Hash索引 优点：通过字段的值计算的hash值，定位数据非常快。 缺点：不支持范围查询 为什么不支持范围查询？ 因为底层数据结构是散列的，无法进行比较大小 平衡二叉树 会取一个中间值，中间值左边称为左子树 ，中间值右边称为右子树 。
左子树比中间小，右子树比中间值。
数据结构平衡二叉树算法 平衡二叉查找树，又称 AVL树。 它除了具备二叉查找树的基本特征之外，还具有一个非常重要的特点：它 的左子树和右子树都是平衡二叉树，且左子树和右子树的深度之差的绝对值（平衡因子 ） 不超过1。
也就是说AVL树每个节点的平衡因子只可能是-1、0和1（左子树高度减去右子树高度）。
假设查询10 （需要经历4次IO操作） 1次 从硬盘中读取4 （内存），判断下10>4，取右指针 2次 从硬盘中读取8
（内存），判断下10>8，取右指针 3次 从硬盘中读取9 （内存），判断下10>，取右指针 4次 从硬盘中读取10
（内存），判断下10=10，定位到数据 优点:平衡二叉树算法基本与二叉树查询相同，效率比较高
缺点:插入操作需要旋转，支持范围查询
B树
B树查询效率比平衡二叉树效率要高，因为B树的节点中可以有多个元素，从而减少树的高度，减少IO操作，从而提高查询效率
缺点：范围查询效率还是比较低。 B+树 解决范围查询问题、减少IO查询的操作。
B+树算法： 通过继承了B树的特征，B+树相比B树，新增叶子节点与非叶子节点关系，叶子节点中包含了key和value，非叶子节点中只是包含了key，不包含value。通过非叶子节点查询叶子节点获取对应的value，所有相邻的叶子节点包含非叶子节点，使用链表进行结合，有一定顺序排序，从而范围查询效率非常高。
缺点：因为有冗余节点数据，会比较占内存。
MyISAM和InnoDB对B-Tree索引不同的实现
原文：https://www.cnblogs.com/gurenli/p/11443435.html