最全想进大厂，这些MySQL索引底层知识你必须掌握，阿里P7架构师带你看透maven的来龙去脉

本文链接：https://blog.youkuaiyun.com/2401_84024148/article/details/138818552

结局：总结+分享

看完美团、字节、腾讯这三家的一二三面试问题，是不是感觉问的特别多，可能咱们真的又得开启面试造火箭、工作拧螺丝的模式去准备下一次的面试了。

开篇有提及我可是足足背下了Java互联网工程师面试1000题，多少还是有点用的呢，换汤不换药，不管面试官怎么问你，抓住本质即可！能读到此处的都是真爱

Java互联网工程师面试1000题

而且从上面三家来看，算法与数据结构是必备不可少的呀，因此我建议大家可以去刷刷这本左程云大佬著作的《程序员代码面试指南 IT名企算法与数据结构题目最优解》，里面近200道真实出现过的经典代码面试题。

程序员代码面试指南–IT名企算法与数据结构题目最优解

其余像设计模式，建议可以看看下面这4份PDF（已经整理）

更多的Java面试学习笔记如下，关于面试这一块，我额外细分出Java基础-中级-高级开发的面试+解析，以及调优笔记等等等。。。

以上所提及的全部Java面试学习的PDF及笔记，如若皆是你所需要的，那么都可发送给你！

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

需要这份系统化的资料的朋友，可以点击这里获取

索引是存储引擎用于快速检索记录行的一种数据结构，用于提升数据库的查找速度。
索引一般存储在磁盘的文件中，它是占用物理空间的。
适当的索引能提高查询效率，过多的索引会影响数据库表的插入和更新性能

为什么需要使用索引：

①索引能极大的减少存储引擎需要扫描的数据量

②索引可以把随机I/O变为顺序I/O

③索引可以帮助我们进行分组、排序等操作时，避免使用临时表

索引对于良好的性能非常关键，尤其是当表中的数据量越来越大时，索引对性能的影响愈发重要，在数据量较小且负载较低时，不恰当的索引对性能的影响可能还不明显，但当数据量逐渐增大时，性能则会急剧下降。

索引优化应该是查询性能优化最有效的手段了（可以起到立竿见影的效果），索引能够轻易将查询性能提高几个数量级，’最优’的索引有时比一个‘好的’索引性能要好两个数量级，创建一个真正’最优’的索引经常需要重写查询。

二、索引有哪些类型？

在这里插入图片描述

1.数据结构维度

（1）B+树索引：所有数据存储在叶子节点，复杂度为O(logn)，适合范围查询。

（2）哈希索引: 适合等值查询，检索效率高。

哈希索引基于哈希表实现，只有精确匹配索引所有列的查询才有效。对于每一行数据，存储引擎都会对所有的索引列计算一个哈希码，哈希码是一个较小的值，并且不同键值的行计算出来的哈希码也不一样。哈希索引将所有的哈希码存储在索引中，同时在哈希表中保存指向每个数据行的指针。

但是范围查找不适合，因为存储引擎都会为每一行计算一个hash码，hash码都是比较小的，并且不同键值行的hash码通常是不一样的，hash索引中存储的就是Hash码，hash 码彼此之间是没有规律的，且 Hash 操作并不能保证顺序性，所以值相近的两个数据，Hash值相差很远，被分到不同的桶中。这就是为什么hash索引只能进行全职匹配的查询，因为只有这样，hash码才能够匹配到数据。

在MySQL中，只有Memory引擎显示支持哈希索引，这是Memory引擎的默认索引，Memory引擎同时也支持B-Tree索引，指得一提的是，Memory引擎是支持非唯一哈希索引的，如果多个列的哈希值相同，索引会以链表的方式存放多个记录指针到同一个哈希条目中。HASH时间复杂度O(1)，链表时间复杂度是O(n)

InnoDB支持Hash索引吗？

InnoDB用户无法手动创建哈希索引，这一层上说，InnoDB确实不支持哈希索引；
InnoDB会自调优(self-tuning)，如果判定建立自适应哈希索引(Adaptive Hash Index, AHI)，能够提升查询效率，InnoDB自己会建立相关哈希索引，这一层上说，InnoDB又是支持哈希索引的；

（3）全文索引：只能在文本类型CHAR,VARCHAR,TEXT类型字段上创建全文索引。字段长度比较大时，如果创建普通索引，在进行like模糊查询时效率比较低，这时可以创建全文索引。 MyISAM和InnoDB中都可以使用全文索引。

2.物理存储维度

（1）聚簇索引（主键索引）：每个InnoDB表都有一个聚簇索引，聚簇索引使用B+树构建，叶子节点存储的数据是整行记录。一般情况下，聚簇索引等同于主键索引，当一个表没有创建主键索引时，InnoDB会自动创建一个ROWID字段来构建聚簇索引。InnoDB创建索引的具体规则如下：

