数据库系统用什么保存索引

数据库系统通常使用B树或B+树来保存索引。

1. B树：B树是一种多路搜索树，它的每个节点可以存储多个关键字和对应的指针。B树的特点是平衡性和高度平均。B树的每个节点可以存储多个关键字和对应的指针，使得查询时能够减少磁盘I/O次数，提高查询效率。B树的节点一般存储在磁盘上，而不是内存中。

2. B+树：B+树是在B树的基础上进行优化得到的一种平衡搜索树。B+树与B树的不同之处在于，B+树的内部节点只存储关键字，而不存储指针。所有的关键字都存储在叶子节点中，叶子节点通过指针连接在一起。这种结构使得B+树的查询效率更高，因为查询时只需要搜索叶子节点即可。

3. 哈希索引：除了B树和B+树之外，数据库系统还可以使用哈希索引来保存索引。哈希索引使用哈希函数将关键字映射到一个固定大小的桶中，每个桶中存储了一组关键字和对应的指针。哈希索引的查询效率非常高，因为通过哈希函数可以直接定位到关键字所在的桶。但是哈希索引的缺点是不支持范围查询和排序操作。

4. 全文索引：全文索引是一种用于对文本数据进行搜索的索引。它通过对文本数据进行分词和建立倒排索引来实现。全文索引可以支持模糊查询、关键字搜索和排序操作。

5. 空间索引：空间索引是一种用于对空间数据进行搜索的索引。它通常用于地理信息系统和位置服务中。空间索引可以支持空间关系查询，例如在地图上搜索附近的POI(Point of Interest)。常用的空间索引算法有R树和Quad树。

数据库系统通常使用B树（B-tree）或哈希表（Hash Table）来保存索引。

B树是一种多路平衡查找树，它的特点是能够在对数时间内查找、插入和删除数据。B树的每个节点可以包含多个子节点，这样可以减少树的深度，提高查找效率。B树的叶子节点存储实际的数据记录，而非叶子节点存储索引信息。通过在每个节点中存储一组有序的关键字，B树可以进行快速的范围查询。B树的变种有B+树和B*树，它们在B树的基础上做了一些优化，例如将索引数据存储在叶子节点中，并使用链表连接叶子节点，提高范围查询的效率。

哈希表是一种根据关键字直接访问数据的数据结构。哈希表使用哈希函数将关键字映射到一个固定大小的数组中，并将数据存储在对应的位置上。哈希表的查找、插入和删除操作都可以在常数时间内完成，具有非常高的效率。然而，哈希表在范围查询上的性能较差，因为它无法直接访问关键字之间的顺序。

在实际应用中，数据库系统往往会根据数据的特点和需求选择适合的索引结构。B树适合范围查询和有序访问的场景，而哈希表适合精确查找和插入操作频繁的场景。此外，还有其他一些索引结构，如红黑树、前缀树等，它们也可以用来保存索引。不同的索引结构在性能、存储空间和内存占用等方面有所差异，需要根据具体情况进行选择。

数据库系统通常使用B树或B+树来保存索引。B树和B+树是一种多路搜索树，可以快速查找和插入数据。在数据库系统中，索引是用来加快数据检索速度的数据结构，它可以提供快速的数据访问路径，减少了数据库的IO操作。

下面将详细介绍B树和B+树的结构和工作原理。

一、B树
B树是一种自平衡的搜索树，它的每个节点可以存储多个关键字和对应的指针。B树的特点如下：

1. 每个节点最多有M个子节点，M称为B树的阶。除了根节点和叶子节点外，每个节点至少有M/2个子节点。
2. 所有叶子节点位于同一层，且不存储数据，只存储关键字和指向数据的指针。
3. 所有非叶子节点除了存储关键字外，还存储指向子节点的指针。

B树的插入和查找操作如下：

1. 查找：从根节点开始，按照关键字的大小依次查找对应的子节点，直到找到叶子节点或者关键字。
2. 插入：先查找到要插入的位置，然后在叶子节点中插入关键字和指针。如果插入后超过了节点的最大容量，就需要进行节点的分裂操作，将中间的关键字提升到父节点。

二、B+树
B+树是在B树的基础上进行了一些改进，它的特点如下：

1. 所有关键字只存储在叶子节点，非叶子节点只存储关键字和指向子节点的指针。
2. 所有叶子节点通过指针连接成一个有序链表，便于范围查询和排序操作。
3. 非叶子节点的关键字作为索引，可以加快查找速度。

B+树的插入和查找操作与B树类似，区别在于B+树的叶子节点只存储关键字和指向数据的指针，而不存储实际的数据。这样可以减少IO操作，提高查询效率。

总结：
数据库系统使用B树或B+树来保存索引，这些树结构可以提供快速的数据访问路径，加快数据检索速度。B树和B+树的结构和工作原理略有不同，但都是基于多路搜索树的原理。在实际应用中，可以根据具体的需求选择合适的树结构来保存索引。