索引原理
B+树索引
查找一个特定值这个树挺好用，但是当你需要查找两个值之间的多个元素时，就会有大麻烦了。你的成本将是 O(N)，所以引用一种B＋树的结构
如图
比方说你找到了 M 个后续节点，树总共有 N 个节点。对指定节点的搜索成本是 log(N)，跟上一个树相同。但是当你找到这个节点，你得通过后续节点的连接得到 M 个后续节点，这需要 M 次运算。那么这次搜索只消耗了 M+log(N) 次运算，区别于上一个树所用的 N 次运算。此外，你不需要读取整个树（仅需要读 M+log(N) 个节点）,这意味着更少的磁盘访问。如果 M 很小（比如 200 行）并且 N 很大（1,000,000），那结果就是天壤之别了
但是有个问题，树的平衡是需要成本的。
在B+树中，插入和删除操作是 O(log(N)) 复杂度。另外索引的增加对于事物管理器也会有负担
这样，就需要引入另一种索引机制
Hash索引
如果数据都存储在同一个数据库块上，并且将HASH索引作为WHERE子句中的确切匹配，Oracle就可以通过执行一个HASH函数和I/O来访问数据，如图：
HASH索引可能是访问数据库中数据的最快方法，但它也有自身的缺点
它们只适对等比较，如：＝ > < ，不适合用于范围查询，同时大规模的Hash带来的Hash冲突也会造成性能的下降。
另外Hash需要在集群上，由于集群存在增长的问题，为Hash索引分配空间也是一个问题