MySQL的索引并不是什么神秘组件，它本质是一套建立在磁盘页之上的有序数据结构。InnoDB存储引擎默认使用B+树来组织索引，之所以这样选，是因为数据库面对的是以磁盘为介质的持久化存储，每一次随机IO的代价都远高于内存计算。理解索引底层，要先抛开“索引就是加快查询”的笼统认知，去看它如何把查找过程中的磁盘访问次数压到最低。
一、为什么是B+树而不是其他结构
在众多数据结构中，哈希表、二叉搜索树、红黑树、B树都具备一定的检索能力，但放到数据库场景里各有短板。哈希表虽然等值查询是O(1)，但它完全不支持范围查询，也无法利用“最左前缀”做排序，而业务里“查本月订单”这种范围语句无处不在。红黑树属于二叉树，每个节点最多两个分支，当数据量到千万级时树高会超过二十层，意味着一次查询可能要二十次磁盘IO，这显然不可接受。
B树虽然已经做了多路化，把多个键值塞进一个节点以减少高度，但它的非叶子节点也保存了完整行数据或数据指针，导致单个页能容纳的键值变少，树还是会偏高。B+树在此基础上做了关键改造：非叶子节点只保存键值和指向下层页面的指针，不存实际数据；所有真实记录都集中在叶子节点，并且叶子节点之间通过双向链表相连。这样非叶子节点能装下更多键，三层B+树就能索引上千万行，范围扫描只需顺着链表走。
二、InnoDB页与B+树的物理映射
InnoDB管理磁盘的最小单位是页（page），默认大小16KB。无论是表数据还是索引，都以页为单位读写。一个B+树节点就对应一个索引页，页内记录按照主键顺序排列，通过槽位（slot）做二分查找定位。当插入数据导致页满，就会触发页分裂，把一半记录移到新页，并在父节点增加指向新页的指针，以此维持平衡。
下面用伪代码描述一次简化的B+树节点分裂逻辑，帮助理解底层行为：
// 当一个索引页装满后触发分裂
public Page splitPage(Page fullPage) {
Page newPage = allocateNewPage();
// 把后半部分记录迁移到新页
List<Record> records = fullPage.getRecords();
int mid = records.size() / 2;
for (int i = mid; i < records.size(); i++) {
newPage.insert(records.get(i));
fullPage.remove(records.get(i));
}
// 父节点记录新页的最小键与指针
fullPage.getParent().insertKey(newPage.getMinKey(), newPage.getPointer());
return newPage;
}
聚簇索引（clustered index）在InnoDB里就是主键B+树，叶子节点直接挂的是整行数据。如果表没显式定义主键，InnoDB会选第一个唯一非空索引，若还没有就隐式生成6字节行ID。二级索引的叶子节点存的是主键值，而不是行地址，所以通过二级索引查非索引列时，必须拿主键再去聚簇索引走一遍，这个过程叫回表。
三、查询路径与执行代价分析
假设执行语句 select * from user where id = 123，InnoDB会从聚簇索引的根页开始，依据每层节点里的键值范围决定下一步访问哪个子页，直到抵达叶子页找到记录。由于树高通常只有三到四层，一次主键查询只需三四次IO。若是二级索引查询且要回表，则先搜二级索引树拿到主键，再搜聚簇索引树，IO次数大约翻倍。
我们可以通过对比来看不同索引设计的差异：
| 结构类型 | 范围查询 | 单层扇出 | 典型树高（千万数据） |
|---|---|---|---|
| 红黑树 | 不支持有序链扫 | 2 | 20层以上 |
| B树 | 中序遍历较麻烦 | 较低 | 5到7层 |
| B+树 | 叶子链表顺扫 | 高 | 3到4层 |
从表中能看出，B+树用更高的扇出压低了树高，又用叶子链表补齐了范围查询短板。这也是为什么MySQL把B+树作为唯一默认索引结构。
四、常见误区与优化建议
不少人在设计表时随意用UUID做主键，这会让聚簇索引的插入变成大量随机页写入，频繁触发页分裂，性能远不如自增主键的顺序追加。还有人以为 like '%abc' 也能走索引，实际上B+树的有序性只支持前缀匹配，左模糊和全模糊只能全表扫。
另一个坑是过度建二级索引。每个二级索引都是一棵独立B+树，写入时要同步维护，索引越多写放大越严重。建议只针对高频查询条件和联合索引的最左列建模，并用覆盖索引（查询列恰好都在索引里）避免回表。例如下面的联合索引就能让某些查询只走一次树：
-- 建立覆盖索引，避免回表 CREATE INDEX idx_name_age ON user (name, age); -- 该查询只需扫描二级索引叶子节点 SELECT name, age FROM user WHERE name = '张三' AND age > 20;
搞清B+树的节点构成、页分裂以及聚簇和二级索引的差异，就能在表结构设计阶段避开大多数性能陷阱，也能在慢查询排查时准确判断是不是索引没用对。