InnoDB：
这可能是最常用的MySQL存储引擎。它提供了具有提交、回滚和崩溃恢复能力的事务安全性。InnoDB支持行级锁定，并具有Oracle公司的一致性非锁定读特性，也即MVCC。此外，InnoDB还包含一个内置的外键约束支持，能够处理包含外键关系的复杂查询。
MyISAM：
MyISAM是MySQL的默认存储引擎，直到版本5.5之后，InnoDB取代了它。MyISAM适用于那些需要高速读取数据的系统，但它不支持事务处理，也不支持行级锁定。
Memory：
Memory引擎将所有数据都存储在内存中，对数据的处理速度非常快。然而，如果数据库服务器停止或重启，所有的数据都会被清空。Memory引擎主要用于临时数据的存储和快速数据访问。
Archive：
Archive引擎用于存储和检索大量的数据，如归档数据。它支持高速插入和压缩数据。
Federated：
Federated引擎允许你访问远程MySQL数据库中的表，就像它是本地表一样。
以上这些都是MySQL支持的存储引擎，你可以根据你的具体需要来选择最适合的存储引擎。
2. MySQL的InnoDB采用的是什么数据结构？
InnoDB存储引擎的索引结构采用的就是B+树。
在了解InnoDB如何使用B+树之前，我们首先需要了解B+树的特点。B+树是一种自平衡的多路搜索树，通常用于大型存储系统的数据索引和文件系统。B+树有以下几个特点：
所有关键字都出现在叶子节点的链表中（链表中的关键字排列顺序），且内部节点相当于是叶子节点中每个关键字的索引。叶子节点包含了全部关键字的信息，以及指向记录的指针。
B+树的搜索沿着从根节点到叶子节点的路径进行，所有关键字的查找都要走一条从根节点到叶子节点的路径。
在B+树中所有叶子节点都是通过指针连接在一起，这个特性使得在查找大范围的数据时更快。
InnoDB使用B+树作为其索引结构的原因有很多：
B+树的层级比较低，相对于二叉树来说，查询速度更加稳定。因为无论数据在树的哪一部分，查找速度都绝对一致。
由于所有的数据都存储在叶子节点，这使得对数据的遍历十分高效。这对于数据库系统的范围查询是非常重要的。
B+树的非叶子节点不会带上 ROWID，这样，一个块中可以容纳更多的索引项，相对的，查询性能也更高。
InnoDB的数据文件本身就是一个索引结构，这种结构称为聚簇索引。在InnoDB中，表总是根据主键进行聚簇排序的。如果没有显式定义主键，MySQL系统会为每一行生成一个6字节的ROWID，并以此作为主键。
总的来说，InnoDB通过使用B+树的索引结构，实现了高效、稳定的数据查询。
3. 案例：高度为3的b+树可以存放多少数据？
在B+树中，树的高度、阶数（order）、以及能存储的最大数据量之间有密切的关系。假设B+树的阶数为m，高度为h，那么该B+树能存储的数据的最大数量可以按照以下方式计算：
对于非叶子节点：
每个非叶子节点可以包含最多m-1个关键字，并有m个孩子。所以，非叶子节点的数量N可以被计算为 1 + m + m^2 + ... + m^(h-1)，这是一个等比数列，求和得N = (m^h - 1) / (m - 1)。
对于叶子节点：
叶子节点数量等于非叶子节点数量加1，因为B+树是一棵平衡树，每一个非叶子节点都会生成一个新的叶子节点，所以叶子节点数量为 m^h。
计算总关键字数量：
叶子节点每个可以存放m-1个关键字，非叶子节点每个可以存放m-1个关键字，所以总关键字数量为：N * (m - 1) + m^h * (m - 1) = (m^h - 1) * 2。
当然，这是理论上的最大值，实际使用时，不一定会达到这个值。
如果我们考虑一个高度为3的B+树，其阶数为m，那么按照以上计算方式，该B+树能够存储的最大关键字数量为：2*(m^3 - 1)。
然而在实际的数据库系统中，一个节点能包含的关键字数量并不只取决于树的阶数，还与存储的数据类型、节点所占的页大小等因素有关。所以实际应用中的数据量可能会小于理论计算值。
