过Hash运算之后，将 Hash运算结果的 Hash 值和所对应的行指针信息存放于一个Hash表(可以是数组结构)中。那很显然采用Hash索引，在不考虑Hash冲突的情况下，通过Hash索引的可以一次定位数据，效率要比 BTree高很多。

Hash索引缺陷
Hash函数对索引健运算后，索引无法保证与索引健值大小一致，所以Hash索引有明显缺陷，就是不支持范围查询；无法利用索引的数据来避免sql查询的排序运算；对组合索引而言因为是组合健值进行Hash运算，所以无法使用部分索引让组合索引生效。

Hash索引使用场景
那只需要做等值比较查询，而不包含排序或范围查询的需求，都适合使用哈希索引

B+Tree

B树(B-Tree)属于多叉树又名平衡多路查找树，那B+数属于改进版的B树，

B树跟B+树的不同点

B+ 树中的节点不存储数据，只是索引，而B树中的节点存储数据
B  树中的叶子节点并不需要链表来串联。

B+Tree如何提高查询速度
B+Tree利用平衡查找树的有序性和高效遍历性，和B+Tree构建的有限高度的多叉树，通过IO次数的降低和查询遍历效率的提高，来提高查询速度。

平衡查找树的特点比较简单，后续也会在《数据结构后篇》中总结一下

已区间查询为例，B+Tree数据结构中只需要定位到区间起点值对应在树中的结点，然后从这个结点开始，按照平衡查找树的遍历方法继续遍历，直到区间终点对应的结点为止，这期间遍历得到的数据就是满足区间值的数据。
类似于我们在《常用数据结构前篇》中提到的跳表的原理。利用局部数据，一层一层靠近查询数据。

B+Tree索引使用场景
Mysql数据库中使用最为频繁的索引类型，不仅仅在 MySQL中是如此，实际上在其他的很多数据库管理中BTREE索引也同样是作为最主要的索引类型