B - Tree索引和哈希索引是数据库中两种常见的索引类型，它们在多个方面存在明显区别，具体如下：

### 1. 数据结构
- **B - Tree索引**：
- B - Tree（平衡树）是一种树形数据结构，它的节点包含多个键值对以及指向子节点的指针。B - Tree索引会根据索引列的值构建这样的树形结构，数据在树中的存储是按照一定的顺序排列的。例如，在一个以员工年龄为索引列的B - Tree索引中，年龄值会按照从小到大（或从大到小）的顺序分布在树的各个节点上。
- 它通过不断地比较键值来沿着树的分支向下查找，最终定位到目标数据所在的叶子节点。叶子节点通常存储了指向实际数据行的指针（在一些数据库实现中，可能非叶子节点也会存储部分数据行）。
- **哈希索引**：
- 哈希索引基于哈希函数构建。哈希函数会对索引列的值进行计算，将其转换为一个固定长度的哈希值。然后根据这个哈希值将数据存储到对应的哈希桶中。
- 例如，对于一个以产品编号为索引列的哈希索引，每个产品编号经过哈希函数计算后会得到一个特定的哈希值，然后该产品的相关信息就会被存放到与这个哈希值对应的哈希桶中。不同的哈希桶之间没有明显的顺序关系。

### 2. 查询性能特点
- **B - Tree索引**：
- **范围查询优势**：非常适合进行范围查询，如“SELECT * FROM employees WHERE age BETWEEN 20 AND 30”。因为数据在B - Tree索引中是有序排列的，所以可以通过遍历树的节点，很容易地定位到满足年龄在20到30之间的所有记录所在的叶子节点。
- **等值查询也较好**：对于等值查询，如“SELECT * FROM employees WHERE age = 25”，同样可以通过在树中比较键值快速定位到目标记录所在的叶子节点。不过，相比于哈希索引的等值查询，在某些情况下可能速度稍慢一些。
- **哈希索引**：
- **等值查询优势**：主要用于等值查询，且在等值查询方面表现出色。例如，对于查询“SELECT * FROM products WHERE product_code = 'ABC123'”，如果product_code列是哈希索引，哈希索引可以通过对“ABC123”进行哈希计算，迅速定位到对应的哈希桶，进而找到相关产品信息，通常速度非常快。
- **范围查询劣势**：不适合进行范围查询，如前面提到的查询产品价格范围的例子，由于哈希索引不维护数据的顺序关系，无法有效地按照价格范围来筛选记录。

### 3. 索引维护成本
- **B - Tree索引**：
- 在数据更新（插入、删除、修改）时，B - Tree索引需要对树的结构进行一定的调整以保持平衡。例如，当插入一个新的记录使得树的某个分支变得过长时，就需要通过旋转等操作来重新平衡树。不过，这种维护成本相对来说是可接受的，并且在大多数数据库应用场景中不会对性能产生过于严重的影响。
- **哈希索引**：
- 数据更新时，哈希索引也需要进行维护。由于哈希冲突等问题，每次数据更新可能导致哈希桶的重新分配或调整。例如，当插入一个新的数据使得原来的哈希桶已满，就可能需要开辟新的哈希桶或者对现有哈希桶进行重新分配，这会增加数据更新的时间成本，尤其在数据频繁更新的场景下，哈希索引的维护成本相对较高。

### 4. 数据存储特点
- **B - Tree索引**：
- B - Tree索引存储的数据是按照索引列的值有序排列的，这使得它不仅可以用于查询，还可以在一定程度上辅助排序等操作。例如，在查询结果需要按照年龄排序时，如果已经有年龄列的B - Tree索引，数据库可以利用这个索引来辅助排序，减少额外的排序开销。
- 它的存储结构相对复杂，需要占用一定的空间来存储树的节点、键值对以及指针等。
- **哈希索引**：
- 哈希索引存储的数据是基于哈希值存放到对应的哈希桶中，不同哈希桶之间没有顺序关系。它主要用于快速定位数据，对于数据的排序等其他操作没有直接的帮助。
- 哈希索引的存储结构相对简单，一般只需要存储哈希值和指向实际数据行的指针等信息，相对来说占用空间可能会比B - Tree索引少一些，但这也取决于具体的哈希函数和数据库实现。

### 5. 适用场景
- **B - Tree索引**：
- 适用于经常需要进行范围查询、排序操作以及等值查询的场景。比如在一个员工信息表中，经常要查询某个年龄段的员工、按照工资排序员工信息等，就适合在年龄、工资等列上建立B - Tree索引。
- **哈希索引**：
- 适用于只需要进行等值查询的场景，特别是在对查询速度要求极高且数据更新相对不频繁的情况下。例如，在一个产品库存表中，只需要根据产品编号快速定位产品的库存信息，就可以在产品编号列上建立哈希索引。