㈠ sybase索引是用b树还是b+树
当创建sybase表时不带索引，则使用堆结构存储表。可以为表创建一个聚簇索引和多个非聚簇索引。当为表创建聚簇索引时，表中数据以索引中键的顺序进行物理存储。对非聚簇索引，sybase只支持b－树结构。对每个索引，可指定填充因子和每页必须存储的行数，可以将单个的表和索引分布到不同的物理设备中去———实际上，可以将非聚簇表的索引页放在与其数据独立的物理设备上。也可以划分表，为表创建多个“页链”。划分会减少对表的最后一页的访问，并允许对大型表操作时用并行i／o。
㈡ 数据库索引文件一般采用什么数据结构
关于数据库索引的数据结构，大多数数据库都是采用B树。
1、非主键索引需要在数据表本身的存储空间外额外开销存储空间，所以在更新的时候可能不仅要更新数据表本身，还要更新非主键索引，更新内容更多了，所以导致速度降低。反过来，如果数据表中的数据按照主键索引的顺序存储，更新的时候就没有额外的开销。
2、非主键索引对提高查询速度来讲，主要的方面是：检索的条件(where...)如果命中对应的非主键索引的话，就不需要对数据表做全表扫描，效率肯定是大大提高。（索引的创建和使用是数据库设计和优化的重要部分，是一个数据库程序员的必修课，不同数据库系统的语法不同，但是原理基本相同）。
3、如果检索结果的字段包含在非主键索引中，即使对非主键索引做全扫描，也比对整表字段做全扫描快，因为只有非主键索引本身的数据需要从存储设备调入内存，节约了IO时间。
(2)索引存储用什么树扩展阅读：
1、选择唯一性索引 唯一性索引的值是唯一的，可以更快速的通过该索引来确定某条记录。例如，学生表中学号是具有唯 一性的字 段。为该字段建立唯一性索引可以很快的确定某个学生的信息。如果使用姓名的话，可能存 在同名现象， 从而降低查询速度。
2、尽量使用数据量少的索引 如果索引的值很长，那么查询的速度会受到影响。例如，对一个CHAR(100)类型的字段进行全文检索 需要的时间肯定要比对CHAR(10)类型的字段需要的时间要多。
3、尽量使用前缀来索引 如果索引字段的值很长，最好使用值的前缀来索引。例如，TEXT和BLOG类型的字段，进行全文检 索会很浪费时 间。如果只检索字段的前面的若干个字符，这样可以提高检索速度。
㈢ 为什么Mysql用B+树做索引而不用B
先从数据结构的角度来答。
题主应该知道b-树和b+树最重要的一个区别就是b+树只有叶节点存放数据，其余节点用来索引，而b-树是每个索引节点都会有data域。
这就决定了b+树更适合用来存储外部数据，也就是所谓的磁盘数据。
从mysql（inoodb）的角度来看，b+树是用来充当索引的，一般来说索引非常大，尤其是关系性数据库这种数据量大的索引能达到亿级别，所以为了减少内存的占用，索引也会被存储在磁盘上。
那么mysql如何衡量查询效率呢？磁盘io次数，b-树（b类树）的特定就是每层节点数目非常多，层数很少，目的就是为了就少磁盘io次数，当查询数据的时候，最好的情况就是很快找到目标索引，然后读取数据，使用b+树就能很好的完成这个目的，但是b-树的每个节点都有data域（指针），这无疑增大了节点大小，说白了增加了磁盘io次数（磁盘io一次读出的数据量大小是固定的，单个数据变大，每次读出的就少，io次数增多，一次io多耗时啊！），而b+树除了叶子节点其它节点并不存储数据，节点小，磁盘io次数就少。这是优点之一。
另一个优点是什么，b+树所有的data域在叶子节点，一般来说都会进行一个优化，就是将所有的叶子节点用指针串起来。这样遍历叶子节点就能获得全部数据，这样就能进行区间访问啦。
