Btree
从上图可以看出：
（1）所有关键字都出现在叶子结点的链表中（稠密索引），且链表中的关键字恰好是有序的
（2）非叶子结点存储的是叶子结点的索引（稀疏索引），叶子结点存储的是关键字和数据
（3）非叶子结点不能存数据
（4）顺序存储，每一个叶子节点到根结点的距离是相同的
（5）根节点横向也有链指针
可以用Btree索引进行全关键字、关键字范围和关键字前缀查询。如果使用索引，必须保证按索引最左边前缀进行查询。由于Btree中节点是顺序存储的，可以对查询结果进行order by。
限制：
（1）查询必须从索引的最左边的列开始
（2）不能跳过某一索引列。
（3）存储引擎不能使用索引中范围条件右边的列。
例如，如果你的查询语句为WHERE last_name=”Smith” AND first_name LIKE ‘J%’ AND dob=’1976-12-23’，则该查询只会使用索引中的前两列，因为LIKE是范围查询。
Hash
简单地说，哈希索引就是采用一定的哈希算法，把键值换算成新的哈希值，检索时不需要类似B+树那样从根节点到叶子节点逐级查找，只需一次哈希算法即可立刻定位到相应的位置，速度非常快。
从上面的图来看，Btree索引和Hash索引的明显区别是：
（1）如果是等值查询，那么哈希索引明显有绝对优势，因为只需要经过一次算法即可找到相应的键值；当然了，这个前提是，键值都是唯一的。如果键值不是唯一的，就需要先找到该键所在位置，然后再根据链表往后扫描，直到找到相应的数据；
（2）从示意图中也能看到，如果是范围查询检索，这时候哈希索引就毫无用武之地了，因为原先是有序的键值，经过哈希算法后，有可能变成不连续的了，就没办法再利用索引完成范围查询检索；
同理，哈希索引也没办法利用索引完成排序，以及like ‘xxx%’ 这样的部分模糊查询（这种部分模糊查询，其实本质上也是范围查询）；
（3）哈希索引也不支持多列联合索引的最左匹配规则；
（4）Btree的关键字检索效率比较平均，不像Hash那样波动幅度大，在有大量重复键值情况下，哈希索引的效率也是极低的，因为存在所谓的哈希碰撞问题。
