索引
Redis中的索引数据结构
Redis使用的索引结构是哈希表（Hash Table）。Redis的键值对中的key就是字符串对象，而value就是Redis的数据类型，可以是String、List、Hash、Set、Zset等。Redis底层使用了一个全局哈希表保存所有键值对，哈希表的最大好处是O(1)的时间复杂度快速查找到键值对。哈希表其实就是一个数组，数组中的元素叫做哈希桶。当出现哈希冲突时，Redis会使用链表来解决冲突，将冲突的元素保存到同一个哈希桶中
MySQL
MySQL的索引的数据结构是B+Tree。特点是所有的数据都会出现在叶子节点，叶子节点形成一个单向链表，非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。
在MySQL中，使用InnoDB存储引擎时，非主键索引（也称为二级索引或辅助索引）的B+树结构与主键索引的B+树结构有所不同。对于非主键索引的B+树，其叶子节点存储的是索引键值和对应的行数据的地址（即主键值）。
具体来说，非主键索引的B+树叶子节点包含以下两部分：
- 索引键值：这是非主键索引的键值，例如，如果有一个索引是建立在某个字段column_name上，那么这个字段的值就是索引键值。
- 主键值：由于InnoDB存储引擎使用聚簇索引（即主键索引），数据行是按照主键顺序存放的。因此，非主键索引的叶子节点除了存储索引键值外，还会存储一个指向对应数据行的逻辑指针，这个指针实际上是数据行的主键值。当通过非主键索引查找数据时，InnoDB存储引擎会先在非主键索引的B+树中找到对应的主键值，然后再用这个主键值去主键索引的B+树中查找具体的数据行。
这种设计使得InnoDB存储引擎在通过非主键索引查找数据时需要两次索引查找：第一次是在非主键索引中找到主键值，第二次是在主键索引中找到具体的数据行。这个过程被称为"索引的二次查找"。
在某些情况下，如果查询只需要使用到索引键值，而不需要实际的数据行，这种查询被称为"索引覆盖扫描"，它可以避免二次查找，提高查询效率。