至于mongodb为什么使用b-树而不是b+树，可以从它的设计角度来考虑，它并不是传统的关系性数据库，而是以json格式作为存储的nosql，目的就是高性能，高可用，易扩展。首先它摆脱了关系模型，上面所述的优点2需求就没那么强烈了，其次mysql由于使用b+树，数据都在叶节点上，每次查询都需要访问到叶节点，而mongodb使用b-树，所有节点都有data域，只要找到指定索引就可以进行访问，无疑单次查询平均快于mysql（但侧面来看mysql至少平均查询耗时差不多）。
总体来说，mysql选用b+树和mongodb选用b-树还是以自己的需求来选择的。
㈣ mysql索引采用什么数据结构
文就是对这两种数据结构做简单的介绍。
1. B-Tree
B-Tree不是“B减树”，而是“B树”。
这里参考了严蔚敏《数据结构》对B-Tree的定义：
一棵m阶的B-Tree,或者为空树，或者满足下列特性：
1.树中每个结点至多有m棵子树；
2.若根结点不是叶子结点，则至少有两棵子树；
3.除根节点之外的所有非终端结点至少有[m/2]棵子树；
4.所有非终端结点中包含下列信息数据:
(n,A0,K1,A1,K2,A2……Kn,An)
其中，n为关键字的数目，K(i)为关键字，且K(i) < K(i+1), Ai为指向子树根结点的指针，且指针A(i-1)所指子树中所有结点的关键字均小于Ki，Ai所指子树中所有结点的关键字均大于Ki；
5.所有叶子结点都出现在同一层次上；
下面通过一个例子解释一下B-Tree的查找过程。
这是一棵4阶的B-Tree，深度为4。
假如在该图中查找关键字47，首先从根结点开始，根据根结点指针t找到*a结点，因为47大于 *a 结点的关键字35，所以会去A1指针指向的 *c结点继续寻找，因为 *c的关键字 43 < 要查找的47 < *c结点的关键字78，所以去 *c结点A1指针指向的 *g结点去寻找，结果在 *g结点中找到了关键字47，查找成功。
2. B+Tree
不同的存储引擎可能使用不同的数据结构存储，InnoDB使用的是B+Tree；那什么是B+Tree呢？
B+Tree是应文件系统所需而出的一种B-Tree的变型树，一棵m阶的B+树和m阶的B-树的差异在于:
1.有n棵子树的结点中含有n个关键字；
2.所有的叶子结点中包含了全部关键字的信息，及指向含这些关键字的记录的指针，且叶子结点本身依关键字的大小自小而大顺序链接；
3.所有的非终端结点可以看成是索引部分，结点中仅含有其子树(根结点)中的最大（或最小）关键字；
还是通过一个例子来说明。
这个例子中，所有非终端结点仅含有子树中最大的关键字。
因为叶子节点本身依据关键字的大小自小而大顺序链接，所以可以从最小关键字起顺序查找。也可以从根结点开始，进行随机查找。
在B+树中随机差找和在B-树中类似，以上图为例。假设要查找关键字51，现在根节点中比较，发现51<59，因为这里使用的是非终端结点的关键字是子树中最大的关键字，所以进入最大值为59的子结点(15\44\59)中查找，同理，因为44<51<59，所以进入P3指向的结点(51\59)中查找，然后命中关键字51，因为此结点(51\59)是叶子结点，所以查找终止，该结点包含指向数据的指针。
3.索引如何在B+Tree中组织数据存储
假设有如下表:
对于表中的每一行数据，索引中包含了last_name、first_name和dob列的值，下图展示索引是如何组织数据存储的:
索引对多个值进行排序的依据是定义索引时列的顺序。
(Allen Cuba 1960-01-01)结点左侧的指针指向[?,Allen Cuba 1960-01-01)的叶子页，(Allen Cuba 1960-01-01)和(Astaire,Angelina,1980-03-04)之间的指针指向[Allen Cuba 1960-01-01,Astaire Angelina 1980-03-04)的叶子页，以此类推。总之，每个指针指向的结点中的最小值就是该指针左侧的的值。
这种存储结构也说明了在定义多个列组成的多列索引中，为什么需要把重复率最低的列放到最左侧，因为这会减少比较的次数，查找起来更加高效。
