在 MySQL（InnoDB）数据库中，索引的底层数据结构主要包括 B+树、哈希索引、全文索引 和 R-Tree。其中，B+树 是最常见的索引结构，适用于大多数查询场景。

---

1. B+ 树索引（B+Tree Index）

（1）特点

• 多层平衡树结构，所有数据存储在叶子节点。
• 叶子节点按顺序存储，支持范围查询和排序。
• 非叶子节点只存储键值，不存储具体数据，减少磁盘 I/O。
• 自带排序，适合 ORDER BY、BETWEEN 等查询。

（2）示例

假设有一张证券交易流水表 (trades)，trade_date 字段建立了 B+ 树索引：

CREATE INDEX idx_trade_date ON trades(trade_date);

当执行查询：

SELECT * FROM trades WHERE trade_date BETWEEN '2023-01-01' AND '2024-01-01';

MySQL 直接在 B+ 树索引中找到第一个匹配的叶子节点，然后顺序扫描，避免全表扫描，提高查询性能。

---

2. 哈希索引（Hash Index）

（1）特点

• 基于哈希表，只适用于等值查询（=）。
• 不支持范围查询（如 BETWEEN）、排序（如 ORDER BY）。
• 适用于 查询速度极快但数据更新不频繁的场景。

（2）示例

对于用户登录验证：

CREATE TABLE users (
    id INT PRIMARY KEY AUTO_INCREMENT,
    username VARCHAR(50) NOT NULL,
    password_hash CHAR(64) NOT NULL,
    UNIQUE KEY idx_username (username) USING HASH
);

执行：

SELECT * FROM users WHERE username = 'zhangsan';

MySQL 通过哈希函数快速计算 username 的存储位置，直接找到匹配记录。

适用场景：用户 ID、唯一键（UUID）、哈希匹配等。

---

3. 全文索引（FULLTEXT Index）

（1）特点

• 用于大文本字段（如 VARCHAR、TEXT）。
• 适用于模糊匹配、搜索引擎。
• 支持倒排索引，比 LIKE 查询更高效。

（2）示例

在文章内容字段上创建全文索引：

CREATE FULLTEXT INDEX idx_content ON articles(content);

查询包含“证券交易”相关内容的文章：

SELECT * FROM articles WHERE MATCH(content) AGAINST ('证券交易');

适用场景：新闻搜索、电商商品搜索、证券公告查询等。

---

4. R-Tree 索引（用于空间索引）

（1）特点

• 用于地理位置查询，支持 GIS（地理信息系统）。
• 适用于范围查询，如“查找某个区域内的证券交易所”。

（2）示例

在地理位置信息表上建立 R-Tree 索引：

CREATE SPATIAL INDEX idx_location ON locations(geo_point);

查询特定范围内的证券交易所：

SELECT * FROM locations 
WHERE ST_Contains(ST_GeomFromText('POLYGON(...)'), geo_point);

适用场景：地图查询、地理数据分析、城市分布统计。

---

5. 索引结构对比

在证券交易系统中，B+ 树索引是最常用的结构，适用于交易流水、账户信息等数据查询。你们的系统目前主要使用哪种索引？遇到了哪些查询优化问题？