Hash结构
概述
Hash算法是通过某种确定的算法(MD5、SHA1、SHA2、SHA3等）将输入进行算法处理后输出，相同的输入永远可以得到相同的输出，但若是输入内容有微小的偏差，输出通常会有不同的结果。
采用Hash进行的检索，基本一次就可以找到数据，从效率来说比B+树更快。
数据检索
在hash的方式下，会利用hash函数根据关键字k计算出一个hash表（T[0...n-1]）的槽位置，将该关键字映射到槽上。
当遇到碰撞时（不同的关键字得到同样的槽），数据库中一般采用链接法来解决：
缺陷（为什么还需要树形结构）
1. Hash索引只能进行 等于、不等于、IN 等查询，若是要进行范围查询，hash索引的时间复杂度会退化为O(n)，而树型的索引依旧能保持O(log2N)的高效率。
-
Hash表的数据是没有顺序的，在ORDER BY 情况下，还需要对数据重新排序
-
对于联合索引，Hash 无法对单独的一个键或几个键进行查询，只能将联合索引键联合后一起计算。
-
在等值查询时，若是索引列的重复值过多，就会多次触发Hash冲突，每次冲突都需要遍历桶排序中的指针来进行比较查找关键字，会使效率降低。
优点（适用性）
-
MySQL中的Memory存储引擎支持Hash存储，当我们需要查询Memory表（临时表）时，可将某个字段设为Hash索引（eg：字符串类型的字段），进行hash计算后长度可以缩短到几个字节，经常需要进行等值查询且字段重复度低时，可采用hash索引。
-
InnoDB本身不支持Hash索引，但提供自适应Hash索引（innodb_adaptive_hash_index查看是否开启）：当某个数据经常被访问并且满足一定条件时，系统会将这个数据页的地址存储到Hash表中，下次查询时直接找到这个页的所在位置(当B+树较深时可以明显提高效率），让B+树也具备了Hash索引的优点。
