数组这个数据结构，对于我们来说算是最熟悉的老朋友了，自从JAVASE时我们就接触它，对于一个有序数组，我们进行查找和修改操作效率是非常高的，并且在不考虑空洞的情况下删除操作也非常快，因为只需要将此处元素置为null，但如果我们要在数组中间的任意一个位置插入一个数据，那么必然会引起该位置后面所有数据位置的变化，也就是涉及到了数组的复制，而插入的位置越往前，所需要复制的数据就越多，该过程不仅需要消耗大量的内存，而且还会浪费大量的时间，因此从插入数据的场景来看，数组并不适合作为MySQL索引的数据结构！
在MySQL中我们经常需要查找某个范围内的数据，例如between…and，>=,<=等，由于哈希表所有的key都会先经过哈希函数计算，再将数据存放到对应的位置，本来可能有序的key通过哈希函数计算之后导致其存放不有序了，因此如果我们在哈希表中进行范围查找，只能通过遍历的方式，当数据量过大的情况下，对于哈希表的整个遍历是非常耗时的。
因此从范围查询的场景来看，哈希表也不太适合作为MySQL索引的数据结构，它适合等值查询，例如我们常用的redis数据库都是key-value的形式且无序。
我们最常用的二叉树有二叉搜索树，平衡树，红黑树。
无论是二叉搜索树，平衡树还是红黑树，他们的特点都是每个节点最多只有两个子节点，如果存储大量数据的话，那么树的高度就会非常高，而MySQL存储的数据最终是要到磁盘的，MySQL应用程序读取数据时，需要将数据先从磁盘加载到内存后才能继续操作，所以这中间会发生磁盘IO，而如果树的高度太高，每遍历一层结点时，就需要从磁盘读取一次数据，也就是发生一次 IO，假设数据在树高为 20 的地方，那查找一次数据就得发生 20 次 IO，耗时太长了。
因此二叉树在 MySQL 这种需要存储大量数据的场景下，是不适合当做索引的数据结构的，因为树太高，操作数据时会发生多次磁盘 IO，性能太差。
既然二叉树因为每个结点最多只有两个子结点，最终在存储大量数据时导致树太高，那么让树的每个结点尽可能多的拥有多个子结点，也就是多叉树，这样在大量储存数据时，树就低很多了，能够实现该功能的数据结构正是多叉树中典型B-Tree 和 B+Tree。
B-Tree 的特点是无论叶子结点还是非叶子结点，它都存有索引值和数据；B+Tree 的特点是只有叶子结点才会存放索引值和数据，非叶子结点只会存放索引值本身。由于一个结点的空间是有限的，B-Tree 要存放索引+数据，而 B+Tree 只需要存放索引，因此对于非叶子结点，一个结点中，B+Tree 存放的索引值数量会远远大于 B-Tree，这样就导致了每个结点中，B+Tree 能向下分出更多的叉，子结点数更多。
那么在存储同样大小数据的场景下，用 B+Tree 存储，最终树的高度会远远小于用 B-Tree 存储的高度，所以使用 B+Tree 作为 MySQL 索引的数据结构，在读取数据时，发生的磁盘 IO 次数会更少，性能更优，因此最终 MySQL 索引的数据结构使用的是 B+Tree。