索引文件存在磁盘中，查询数据库数据是通过扫描索引文件查找数据对应索引，在
通过索引获取表的数据。
hash
文章图片
avl Tree平衡二叉树
文章图片
假设查询10，四步磁盘IO 操作
判断10>4，进行磁盘IO 第1次
判断10>8，进行磁盘IO 第2次
判断10>9，进行磁盘IO 第3次
判断10=10，进行磁盘IO 第4次
BTree
文章图片
假设查询10，三步磁盘操作
判断10>4，进行磁盘IO 第1次
判断10>8，进行磁盘IO 第2次
判断10=9 or 10=10，进行磁盘IO 第3次
B+tree
文章图片
最下面一行的是非叶子节点，除下面一行和根节点的是叶子节点
假设查询10，三步磁盘操作
判断10>5，进行磁盘IO 第1次
判断10>7，进行磁盘IO 第2次
判断10=11 or 10=10，进行磁盘IO 第3次
总结由上图可知
hash不能解决范围查询
avl Tree、BTree、B+tree可以解决范围查询
如果查询的数据为10
avl Tree的深度为4，而BTree、B+tree的深度为3，所以BTree、B+tree 磁盘IO操作次数少
avl Tree、BTree范围查询效率低，索引文件占内存少
B+tree范围查询效率高，索引文件占内存多（内存问题不是很大对于大数据效率才是王道）
因一般查询都有范围查询，所以B+Tree的优点大于其他索引
小知识【hash、平衡二叉树、BTree、B+tree的区别】mysql引擎类型包含myisam和innoDB（底层为B+tree）一般使用innoDB多
因为innoDB的非叶子节点包含key和数据，数据可以直接获得而myisam
非叶子节点只包含key
