哈希索引是自适应的，也就是说这个不能人为干预在一张表生成哈希索引，InnoDB会根据这张表的使用情况来自动生成。
全文索引是将存在数据库的整本书的任意内容信息查找出来的技术，InnoDB从1.2.x版本支持。每张表只能有一个全文检索的索引。
B+树索引是传统意义上的索引，B+树索引并不能根据键值找到具体的行数据，B+树索引只能找到行数据锁在的页，然后通过把页读到内存，再在内存中查找到行数据。B+树索引也是最常用的最为频繁使用的索引。
二.什么是B+树 概念
B+树是一种平衡查找树，其实先想想看为什么要用平衡查找树，不用二叉树？普通的二叉树可能因为插入的数据最后变成一个很长的链表，怎么能提高搜索的速度呢？你可以想想，为什么HashMap和ConcurrentHashMap在JDK8的时候，当链表大于8的时候把链表转成红黑树（红黑树也是平衡查找树）。技术思维是想通的，那么答案无非是加快速度，性能咯。
一个B+树有以下特征：
有n个子树的中间节点包含n个元素，每个元素不保存数据，只用来索引，所有数据都保存在叶子节点。
所有叶子节点包含元素的信息以及指向记录的指针，且叶子节点按关键字自小到大顺序链接。
所有的中间节点元素都同时存在于子节点，在子节点元素中是最大（或最小）元素。
那么我们先来看一个B+树的图
所有的数据都在叶子节点，且每一个叶子节点都带有指向下一个节点的指针，形成了一个有序的链表。为什么要有序呢？其实是为了范围查询。比如说select * from Table where id > 1 and id < 100; 当找到1后，只需顺着节点和指针顺序遍历就可以一次性访问到所有数据节点，极大提到了区间查询效率。是不是范围查询的话hash就搞不定这个事情了？以下为B+树的优势：
单一节点存储更多元素，减少IO
所有查询都要找到叶子节点，查询稳定
所有叶子节点形成有序链表，方便范围查询
一般性情况，数据库的B+树的高度一般在2~4层，这就是说找到某一键值的行记录最多需要2到4次逻辑IO，相当于0.02到0.04s。
三.聚集索引和辅助索引 聚集索引
聚集索引是按表的主键构造的B+树，叶子节点存放的为整张表的行记录数据，每张表只能有一个聚集索引。优化器更倾向采用聚集索引。因为直接就能获取行数据。
请选择自增id来做主键，不要非空UK列。避免大量分页碎片。下面来看一个聚集索引的图：
那么很简单了，每个叶子节点，都存有完整的行记录。对于主键的查找速度那是相当的快，美滋滋。
辅助索引辅助索引也叫非聚集索引，叶子节点除了键值以外还包含了一个bookmark，用来告诉InnoDB在哪里可以找到对应的行数据，InnoDB的辅助索引的bookmark就是相对应行数据的聚集索引键。也就是先获取指向主键索引的主键，然后通过主键索引来找到一个完整的行。如果辅助索引的树和聚集索引的树的高度都是3，如果不是走主键索引走辅助索引的话，那么需要6次逻辑IO访问得到最终的数据页。辅助索引和聚集索引的概念关系图如下：
四.索引实战 设计索引
设计索引的时候，无论是组合索引还是普通索引等。一般经验是，选择经常被用来过滤记录的字段，高选择性，高区分性。别把性别字段设计索引，性别属于低选择性的。你可以选择名字嘛，你好我大名叫苗嘉杏：）
知道加索引快，但是也别乱加索引，插入以及更新索引的操作InnoDB都会维护B+树的，多加很多索引只会导致效率降低！
不要用重复的索引，比如有个联合索引是a，b，你又整个a列的普通索引。那不是搞事么？
不要在索引上用函数和like
一颗聚集索引B+树可以放多少行数据？