4.索引为什么选用B树这种数据结构？
因为使用B树查找时，所用的磁盘IO操作次数比平衡二叉树更少，效率也更高。
为什么使用B树查找所用的磁盘IO操作次数比平衡二叉树更少？
大规模数据存储中，树节点存储的元素数量是有限的（如果元素数量非常多的话，查找就退化成节点内部的线性查找了），这样导致二叉查找树结构由于树的高度过大而造成磁盘I/O读写过于频繁，进而导致查询效率低下。那么我们就需要减少树的高度以提高查找效率。而平衡多路查找树结构B树就满足这样的要求。B树的各种操作能使B树保持较低的高度，从而达到有效减少磁盘IO操作次数。
㈤ 为什么MongoDB采用B树索引，而Mysql用B+树做索引
事实上，在MySQL数据库中，诸多存储引擎使用的是B+树，即便其名字看上去是BTREE。
4.1 innodb的索引机制
先以innodb存储引擎为例，说明innodb引擎是如何利用B+树建立索引的
首先创建一张表：zodiac，并插入一些数据
㈥ 为什么MySQL数据库索引选择使用B+树
mysql索引的数据结构，为什么用b+树
先从数据结构的角度来答。 题主应该知道B-树和B+树最重要的一个区别就是B+树只有叶节点存放数据，其余节点用来索引，而B-树是每个索引节点都会有Data域。 这就决定了B+树更适合用来存储外部数据，也就是所谓的磁盘数据。
㈦ MySQL索引使用的是什么树
铁树
㈧ mysql索引的数据结构，为什么用b+树
谈到索引，大家并不陌生。索引本身是一种数据结构，存在的目的主要是为了缩短数据检索的时间，最大程度减少磁盘 IO。
任何有数据的场景几乎都有索引，比如手机通讯录、文件系统（ext4xfs tfs)、数据库系统（MySQLOracle）。数据库系统和文件系统一般都采用 B+ 树来存储索引信息，B+ 树兼顾写和读的性能，最极端时检索复杂度为 O(logN)，其中 N 指的是节点数量，logN 表示对磁盘 IO 扫描的总次数。
MySQL 支持的索引结构有四种：B+ 树，R 树，HASH，FULLTEXT。
B 树是一种多叉的 AVL 树。B-Tree 减少了 AVL 数的高度，增加了每个节点的 KEY 数量。
B 树的特性：（m 为阶数：结点的孩子个数最大值）
1. 树中每个节点最多含有 m 个孩子节点 (m>=2)；
2. 除根节点和叶子结点外，其他节点的孩子数量 >=ceil(m / 2)；
3.若根节点不是叶子结点，最少有两个孩子
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；
Ki (i=1...n) 为关键字，且关键字按顺序升序排序 K(i-1)< Ki
Pi 为指向儿子节点的指针，且指针 P(i-1) 指向的儿子节点里所有关键字均小于 Ki，但都大于 K(i-1)
关键字的个数 n 必须满足：[ceil(m / 2)-1]<= n <= m-1
如果一个结点有 n 个关键字，那么该结点有 n+1 个分支。这 n+1 个关键字按照递增顺序排列
所有叶子结点都出现在同一层，是所有遍历的终点位置
4. 每个非叶子结点中包含有 n 个关键字信息：(n，P0，K1，P1，K2，P2，......，Kn，Pn) 其中：
㈨ 为什么常见索引采用b+树的数据结构而不是平衡二叉树
当记录较多时，采用平衡二叉树就会出现深度较高的情况，这样检索起来O（lgN）的效率较低，而B+树则是多路平衡树，每个节点可以存储多个数据，通过定位以后，如果在叶节点之前没找到，在相应的叶子节点中通过二叉查找，效率较高。
㈩ 索引在mysql中怎么存储的
MySQL主要提供2种方式的索引：B-Tree（包括B+Tree）索引，Hash索引。
B-Tree的存储方式是平衡二叉树；
Hash索引的存储方式是构建hash表。