一句话答案

B+ 树非叶节点只存 key，叶子节点存数据且双向链表相连，3 层可存亿级数据，范围查询高效。

核心要点

InnoDB 还有：

1. 自适应哈希索引（Adaptive Hash Index，AHI）

• InnoDB 自动（非用户手动创建）为频繁访问的索引页建立哈希索引
• 当某个 B+ 树索引被频繁等值查询时，InnoDB 自动在内存中建立哈希索引，使等值查询 O(1)
• 完全由 InnoDB 自动维护，用户无法手动创建
• 可用 innodb_adaptive_hash_index 开关控制

2. 全文索引（FULLTEXT）

• InnoDB 5.6+ 支持，基于倒排索引（与 ES 类似）
• 适合全文搜索，不适合普通 WHERE 条件

B+ 树 vs 哈希索引对比：

维度	B+ 树	哈希索引
等值查询	O(log N)	O(1)，更快
范围查询	✅ 支持（叶子链表）	❌ 不支持（哈希打散了顺序）
排序	✅ 支持（叶子有序）	❌ 不支持
前缀匹配	✅ 支持	❌ 不支持
哈希冲突	无此问题	有，冲突多时退化
存储	磁盘 + 内存	通常只在内存（Memory 引擎）

什么时候用哈希索引：

• 确定只做等值查询（= 或 IN），不需要范围、排序、前缀
• 使用 Memory 引擎的临时表
• InnoDB 的 AHI 会自动处理高频等值查询的优化，无需手动

追问与易错

追问方向：

• 为什么不用哈希索引？（不支持范围查询/排序）
• 一个 B+ 树节点能存多少 key？（16KB 页，bigint 8B + 指针 6B → 约 1170 个）
• 主键用自增 ID 还是 UUID？为什么？（自增顺序插入不分裂，UUID 随机写导致页分裂）

易错点：

• ❌ "B+ 树查找一定要走到叶子"——对的，但非聚簇索引找到主键后还要回表
• ❌ 混淆 B 树和 B+ 树——B 树非叶子也存数据

💡 记忆锚点

B+ 树像一本字典：目录页（非叶子节点）只写拼音不写释义，翻到正文页（叶子节点）才有完整解释，正文页之间用页码顺序串起来（双向链表）。所以查单词要翻到正文，查一段范围直接沿页码顺序扫过去。三层目录就能索引两千万词条，每次查找最多翻三页（三次磁盘 IO）。