一、为什么需要索引？
大家都知道，我们读取数据时要避免全表扫描，那如何避免全表扫描呢？目前科学家给出的目标就是索引。索引就好比一本字典的目录一样，有了目录读者就不需要翻找全书来找内容。同样有了索引，数据库就不用全表扫描了。
在一张数据表中不管你建不建索引都会有一个默认索引。如果有主键，则mysql会自动按照主键建索引。如果没有主键，mysql也会创建一个默认索引。所以:
在创建表的时候，一定要创建主键。二、为什么索引存储在硬盘之中呢？
索引是存储在硬盘之中的，这是为什么呢，大家想一下，如果出现意外情况（如：断电），那索引就全没了。所以索引是一定要存储在硬盘上的。但是存在硬盘上有一定的缺陷：性能的降低。
大家知道硬盘的读写速度是远不如内存的，如果频繁的读写硬盘索引，那性能将会非常的低。
三、探索如何提高表的读取速度？
如何提高表的查询速度呢？折半查找是一个好办法，它的时间复杂度是O(log2n),这里我举个例子,我们对数列（5,12,15,27,34,77,89）创造出来的二分查找树如下图所示：
这是我组建的一棵平衡二叉树，查找效果比较理想，但是也有不理想的情况，比如下面二种情况：
像这样二种情况，查找效率就低非常多了，时间复杂度是O(n)。
像第一种平衡二叉树在mysql中也有很大的不足之处：随着表中数据的增加，二叉树的深度将会非常大，这样导致查找的次数非常多，上面我们提到索引是存储在硬盘上的，如果树的深度太大的话，性能将会非常的低下。
针对二叉树的这种缺点，科学家们引进了多叉树，如下面场景：
多叉树的优点就是极大的减少了树的深度，我们下面要讲的B+和B树就是多叉树。
四、B/B-树介绍
B树 英文名是Balance Tree， 全名是平衡多路搜索树。B树的结构图如下：
这里的B树，我不可能画太多数据，只能给大家看看大体样子。3层深度的B树大约能存储100万的数据。深度减少能极大的减少磁盘读取次数，虽然每个节点比较次数不少，但是如果把每个节点的数据读到内存中比较，那这个比较时间就可以忽略不计了。所以用B树来存储对MySQL来说是非常合适的。
B树有以下特点：
1.所有键值分布在整颗树中（索引值和具体data都在每个节点里）；
2.任何一个关键字出现且只出现在一个结点中；
3.搜索有可能在非叶子结点结束（最好情况O(1)就能找到数据）；
4.在关键字全集内做一次查找,性能逼近二分查找；
5.所有叶子节点位于同一层。五、B+树介绍
B+树是B树的升级版，结构图如下：
B+树相对于B树有以下特点：
1.所有关键字都会在在叶子节点出现,
2.内部节点(非叶子节点)不存储数据，数据只在叶子节点存储
3.所有叶子结点构成了一个链指针，而且说有的叶子节点按照顺序排列。那B+树比B树有什么优势呢？
1.每一层更宽，更胖，存储的数据更多。因为B+树只存储关键字，而不存储多余data.所以B+树的每一层相比B树能存储更多节点。
2.所有的节点都会在叶子节点上出现，查询效率更稳定。因为B+树节点上没有数据，所以要查询数据就必须到叶子节点上，所以查询效率比B树稳定。而在 B 树中，非叶子节点也会存储数据，这样就会造成查询效率不稳定的情况，有时候访问到了非叶子节点就可以找到关键字，而有时需要访问到叶子节点才能找到关键字。
3.查询效率比B树高。因为B+树更矮，更胖，所以和磁盘交互的次数比B树更少，而且B+树通过底部的链表也可以完成遍历，但是B树需要找到每个节点才能遍历，所以B+树效率更高。
总体来说，B+树因为更矮更胖能存储更多数据、效率稳定，读写磁盘次数少，比B-树效率更高，据统计，一棵深度为3的B+树能存储2000万以上条数据。所以最终选择了B+树。