如果表定义了PK，则PK就是聚集索引；
如果表没有定义PK，则第一个非空unique列是聚集索引；
否则，InnoDB会创建一个隐藏的row-id作为聚集索引；

（2）非聚簇索引（二级索引）：非聚簇索引就是以非主键创建的索引，叶子节点存储的是主键和索引列。

3.逻辑维度

（1）主键索引：主键索引一般都是在创建表的时候指定，「一个表只有一个主键索引」，特点是「唯一、非空」。

（2）普通索引：普通索引唯一的作用就是加快查询。

（3）组合索引：组合索引是创建一个「多个字段的索引」，这个概念是相对于上上面的单列索引而言，组合索引查询遵循「最左前缀原则」。

（4）唯一索引：唯一索引具有的特点就是唯一性，可以在创建表的时候指定，也可以在创建表后创建。

（5）空间索引：MySQL在5.7之后的版本支持了空间索引，而且支持OpenGIS几何数据模型。MySQL在空间索引这方面遵循OpenGIS几何数据模型规则。

三、为什么选择B+树作为索引结构？

可以从几个维度去看这个问题，查询是否够快，效率是否稳定，存储数据多少，以及查找磁盘次数，为什么不是二叉树，为什么不是平衡二叉树，为什么不是B树，而偏偏是B+树呢？

1.为什么不使用哈希结构？

我们知道哈希结构，类似k-v结构，也就是，key和value是一对一关系。它用于「等值查询」还可以，但是范围查询它是无能为力的哦。

2.为什么不使用二叉树呢？

当数据量大时，树的高度会比较高（树的高度决定着它的IO操作次数，IO操作耗时大），查询会比较慢。
每个磁盘块（节点/页）保存的数据太小（IO本来是耗时操作，每次IO只能读取到一个关键字，显然不合适）
如果二叉树特殊化为一个链表，相当于全表扫描

没有很好的利用操作磁盘IO的数据交换特性，也没有利用好磁盘IO的预读能力（空间局部性原理），从而带来频繁的IO操作。

在这里插入图片描述

3.为什么不使用B树呢？

B树的搜索：从根节点开始，对节点内的关键字（有序）序列进行二分查找，如果命中则结束，否则进入查询关键字所属范围的儿子节点；重复，直到所对应的儿子指针为空,或已经是叶子节点。 关键字集合分布在整颗树中 ，即叶子节点和非叶子节点都存放数据，搜索可能在非叶子节点结束。其搜索性能等价于在关键字全集内做一次二分查找。

在这里插入图片描述

假设检索26，先把磁盘块1加载到内存中，然后26与28和46比较，26比28小，然后基于P1子节点引用，P1是指向磁盘块2的一个指针地址，基于P1引用可以通过顺序IO快速加载磁盘块2，然后26与19和23比，26大于23，通过P3子节点引用，加载磁盘块7。然后命中，基于节点数据区加载数据。

B树的特点：

不再是二叉搜索，而是m叉搜索；
叶子节点，非叶子节点，都存储数据；
中序遍历，可以获得所有节点；

名词解释：

局部性原理：软件设计要尽量遵循 “数据读取集中”与“使用到一个数据，大概率会使用其附近的数据”，这样磁盘预读能充分提高磁盘IO；

磁盘预读能力：磁盘读写并不是按需读取，而是按页预读，一次会读一页的数据，每次加载更多的数据，如果未来要读取的数据就在这一页中，可以避免未来的磁盘IO，提高效率；

数据交换特性：操作系统去硬盘读取一次，做一次I/O交换，一次交换数据是4k（Linux默认页大小），交换单位以页为单位，1页就是4k（索引按数据页为单位读写的，在InnoDB中，每个数据页的大小默认是16KB）

3.为什么使用B+树？

它是B-Tree数的变体，也是一种多路搜索树B+Tree和B-Tree基本相同，区别在于B-Tree树非叶子节点和叶子节点都可以存放数据，而B+Tree树关键字存储在叶子节点上，非叶子节点不存真正的数据。（B+树中根到每一个节点的路径长度一样，因此查询速度更稳定；而B树不是这样）

叶子之间，增加了链表，获取所有节点，不再需要中序遍历，直接遍历叶子节点就行；

在这里插入图片描述

比如查找28，其实图顶端的28是索引，并不是真实数据，他会继续往下找。

B+Tree与B-Tree比较

①B+Tree范围查找，定位min与max之后，中间叶子节点，就是结果集，不用中序回溯；

②B+Tree磁盘读写能力更强（叶子节点不保存真实数据，因此一个磁盘块能保存的关键字更多，因此每次加载的关键字越多）

③B+Tree扫表和扫库能力更强（B-Tree树需要扫描整颗树，B+Tree树只需要扫描叶子节点）

四、B+树索引搜索过程

准备数据：

CREATE TABLE `employee` (
  `id` int(11) NOT NULL,
  `name` varchar(255) DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `date` datetime DEFAULT NULL,
  `sex` int(1) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `idx_age` (`age`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

insert into employee values(1,'小红',43,'2021-01-20','0');
insert into employee values(2,'铁蛋',48,'2021-01-21','0');
insert into employee values(3,'张三',36,'2020-01-21','1');
insert into employee values(4,'李四',32,'2020-01-21','0');
insert into employee values(5,'王老五',37,'2020-01-21','1');
insert into employee values(6,'赵六',49,'2021-01-21','0');
insert into employee values(7,'小丑',28,'2021-01-21','1');

索引结构图：
在这里插入图片描述

（1）非聚簇索引（二级索引）

select * from employee where age=32;

学习分享，共勉

这里是小编拿到的学习资源，其中包括“中高级Java开发面试高频考点题笔记300道.pdf”和“Java核心知识体系笔记.pdf”文件分享，内容丰富，囊括了JVM、锁、并发、Java反射、Spring原理、微服务、Zookeeper、数据库、数据结构等大量知识点。同时还有Java进阶学习的知识笔记脑图（内含大量学习笔记）！