why not 哈希索引？#
哈希值是无序的值，既然无序，就 不能进行范围查找，而数据库需要很多大于小于的查找。
如果要进行 排序操作，也不能使用哈希值的哈希索引进行排序(例如不能用uuid做索引，只能做唯一标识，因为也是哈希无序的)。
有些值的 哈希索引是一样的，如果要进行查找，要 逐一比对，相当于全盘扫描。
why not 平衡二叉树？#
平衡二叉树是采用 二分法思维把数据按规则组装成一个树形结构的数据，用这个树形结构的数据 减少无关数据的检索，大大的提升了数据检索的速度；平衡二叉树的数据结构组装过程有以下特定：
- 平衡二叉树是一种 二叉查找树
- 每个结点的左子树的高度减去右子树的 高度的绝对值不超过1
- 空树和左右子树都是平衡二叉树
- 相比红黑树，平衡二叉树比较 适用于没有删除的情况
为什么不能用平衡二叉树： 1. 由于每个子节点最大数量为2，导致 平衡二叉树高度较高，查找次数相对较多。 2. 范围查找时，需要 向上回旋查找（例如查找>=56的数，先找到56，然后向上回旋，找出65和87）
why not B树？#
B 树又叫 平衡多路查找树。一棵m阶的B 树 (注：切勿简单的认为一棵m阶的B树是m叉树，虽然存在四叉树，八叉树，KD树，及vp/R树/R*树/R+树/X树/M树/线段树/希尔伯特R树/优先R树等空间划分树，但与B树完全不等同)的特性如下： 1. 树中每个结点 最多含有m个孩子（m>=2）； 2. 除根结点和叶子结点外，其它每个结点 至少有[ceil(m / 2)]个孩子（其中ceil(x)是一个取上限的函数）； 3. 若 根结点不是叶子结点，则 至少有2个孩子（特殊情况：没有孩子的根结点，即根结点为叶子结点，整棵树只有一个根节点）； 4. 所有 叶子结点都出现在同一层，叶子结点 不包含任何关键字信息(可以看做是 外部接点或查询失败的接点，叶子节点只是没有孩子和指向孩子的指针，这些节点也存在，也有元素。）。 5. 每个非终端结点中包含有n个关键字信息： (n，P0，K1，P1，K2，P2，......，Kn，Pn)。其中： a) Ki (i=1...n)为关键字，且关键字按顺序升序排序K(i-1)< Ki。 b) Pi为指向子树根的接点，且指针P(i-1)指向子树种所有结点的关键字均小于Ki，但都大于K(i-1)。 c) 关键字的个数n必须满足： [ceil(m / 2)-1]<= n <= m-1。
为什么不能用B树： 查找深度明显比平衡二叉树要低，但是范围查找仍然需要 向上回旋查找
why choose B+树？#
B+树是B树的一个升级版，相对于B树来说B+树更 充分的利用了节点的空间，让查询速度更加稳定，其速度 完全接近于二分法查找。为什么说B+树查找的效率要比B树更高、更稳定；我们先看看两者的区别
B树和B+树#
- B+跟B树不同，B+树的 非叶子节点不保存关键字记录的指针，只进行数据索引，这样使得B+树每个非叶子节点所能保存的关键字大大增加；
- B+树 叶子节点保存了父节点的所有关键字记录的指针，所有数据地址必须要到叶子节点才能获取到。所以 每次数据查询的次数都一样；
- B+树叶子节点的关键字 从小到大有序排列，左边结尾数据都会保存右边节点开始数据的指针。
- 非叶子节点的子节点数=关键字数（来源百度百科）（根据各种资料
这里有两种算法的实现方式，另一种为非叶节点的关键字数=子节点数-1（来源维基百科)，虽然他们数据排列结构不一样，但其原理还是一样的。Mysql
的B+树是用第一种方式实现）;
因此，B+树的 查找次数少(树的高度低)，范围查找也快（叶子节点通过指针连接）