数据库中的索引

1.索引的定义

数据库中的索引是一种数据结构，类似于书籍的目录，旨在提高查询效率。

2.索引的选择

索引既然是一种数据结构，那么他使用了哪种数据结构作为底层原理？

（1）索引为什么不用哈希表？

哈希表的查询效率不是O（1）吗？为什么不使用哈希表来作为索引？这样查询效率不是很高吗？

1）.哈希表适合等值查询，不支持范围查询,如>、<、group by等。

2）.在数据量过大的情况下，哈希冲突会使得哈希表的查询时间增加，最坏情况下时间复杂度退化成O（n）

3）.哈希表存储的数据是无序的，而数据库中经常要求通过group by或者order by等条件进行排序。

4）.复合索引在哈希表中无法使用。

（2）索引为什么不用二叉搜索树？

二叉搜索树的时间复杂度虽然为N（logN），但是存在致命缺陷：

1）.二叉搜索树会在特殊情况下退化成单边搜索树，时间复杂度退化为O（N）。

2）.二叉搜索树无法保证树的高度，搜索时父亲节点到孩子节点会发生一次磁盘I/O，二叉搜索树有可能会导致树的高度很高，磁盘I/O次数很多，性能也就随之变差。

（3）为什么不用N叉树？

N叉树相比于哈希表和二叉搜索树来说：

1）.度为N，每个父亲节点都有N个孩子，有效地降低了树的高度，也就避免二叉搜索中因为树的高度变大导致磁盘I/O次数变多、性能变差。这有效地提升了查询效率。

2）.支持范围查询

但是数据库认为N叉搜索树做的还不够好，所以并没有采用这种数据结构来作为索引的底层原理。

（4）用B+树来作为索引结构

B+树的优点：

1）.在一棵树种，查询每个节点所需要的时间复杂度都相等。插入和删除有较稳定的时间复杂度。

2）.非叶子节点仅作为索引，所有的真实数据均存储于叶子结点之中。

3）.叶子节点是一条双向链表，按照Key值排列，保证了数据的稳定有序，并且方便查询兄弟节点。

3.面试题

（1）.B+树相对于B树有什么优点？

B树：

B+树：

1） B+树的叶子节点之间是通过双向链表链接，并且按照Key值排列，数据更为有序，查找更为方便。

2）B+树的非叶子节点仅作为索引，所有的真实数据均保存于叶子结点之中。相对于B树而言，B+树查询每一个节点的时间复杂度均相等，性能更均衡。

（2）索引不适用于什么情况？

索引在提升数据库查询性能方面效果显著，但并非在所有情形下都适用。以下为你详细介绍不适合使用索引的情况：

数据区分度低的列

• 原理：索引的作用是通过快速定位来减少数据扫描量。若列的数据区分度低，即列中存在大量重复值，索引就难以有效发挥作用。因为在查找特定值时，需要扫描大量相同值的记录，无法显著减少扫描范围。
• 示例：在员工表中，若有 “性别” 列，其值只有 “男” 和 “女” 两种，为该列创建索引后，查询时依然要扫描大量记录，索引带来的性能提升十分有限。

频繁更新的列

• 原理：当对表中的数据进行更新操作时，数据库不仅要更新数据本身，还需更新相关的索引。若列频繁更新，会导致大量的索引维护操作，这会消耗大量的系统资源，降低数据库的整体性能。
• 示例：在一个实时交易表中，“交易金额” 列会随着交易的进行频繁更新。若为该列创建索引，每次更新交易金额时，都要更新索引，这会增加数据库的负担。

小表数据

• 原理：对于数据量较小的表，全表扫描的开销相对较小。此时使用索引可能会引入额外的索引查找开销，反而会降低查询性能。
• 示例：一个只有几十条记录的部门表，进行查询时直接全表扫描的速度可能比使用索引更快。

包含函数或表达式的查询条件

• 原理：若查询条件中对索引列使用了函数或表达式，数据库无法直接使用索引进行查找，通常会进行全表扫描。因为函数或表达式的计算结果需要在查询执行时动态生成，无法利用索引的有序性进行快速定位。
• 示例：在查询语句 SELECT * FROM users WHERE YEAR(create_time) = 2024; 中，对 create_time 列使用了 YEAR 函数，这会使索引失效。

全文搜索场景

• 原理：普通索引主要适用于精确匹配或范围查询，对于全文搜索，如查找包含特定关键词的文本内容，普通索引无法高效处理。因为全文搜索需要对文本进行分词、匹配等复杂操作，普通索引的结构无法满足这些需求。
• 示例：在一个新闻文章表中，要搜索包含 “人工智能” 关键词的文章，使用普通索引无法快速定位到相关文章，需要使用专门的全文索引。

选择性差的复合索引

• 原理：复合索引是基于多个列创建的索引。若复合索引中某些列的选择性较差，即这些列的值重复度较高，会影响整个复合索引的性能。因为在使用复合索引时，数据库需要同时考虑多个列的值，选择性差的列会导致索引的效率降低。
• 示例：创建了一个复合索引 (department_id, gender)，若 gender 列的区分度很低，在查询时使用该复合索引可能无法有效减少扫描范围。