参考：小林coding、javguide
持续更新
MySQL中B+树的真实数据结构
数据库的I/O操作的最小单位是页，同理，InnoDB是以数据页为单位进行读写的，InnoDB数据页的默认大小是16KB。在MySQL中，B+树的每一个节点就是一个数据页，每次读取一个数据页，就需要一次磁盘I/O（这个理解非常重要，同学们务必记住）。
数据页包含七个部分：
文件头中有两个指针，分别指向上一个和下一个数据页，这也是为什么我们说，在MySQL中，B+树的叶子节点是按照一个双向链表组织的。
用户记录和空闲空间部分用来存储数据（可能是索引key + 数据，也可能是索引key + 页指针，这取决于是叶子节点还是非叶子节点，这个页指针指向的数据页中，最小的索引key就是当前这个索引key），这些记录按照索引key顺序形成单向链表（比如在主键索引中，索引key就是主键，或者说给某列建立了一个普通索引，这个列就是索引key，就是按照这个列的值的顺序）。由于单向链表检索时需要遍历链表上的所有节点才能完成检索，检索效率低，因此数据页中就有了页目录。
最小记录和最大记录是两条虚拟记录，它们存储了比当前数据页最小索引key还要小的数据页的指针。
页目录会将数据页中所有的行记录划分成几个组，每个组都有一个槽，槽指向每个组的最后一条记录。第一个分组只包含一个记录，这个记录称为数据页中的最小记录（索引值最小），与此对应的还有最大记录，最大记录在最后一个分组，但是这个分组不限制只能包含一个记录。另外，最后一个分组的记录条数范围在1-8条，其他分组的记录条数在4-8条，每个分组的最后一条记录的头信息中会存储该组有多少条记录。如图：
当我们要查找一条记录的时候，就根据槽指向的记录做二分查找，定位到记录在哪个分组之后，再遍历该分组找到符合条件的记录。
举个例子：
以上面那张图举个例子，5个槽的编号分别为0，1，2，3，4，我想查找主键为11的用户记录:
- 先二分查找得出槽中间位是(0+4)/2=2，2号槽里最大的记录为8。因为11>8，所以需要从2号槽后继续搜索记录;
- 再使用二分搜索出2号和4槽的中间位是(2+4)/2=3，3号槽里最大的记录为12。因为11<12，所以主键为11的记录在3号槽里;
- 这里有个问题，槽对应的值都是这个组的主键最大的记录，如何找到组里最小的记录？比如槽3对应最大主键是12的记录，那如何找到最小记录9。解决办法是：通过槽3找到槽2对应的记录，也就是主键为8的记录。主键为8的记录的下一条记录的指针指向的就是槽3当中主键最小的9记录，这样就解决了这个问题。
- 然后开始向下搜索2次，定位到主键为11的记录，取出该条记录的信息即为我们想要查找的内容。
说完了怎么在页中找数据，说回最重点的，在B+树中我们怎么查询数据。以下我们以主键索引为例，如图：
可以看出，B+树的每一个节点就是一个数据页。只有叶子节点存储索引key + 数据，非叶子节点只存放索引key + 子节点的地址。
根据上图举个例子，讲讲如何在B+树中查找索引key为6的数据：
- 从根节点开始，通过刚才讲解的如何在页中进行数据查找的方法，查询到对应的分组，这个分组中有索引key1和索引key7，因为6比7小，比1大，所以到索引key1中指向的数据页30中去查找数据。
- 同样的方式定位反复迭代，最后定位到数据页16，再根据在页中查找数据的方式，获取到最终数据，如果是聚簇索引，data就是最终数据。如果是非聚簇索引，data就是主键，再拿着主键回到聚簇索引中查找即可，这个过程称之为回表。
索引常见面试题
索引是什么？
索引是数据的目录
索引如何分类？
我们可以按照四个角度来分类索引：
- 按数据结构分类：B+树索引表、哈希索引、全文索引
- 按物理存储分类：聚簇索引、非聚簇索引
- 按字段特性分类：主键索引、唯一索引、普通索引、联合索引
- 按字段个数分类：单列索引、联合索引
按数据结构分类
InnoDB默认采用的索引数据结构就是B+树，B+树的每一个节点都是一个数据页。
在InnoDB存储引擎中，B+树是一个多叉树，叶子节点中存放索引或者具体的数据，非叶子节点只存储索引，不存放具体的数据，并且每个节点中的索引都会按照索引值顺序存放。每个叶子节点中都有两个指针，分别指向上一个叶子节点和下一个叶子节点，因此所有叶子节点形成了一个双向链表。
为什么InnoDB选择了B+树作为索引的数据结构呢？讲一下以下数据结构在数据存储这方面的缺点就懂了：
1、B树
B+树只在叶子节点存储数据，而B树的非叶子节点也要存储数据，
另外，由于B+树采用双链表连接，相比于B树更适合做范围查询。
2、哈希
假如我们的查询是一个等值查询，显然只需要通过一次哈希运算，找到对应的bucket，就能定位到数据，时间复杂度为O(1)。
但是如果做范围查询呢？比如：
select * from user where id >= 1 and id <= 500
这种情况下，意味着我们需要从1到500做500次哈希运算，再找到对应的bucket定位数据，因此哈希不适合做范围查询。如果更进一步，不是像id这种整数，而是浮点数呢？比如这种：
select * from product where price >= 1 and price <= 500
显然这种情况下，哈希表数据结构就无能为力了。
3、二叉查找树
