1、在海量数据中快速查找某个数据
2、为什么需要索引
业务和功能的本质==》“对数据的存储和计算”==》存储：数据结构；计算：算法
一旦存储的数据很多，那性能就成了这些系统要关注的终点，特别是在一些跟存储相关的基础系统（比如MySQL数据库、分布式文件系统等）、中间件（比如消息中间件RocketMQ等）中
如何节省存储空间、如何提高数据增删改查的执行效率==》索引
3、索引的功能性需求
数据是格式化数据还是非格式化数据==》结构化数据比如MySQL中的数据；非结构化数据比如搜索引擎中网页。对于非结构化数据，一般需要做预处理，提取出查询关键词，对关键词构建索引
数据是静态数据还是动态数据==》如果原始数据是一组静态数据，也就是说，不会有数据的增加、删除、更新操作，所以，在构建索引的时候，只需要考虑查询效率就可以了；对动态数据构建索引，不仅要考虑到索引的查询效率，在原始数据更新的同时，还需要动态地更新索引
索引存储在内存还是硬盘==》存储在内存中；存储在磁盘中；一部分存储在内存，一部分存储在磁盘
单值查找还是区间查找==》单值，查询关键词等于某个值的数据；区间，查找关键词处于某个区间值的所有数据
单关键词查找还是多关键词组合查找==》对于多关键词查询来说，要分多种情况。像 MySQL 这种结构化数据的查询需求，我们可以实现针对多个关键词的组合，建立索引；对于像搜索引擎这样的非结构数据的查询需求，我们可以针对单个关键词构建索引，然后通过集合操作，比如求并集、求交集等，计算出多个关键词组合的查询结果
4、索引的非功能性需求
不管是存储在内存中还是磁盘中，索引对存储空间的消耗不能过大。
在考虑索引查询效率的同时，我们还要考虑索引的维护成本。
5、构建索引常用的数据结构
散列表、红黑树、跳表、B+树；位图、布隆过滤器可以作为辅助索引；有序数组可以用来对静态数据构建索引
散列表==》增删改查O(1)==》键值数据库比如Redis、Memcache，使用散列表来构建索引，这类索引，一般都构建在内存中
红黑树==》插入、删除、查找O(logn)==》也非常适合用来构建内存索引，Ext文件系统中，对磁盘块的索引
B+树==》更加适合构建存储在磁盘中的索引==》B+ 树是一个多叉树，所以，对相同个数的数据构建索引，B+ 树的高度要低于红黑树。当借助索引查询数据的时候，读取 B+ 树索引，需要的磁盘 IO 次数会更少。
跳表==》支持快速添加、删除、查找数据==》通过灵活调整索引节点个数和数据个数之间的比例，可以很好地平衡索引对内存的消耗及其查询效率；Redis中的有序集合
位图和布隆过滤器==》辅助存储在磁盘中的索引，加速数据查找的效率==》布隆过滤器，加速数据不存在的情况
有序数组==》静态数据，二分查找