数据库：索引
索引是应用设计和开发的一个重要方面，如果索引太多，就会影响Insert,Update,Merge和Delete等数据修改语句的性能， 索引太少，又会影响Select,Insert,Update和Delete语句的性能。在这之间找到一个平衡点，对提高应用的性能至关重要。
经常发现，很多人是在应用开发完成后才想起索引，这是一种错误的做法， 如果从开发应用开始就清楚数据在应用中会以何种方式使用。那么就应该能够设计出更具针对性的索引。
索引是开发人员和DBA之间的桥梁。开发人员必须了解索引，清楚如何在应用中使用索引，而且知道何时使用索引（以及何时不使用索引）。 DBA则需要考虑索引的增长，空间使用以及其他物理特性，并考虑到索引对系统总体性能的影响。
B*Tree索引：B*Tree的构造类似于二叉树，通过键值就能快速访问一行数据， 或通过键值的某个范围内来定位多行数据。通过这种索引访问数据一般只需要几个I/O就能完成。这里B*Tree中的B不代表二叉（binary），而是代表平衡balanced。B*Tree索引并不是一颗二叉树。
索引组织表（index organized table）: 是一种表，它从存储也是B*Tree结构，堆表(heap table)中的数据行是以一种无组织的方式存储的（哪儿有可用的空间，数据就放在哪儿），而IOT与之不同，IOT中的数据要按主键来存储和排序。
B*Tree 聚簇索引（B*Tree cluster index）: 这是传统B*Tree索引的一个近似变体。B*Tree聚簇索引是对聚簇建立的索引。
降序索引（descending index）
反向键索引（reverse key index）
位图索引（bitmap index）
位图联结索引（bitmap join index）
基于函数的索引（function-based index）
应用域索引（application domain index）
B*Tree索引（所说的“传统”索引）是数据库中最常用的一类索引结构，其实现与二叉查找树很相似，它的目标是尽可能减少搜索数据所花费的时间。
注意：块级优化和数据压缩可能会使实际的块与图有所不同。
树最底层的块称为叶节点（leaf node） 或 叶块（leafblock）, 其中包含各个索引键以及一个rowid（指向索引的行）。叶节点之上的内部块称为分支块（branch block） 数据的搜索会通过这种块最终抵达叶节点。
