索引是一种数据结构，由原始数据派生而来的，适当的索引可以加快读取查询，但所以都会减慢写速度。所以对索引的选择和使用，需要权衡设计。这里我们去了解索引有哪些类型，这些类型各自有哪些优缺点。
一、哈希索引
哈希索引最简单的策略是，在内存中保存hash map，每个键映射到数据文件的一个特定的字节偏移位置，这样就可以定位到每个值的位置。
哈希索引可以快速索引数据，但是不适合范围查找，而且哈希表需要放在内存中，如果系统崩溃了，就会出现数据丢失问题。另外，哈希索引还有哈希冲突的问题。
有些索引结构，能够摆脱这些限制，它们分别是SSTable和LSM-Tree。
SSTable是排序字符串表的简称
SSTable会使用到类CSV格式来存储key-value，再用内存中的hash map来索引，而key-value就用来索引数据文件。简单结构如下：
SSTable会采用只追加一个文件的形式，这会导致磁盘空间耗尽的情况，所以会采用将日志文件分段，这些数据文件端可以在执行压缩和合并，形成更简单的文件端，这些可以由后台线程进行处理。SSMTable整体如下：
SSTable在哈希表有所改进，比如key采用有序方式，使得SStable适合范围查找。使用这种索引结构的存储引擎工作如下：
1、当写入时，采用平衡树，时内存表有序
2、当内存表大于阈值时，将其作为SSTable文件写入磁盘
3、处理读请求，先从内存表查，查不到再从最新的磁盘段文件（第2步的）查找，找不到再去次新的磁盘段文件找，以此类推
4、后台进程周期执行合并和压缩，丢弃已被删除的数据
LSM-Tree
SStable和内存表是Google的Bigtable论文引入的，这个索引结构最初是日志结构的合并树（Log-Structured Merge-Tree，简称LSM-Tree）命名，后续基于合并和压缩排序文件原理的存储引擎通常称为LSM存储引擎
二、B-Tree
B-Tree相对常见，很多中间件都适用它作为索引实现，B-Tree的特点，首先是键有序，比如在一个页里，所存储的键，都是按顺序排列，而这个页所引用的其他页按照左边小，右边大的特点分布。
B-Tree的叶子结点还关联了其他叶子结点，这样使范围查找更方便，更快，这是hash索引无法相比的一个优点。
通常，B-Tree的深度在3，4层，所以索引起来很快。我们知道，要维护这样的树，有时候会比较麻烦，比如插入时，结点分裂，删除时结点合并，，还要保持平衡（因为B-Tree也是一种平衡树），比如红黑树，它的删除比插入要复杂得多。
三、其他索引
上面的哈希索引和B-Tree索引属于K-V类型索引结构，另外这里还有其他索引分类
1、聚集索引
聚集索引，是将索引行直接存储在索引中。这个特点很明显，比如MySQL的主键，就是聚集索引，决定了表的物理结构。
2、非聚集索引
比如二级索引，像普通索引，是引用主键，通过主键再回查数据行。
3、覆盖索引：介于聚集索引和非聚集索引
这是一种折中设计，在索引中不仅保存了主键，也保存了表的一些列值，这种通过索引也能得到某些简单的查询结果
4、多列索引
像组合索引，通过在多列上建立索引，并且满足最左匹配原则，这种也可以在索引上得到部分列的信息。
5、全文索引
目前所了解的全文索引做得比较好的，就是ElasticSearch，一个搜索数据库，了解不多。
