索引实现原理
索引：排好序 的数据结构
优点：降低I/O成本，CPU的资源消耗（数据持久化在磁盘中，每次查询都得与磁盘交互）
缺点：更新表效率变慢，（更新表数据，还要更新索引），占用空间
分类：主键索引，唯一索引，单值索引，组合索引
索引的数据结构
Hash表（舍弃：不适合范围查找和排序）
hashMap中（key，value）就说基于这种hash算法
对于hash算法的CRUD 来讲，时间复杂度为O(1)，但对于范围 查询和排序来讲，时间复杂度又从最好变为O(n)
二叉树（舍弃:自增序列无效）
理想情况
mysql不使用的原因：对于自增数据，树左倾或右倾形成链表，时间复杂度变回了O(n)
红黑树（舍弃:树会很高）
本质就是二叉树，相比较于二叉树，他有平衡功能(当一边高时，会自动更新根节点)，又称为二叉平衡树
mysql 不使用原因：数据量大的时候，树会更高，查找到叶子节点效率也会慢，每层就是一次IO
B Tree（舍弃：每个节点存放数据，可以优化）
特点：在每个节点 ，放多个 索引
优点：树就不会高，但每个节点都会存data数据，会占据很大的磁盘空间
B+ Tree（mysql默认）
优点：
1.非叶子节点不储data,只存储索引，可以放更多的索引
2.叶子节点包含所有索引+data字段，由双向链表 排成一行（更好的实现范围查找和排序）
3.叶子节点用指针连接，提高区间访问的性能
mysql 默认每个节点为16KB ,
例如：若使用bigInt的主键，每个节点大概可放1170 个索引，若树高3层，则为1170*1170 *16 约为2000多万索引
总结：(数据存叶子节点，双向链表)
BTree 和B+Tree都是多路搜索树，区别在于叶子节点和非叶子节点的处理。
1.BTree 每个 节点都储存索引+数据，B+Tree 的非叶子节点 只存储索引+指向叶子节点的指针，数据存到叶子节点 ，这样B+Tree 的非叶子节点就可以放更多的索引，树的层级也就降低了，这样查找更快,减少了磁盘IO 。
2.B+Tree 的叶子节点都有指针相连接，形成双向链接表 ，这样在范围和排序时更快，而BTree 的叶子节点没有相连接，范围查找时还得向父节点查找。所以B+Tree 的范围查找和排序更好
数据结构训练网址
https://www.cs.usfca.edu/~galles/visualization/Algorithms.html