InnoDB 存储引擎支持以下几种觉的索引：

            1.1    B+ 树索引 (平衡树索引)

            1.2    全文索引

            1.3    哈希索引

            InnoDB 存储引擎支持的哈希索引是自适应的， InnoDB 存储引擎会根据表的使用情况自动为表生成哈希索引，也就是说无法人为在表中生成哈希索引。

            B+ 树索引就是传统意义上的索引，目前关系型数据库中查找最为常用和最为有效的索引用。B+ 树索引引的构造类似于二叉树，根据键值快速找到数据。

        注：B+ 树索引不能找到一个给定键值的具体行。B+ 树索引能找到的只是被查找数据行所在的页。然后数据库通过把页读入到内存，在内存中进行查找数据。

 

        在介绍索引之前先介绍与之密切相关的一些算法和数据结构，帮助读者更好的理解B+ 树索引的工作方式。

        2.1、二分查找法

        2.2、二叉查找树和平衡二叉树

        2.3、B+树

        前面讨论的都是B+树的数据结构及其一般操作，B+树索引的本质就是B+树在数据库中的实现。B+树索引在数据库中特点是：高扇出性，因此B+树的调试一般都在2—4层，也就是说查找某一键值的行记录时最多只需要2到4次IO。

        数据库中B+树索引分为 聚集索引( clustered index ) 和 辅助索引 ( secondary index )，但是不管是聚集索引还是辅助索引，内部都是B+scf，高度平衡，叶子节点存放着所有数据。

        聚集索引 和 辅助索引区别：叶子节点存放的是否是一整行的信息

        3.1、聚集索引

                聚集索引 ( clustered index ) 按照每张表的主键构造一棵 B+树，同时叶子节点存放的为整张表的行记录数据，也将聚集索引的叶子节点称为数据页。由于实际的数据页只能按照一棵B+树进行排序，所以每张表只能拥有一个聚集索引。查询优化器倾向于采用聚集索引。聚集索引能在B+树索引的叶节点上直接找到数据，是由于定义了数据的逻辑顺序。聚集索引适用于针对范围值的查询。

                优点：对于主键排序查找和范围查找速度非常快。

        3.2、辅助索引 ( 非聚集索引 )

                辅助索 ( secondary index ) ，叶子节点并不包含行记录的全部数据。叶子节点除了包含键值以外，每个叶子节点中的索引行中还包含了一个书签 ( bookmark ) 。 该书签用来告诉 InnoDB 存储引擎哪里可以找到与索引相对应的行数据。每张表上可以有多个辅助索引，通过辅助索引查找数据时， InnoDB 存储引擎会遍历辅助索引并通过叶级别的指针获得指向主键索引的主键，再通过主键索引找到完事的行记录。

 

        哈希算法是一种常见算法，时间复杂度为 o(1)。

        4.1、哈希表 ( Hash Table )

                哈希表也称散列表，由直接寻址表改进而来。直接寻址技术存在一个很显的问题，如果域U很大，在一台典型计算机的可用容易限制下，要在机器中存储大小为U的一张表T就有点不实际，甚至是不可能的。因此哈希表出现了。在哈希方式 下，该元素处于 h(k) 中，利用哈希函数h，根据关键字 k计算出槽的位置。

                哈希—碰撞，解决办法：链接法 ( chaining )

                InnoDB 存储引擎使用哈希算法来对字典进行查找，冲突机制采用链表方式，哈希函数采用除法散列方式。对于缓冲池中的 Page 页都有一个 chain 指针，指向相同哈希函数的页。

 

        B+树索引的特点，可以通过索引字段的前缀进行查找。例如： select * from bolog where content like ‘xxx%‘

        上述 SQL 语句可以查找博客以内容为 xxx 开头的文章，只要 content 添加了 B+树索引，就能利用索引进行快速查询。但更多的应用场景得支持 ‘%xxx%‘ 而B+树索引不支持，InnoDB 提供全文检索支持。

        倒排索引：全文检索通常使用倒排索引 ( inverted index ) 来实现。倒排索引也是一种索引结构。它在辅助表中存储了单词与单词自身在一个或多个文档中所在位置之间的映射。