你可以想象一下一棵100万节点的平衡二叉树，树高20 。一次查询可能需要访问20个数据块 。在机械硬盘时代，从磁盘随机读一个数据块需要10 ms左右的寻址时间 。也就是说，对于一个100万行的表，如果使用二叉树来存储，单独访问一个行可能需要20个10 ms的时间，这个查询可真够慢的 。
为了让查询过程尽量少的读磁盘，就必须让查询过程访问尽量少的数据块 。那么，我们就不应该使用二叉树，而是要使用“N叉”树 。这里，“N叉”树中的“N”取决于数据块的大小 。
以InnoDB的一个整数字段索引为例，这个N差不多是1200 。这棵树高是4的时候，就可以存1200的3次方个值，这已经17亿了 。考虑到树根的数据块总是在内存中的，一个10亿行的表上一个整数字段的索引，查找一个值最多只需要访问3次磁盘 。其实，树的第二层也有很大概率在内存中，那么平均访问磁盘的次数就更少了 。
N叉树由于在读写上的性能优点，以及适配磁盘的访问模式，已经被广泛应用在数据库引擎中了 。
不管是哈希还是有序数组，或者N叉树，它们都是不断迭代、不断优化的产物或者解决方案 。数据库技术发展到今天，跳表、LSM树等数据结构也被用于引擎设计中，这里我就不再一一展开了 。
你心里要有个概念，数据库底层存储的核心就是基于这些数据模型的 。每碰到一个新数据库，我们需要先关注它的数据模型，这样才能从理论上分析出这个数据库的适用场景 。
截止到这里，我用了半篇文章的篇幅和你介绍了不同的数据结构，以及它们的适用场景，你可能会觉得有些枯燥 。但是，我建议你还是要多花一些时间来理解这部分内容，毕竟这是数据库处理数据的核心概念之一，在分析问题的时候会经常用到 。当你理解了索引的模型后，就会发现在分析问题的时候会有一个更清晰的视角，体会到引擎设计的精妙之处 。
MySQL中，索引是在存储引擎层实现的，索引分为主键索引(key)、全文索引(FULLTEXT)、普通索引(NORMAL)、空间索引(SPATIAL)、唯一索引(UNIQUE)，具体详解在下一篇介绍 。
推荐阅读
- 红茶用什么器皿存放,红茶的保质期般为多久
- 小种红茶品种特征,正山小种红茶用什么存放最好
- 野生红茶的特点是什么,野生古树红茶存放
- 绿茶长年存放红茶,红茶有什么味
- 最难打败的四个星座是什么？
- 陈皮和橘子皮有什么区别？
- 时空伴随者指的是什么？
- 扫雷的规则与技巧是什么？
- 买电脑主要看什么
- 什么样的保险对孩子好