Answers:
您只能通过哈希表中的主键访问元素。这比使用树算法（O(1)而不是log(n)）更快，但是您不能选择范围（和之间的所有内容xy）。树算法支持这种方式，Log(n)而哈希索引可以导致全表扫描O(n)。同样，哈希索引的恒定开销通常会更大（这不是theta表示法中的因素，但仍然存在）。此外，树算法通常更易于维护，随数据增长，扩展等。
哈希索引使用预定义的哈希大小，因此最终会得到一些存储对象的“存储桶”。这些对象又被循环，以在该分区中真正找到正确的对象。
因此，如果尺寸较小，则对于小型元素来说会产生大量开销，而尺寸较大会导致进一步的扫描。
当今的哈希表算法通常可以伸缩，但是伸缩效率很低。
确实有可扩展的哈希算法。不要问我这是怎么回事-这对我来说也是一个谜。AFAIK是从不易重新哈希化的可伸缩复制演变而来的。
其称为RUSH - - [R eplication ü的nDer 小号 calable ħ因而灰化，并且这些算法被称为算法RUSH。
但是，在某些情况下，与散列大小相比，您的索引超出了可容忍的大小，因此需要重新构建整个索引。通常这不是问题，但是对于巨大的数据库，这可能需要几天的时间。
树算法的权衡很小，它们几乎适用于所有用例，因此是默认设置。
但是，如果您有一个非常精确的用例，并且确切知道将只需要什么，则可以利用哈希索引。
实际上，似乎MySQL根据以下链接使用了两种索引：哈希表或b树。
使用b树和哈希表之间的区别在于，前者允许您在使用=，>，> =，<，<=或BETWEEN运算符的表达式中使用列比较，而后者仅用于使用=或<=>运算符的相等比较。
哈希表的时间复杂度仅对于足够大的哈希表是恒定的（需要足够的存储桶来保存数据）。数据库表的大小事先未知，因此必须立即重新整理该表，然后才能从散列表中获得最佳性能。重新哈希也很昂贵。