1、BTree索引!(https://oscimg.oschina.net/oscnet/upd956cc992de6df62c8502441583bb210ea4.png)1、BTree首先是有序结构，为了不至于树的高度太高，影响查找效率，在叶子节点上存储的不是单个数据，提高了查找效率；为了更好的支持

BTree索引!(https://oscimg.oschina.net/oscnet/3329cf028540693bf2307cdc60e8fccc776.jpg)  【初始化介绍】 一颗b树，浅蓝色的块我们称之为一个磁盘块，可以看到每个磁盘块包含几个数据项（深蓝色所示）和指针（黄色所示），如磁盘块1包含数据项17和35

在这里实现的是在主存中的操作，没有进行文件的存储和修改。头文件btree.h：ifndef_BTREE_H  define_BTREE_H   defineMIN_T3 defineMAX_T(MIN_T2)typedefstructBTreeNod

　　在MYSQL中，索引是在引擎层中而不是服务器层实现的。所以并没有统一的索引标准：不同存储引擎的索引的工作方式并不一样，也不是所有的存储引擎都支持所有类型的索引。即使多个存储引擎支持同一种类型的索引，其底层的实现也可能不同（1）BTree索引　　　　如果没有特别指明类型的话，那么就代指为BTree引擎，它使用BTree数据结构来

　　上回刚刚讲到了BTree这次来简单学学BTree索引　　BTree中每个节点包含：　　1.本节点所含关键字的个数。　　2.指向父节点的指针　　3.关键字　　4.指向子节点的指针　　关于BTree的规则　　1.m阶的BTree每个结点至多可以拥有m个子节点，根结点至少有两个子节点　　2.根结点的关键字（key）

Hash索引结构的特殊性，其检索效率非常高，索引的检索可以一次定位，不像BTree索引需要从根节点到枝节点，最后才能访问到页节点这样多次的IO访问，所以Hash索引的查询效率要远高于BTree索引。可能很多人又有疑问了，既然Hash索引的效率要比BTree高很多，为什么大家不都用Hash索引而还要使用BTree索引呢？

1、为什么MongoDB使用B树，而不是B树MongoDB是一种nosql，也存储在磁盘上，被设计用在数据模型简单，性能要求高的场合。性能要求高，我们看B树与B树的区别：_B树内节点不存储数据，所有data存储在叶节点导致查询时间复杂度固定为logn。

摘要本文以MySQL数据库为研究对象，讨论与数据库索引相关的一些话题。特别需要说明的是，MySQL支持诸多存储引擎，而各种存储引擎对索引的支持也各不相同，因此MySQL数据库支持多种索引类型，如BTree索引，哈希索引，全文索引等等。为了避免混乱，本文将只关注于BTree索引，因为这是平常使用MySQL时主要打交道的索引，至于哈希索引和全文索引本文

MySQL优化之BTree索引使用规则从一道题开始分析：假设某个表有一个联合索引（c1,c2,c3,c4）以下那个只能使用该联合索引的c1,c2,c3部分explainselect\fromtwherec1'a1'andc2'a2'andc4'a4'andc3'a3';expl

本文理论结合实践，通过BTree索引的设计和实现，更好的理解数据库索引相关的知识点以及优化原理。