1. 百万级的数据
查找数据： 意味着对磁盘进行频繁的操作，索引的目的就是减少操作的次数。来提高查询的效率。
不加索引： 对磁盘进行百万次的io操作
加索引： 将排好序的数据放在数据结构里
举例; select * from tab where colname = 89
(不加索引就得是全表查询)
加索引：
索引结构：
二叉树;
34
/
22 89
/ /
5 23 77 91
如果索引的字段是有序的，二叉树就变成单边增长的趋势（io的次数跟没加索引一样）。
0x0 col1 col2
引出：红黑树
它的特性会使出现自平衡。（左旋转， 右旋转， 变色）
会将io的次数降低；
红黑树参考：http://www.360doc.com/content/18/0904/19/25944647_783893127.shtml
特性如下：
左旋转和右旋转和变色，来保证自平衡：
mysql的索引引擎是innoDB,
底层的数据结果是B+树，B+树是增强型的多路搜索树。
B+树的磁盘读写代价更低
B+树的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对B 树更小。如果把所有同一内部结点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多。相对来说IO读写次数也就降低了。
举个例子，假设磁盘中的一个盘块容纳16bytes，而一个关键字2bytes，一个关键字具体信息指针2bytes。一棵9阶B-tree(一个结点最多8个关键字)的内部结点需要2个盘快。而B+树内部结点只需要1个盘快。当需要把内部结点读入内存中的时候，B 树就比B+树多一次盘块查找时间(在磁盘中就是盘片旋转的时间)。
B+树的查询效率更加稳定
由于非终结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当。
B+树和B-树的区别
B+树
性质：B+树是B-树的变体，也是一种多路搜索树：
1.其定义基本与B-树同，除了：
2.非叶子结点的子树指针与关键字个数相同；
3.非叶子结点的子树指针P[i]，指向关键字值属于[K[i], K[i+1])的子树（B-树是开区间）；
4.为所有叶子结点增加一个链指针；
5.所有关键字都在叶子结点出现；
B-树
性质：是一种多路搜索树（并不是二叉的）