InnoDB、MyISAM 和 Memory 分别支持的索引类型由图可见，B+Tree 索引类型是 MySQL 存储引擎采用最多的索引类型

在创建表时，InnoDB 存储引擎会根据不同的场景选择不同的列作为索引：

如果有主键，默认会使用主键作为聚簇索引的索引键（key）
如果没有主键，就选择第一个 不包含 NULL 值的唯一列作为聚簇索引的索引键（key）
在上面两个都没有的情况下，InnoDB 将自动生成一个 隐式自增 id 列作为聚簇索引的索引键（key）

其它索引都属于辅助索引（Secondary Index）[也称为二级索引或非聚簇索引]

创建的主键索引和二级索引默认使用的是 B+Tree 索引

先创建一张商品表，id 为主键，如下：

CREATE TABLE `product`  (
  `id` int(11) NOT NULL,
  `product_no` varchar(20)  DEFAULT NULL,
  `name` varchar(255) DEFAULT NULL,
  `price` decimal(10, 2) DEFAULT NULL,
  PRIMARY KEY (`id`) USING BTREE
) CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;

商品表里，有这些行数据：

B+Tree

B+Tree 是一种多叉树，叶子节点才存放数据，非叶子节点只存放索引，而且每个节点里的数据是按主键顺序存放的。每一层父节点的索引值都会出现在下层子节点的索引值中，因此在叶子节点中，包括了所有的索引值信息，并且每一个叶子节点都指向下一个叶子节点，形成一个链表

主键索引的 B+Tree 图

通过主键查询商品数据的过程

执行查询语句，使用了主键索引查询 id 号为 5 的商品

查询过程：B+Tree 会自顶向下逐层进行查找

将 5 与根节点的索引数据 (1，10，20) 比较，5 在 1 和 10 之间，所以根据 B+Tree的搜索逻辑，找到第二层的索引数据 (1，4，7)
在第二层的索引数据 (1，4，7)中进行查找，因为 5 在 4 和 7 之间，所以找到第三层的索引数据（4，5，6）
在叶子节点的索引数据（4，5，6）中进行查找，然后找到了索引值为 5 的行数据

数据库的索引和数据都是存储在硬盘的，我们可以把读取一个节点当作一次磁盘 I/O 操作。那么上面的整个查询过程一共经历了 3 个节点，也就是进行了 3 次 I/O 操作

千万级的数据在主存中根本存储不下，只能以块的形式从磁盘读取数据，与主存的访问时间相比，磁盘的 I/O 操作相当耗时

B+Tree 存储千万级的数据只需要 3-4 层高度就可以满足，这意味着从千万级的表查询目标数据最多需要 3-4 次磁盘 I/O，所以B+Tree 相比于 B 树和二叉树来说，最大的优势在于查询效率很高，因为即使在数据量很大的情况，查询一个数据的磁盘 I/O 依然维持在 3-4次

通过二级索引查询商品数据的过程

主键索引的 B+Tree 和二级索引的 B+Tree 区别如下：

主键索引的 B+Tree 的叶子节点存放的是实际数据，所有完整的用户记录都存放在主键索引的 B+Tree 的叶子节点里
二级索引的 B+Tree 的叶子节点存放的是主键值，而不是实际数据

将前面的商品表中的 product_no （商品编码）字段设置为二级索引，二级索引的 B+Tree 如下图，其中非叶子的 key 值是 product_no（图中橙色部分），叶子节点存储的数据是主键值（图中绿色部分）

用 product_no 二级索引查询商品

select * from product where product_no = '0002';

先检二级索引中的 B+Tree 的索引值（商品编码，product_no），找到对应的叶子节点，然后获取主键值，然后再通过主键索引中的 B+Tree 树查询到对应的叶子节点，然后获取整行数据。这个过程叫「回表」，要查两个 B+Tree 才能查到数据

当查询的数据是能在二级索引的 B+Tree 的叶子节点里查询到，这时就不用再查主键索引查，比如下面这条查询语句(查询主键)：

select id from product where product_no = '0002';

这种在二级索引的 B+Tree 就能查询到结果的过程就叫作「覆盖索引」，只需要查一个 B+Tree 就能找到数据

索引按数据结构分类

B+Tree

通过主键查询商品数据的过程

通过二级索引查询商品数据的过程