什麼是索引? 模擬我們要查詢一本很厚的書時，怎麼快速定位到需要的部分（或者快速縮小查詢範圍），索引就類似於書中的目錄。業務的抽象落地就是資料是怎麼儲存【資料結構】，怎麼根據儲存的資料結構獲取想要的資料【演算法】。可能（反正我是）剛開始理解索引的時候是從資料庫索引開始的，其實只要像mysql資料庫內部那樣可以通過b+樹快速定位、查詢想要的資料就是索引。redis中不論使用哪種資料節點，都需要使用key快速定位，全域性的索引就是雜湊表的資料結構。
如果我們想自己設計乙個業務系統的索引時？怎麼選擇底層的資料結構，可能兩眼一抹黑。其實可以基於業務梳理，業務特點，想幹什麼，需要提供什麼功能或者方法。 從候選的資料結構中進行賽選，能夠做索引的資料結構本身其實並不多，可供選擇的有：雜湊表、有序陣列、紅黑樹、跳表、b+樹（b樹）、位圖（布隆過濾器）等。
個人理解：需求梳理
->
功能（需要支援的方法）+ 效能
->
演算法 + 資料結構
比如：mysql為什麼選擇b+樹？ 再比如：redis中的有序集合為什麼選擇跳表？（ps: 有序集合中所有的資料都小於24位元組，並且集合元素個數小於128個時，為了平衡時間空間複雜度，折中使用了壓縮列表）
1、梳理需求，redis需要支援5種資料型別，提供資料的多樣性選擇。有序集合（sorted sets）就是其中一種資料型別。
2、上面的需求，要實現有序陣列功能，再梳理一下需要支援的方法
1）、新增、刪除乙個資料； 查詢資料乙個資料；
2）、按照區間查詢資料，比如查詢 [12-45]的資料（與mysql 的between and一樣）；
3）、迭代輸出有序序列。
3、基於上面的方法和一些限制（比如mysql是單執行緒，io型業務等，再進行權衡）
1）、資料結構本身讀寫效能要高，雜湊表（讀寫時間複雜度近似o(1)）、有序陣列只適用於靜態資料。 讀寫時間複雜度都是o(logn)的紅黑樹、跳表、b+樹都可行。但是資料是儲存在記憶體中的，b+樹比較適合的是外部儲存（磁碟）。
2）、支援區間查詢，雜湊表、紅黑樹都不適合去檢查。 b+樹適合區間查詢，但是上面已經pass掉了。 到現在其實剩下的就是跳表了。
梳理完mysql選擇b+樹的過程，redis的有序集合選擇跳表的過程。梳理需求功能點和要支援的方法、可供選擇索引的資料結構的特點，是選擇索引的關鍵，下面進行專門梳理，讓自己選擇索引、資料結構時不那麼茫然。
資料是結構化還是非結構化
結構化資料：可以類似表一樣儲存到mysql等關係型資料庫中的資料；資料庫底層使用的是b樹、b+樹等。
資料是靜態還是動態的
靜態資料：不考慮新增刪除的效能，有序陣列就可以考慮；雜湊表等依賴陣列實現的樹結構，本身動態擴容時對效能本身是有影響的，當然也可以使用redis那樣的 漸進式rehash。
動態資料：需要資料結構本身新增、刪除的時維護資料特點的代價不能太高。
索引是儲存在記憶體還是磁碟中，還是一部分在磁碟一部分在記憶體
如果資料儲存在磁碟中，我們就要考慮，記憶體計算定址的速度是納秒級別的，而磁碟定址的效率是毫秒級別的，差了上萬到幾十萬倍。開率該效能可能已經遠超資料結構本身。b+樹就是為了考慮資料庫儲存的資料將大量落在磁碟上，為了降低樹的高度，多路平衡查詢樹，mysql的b+樹預設1200路，將樹基本控制在4層內。
單隻查詢，還是區間查詢
基本待選擇作為索引的資料結構，單值查詢效率都是非常高的。只是需要支援快速區間查詢，基本就只有 跳表和b+樹（b樹）了。
可能需要對資料本身預先做處理等
其他非功能性需求，還需要考慮資料結構本身的空間複雜度不能過高，或高到不能接受；索引維護的成本問題，主要就是新增、刪除之後，還需要維持原資料結構的特點。
可供索引選擇的資料結構一般時間複雜度都比較低，或者至少查詢的時間複雜度比較低： 雜湊表、跳表、紅黑樹、b+樹（b樹）、有序陣列，點陣圖和布隆過濾器可以輔助。
雜湊表 新增、刪除、查詢的時間複雜度都接近o(1)， 但是不支援區間查詢。新增、刪除操作時，需要考慮某一次進行動態擴容（縮容）的耗時較高，不能接受的話需要像redis一樣同時維護兩個陣列，漸進式rehash。 redis、mencache等 key value記憶體資料庫會使用雜湊表做索引。
紅黑樹 新增、刪除、查詢的時間複雜度為o(logn)，也不適合區間查詢。非常適合用於記憶體中構建索引。 ext檔案系統中，使用紅黑樹對磁碟塊進行索引。
b+樹 新增、刪除、查詢的時間複雜度為o(logn)，支援區間查詢、比較適合在磁碟中構建索引。 mysql中使用b+樹，oracle、mongodb總使用b樹構建索引。
跳表 新增、刪除、查詢的時間複雜度為o(logn),支援區間查詢，比較適合在記憶體中構建索引，空間複雜度可以控制在一定範圍內。 redis的有序集合使用跳表構建索引。
有序陣列 利用二分查詢的查詢的時間為o(logn)，支援區間查詢。如果是一次構建多次查詢，或者基本就是靜態資料，可以選擇有序陣列作為索引。
布隆過濾器 在大資料量比較大的情況下，判斷資料是否存在可以使用布隆過濾器， 判斷其可能存在的資料，大概率是存在（小概率誤判不存在），判斷不存在的資料一點不存在。資料量大時記憶體佔用率非常低。
索引 資料結構
子元素比根元素大，放在右邊，反之亦然。如果資料從1開始遞增，依然使用二叉樹的話，二叉樹就會變成鍊錶結構 本質上是二叉樹，如果某一邊的子元素與另一邊的子元素相比超過二個，會發生自旋，一種平衡方式。也叫二叉平衡樹 在自增資料量很大的時候，樹的層數太高，查詢效率也會變低 葉節點具有相同的深度，葉節點的指標...
mysql 資料結構 Mysql索引資料結構
mysql索引資料結構 當慢查詢時，看sql是否走索引。索引的本質 索引是幫助mysql高效獲取資料的排好序的資料結構。mysql若不建立索引，查詢某條資料時則會逐行掃瞄，每掃瞄一行資料就會做一次磁碟io。b tree 葉節點具有相同的深度，葉節點的指標為空。所有索引元素不重複。葉節點中的資料索引從...
資料結構索引 InnoDB索引
我們知道，myisam索引檔案和資料檔案是分離的，索引檔案僅僅儲存了資料記錄的位址。在innodb中，資料檔案本身就是索引檔案，表檔案本身就是乙個按照b 樹組織的乙個索引結構，葉節點data儲存了完整的資料記錄，這個索引的key是資料表的主鍵，因此innodb表資料檔案本身就是主索引。上圖是inno...