不会MySQL索引，面试官让回家等通知！
Posted 51CTO技术栈
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了不会MySQL索引，面试官让回家等通知！相关的知识，希望对你有一定的参考价值。
你是不是对于 mysql 索引的知识点一直都像大杂烩，好像什么都知道，如果进行深究的话可能一个也答不上来。
图片来自 Pexels
假如你去面试，面试官让你聊一下对索引的理解，然而你对索引的理解仅限于，检索数据就是快，是一种数据结构这个层面，那你就只能回家等通知了。
为了避免这种尴尬的事情发生，咔咔用时两天将索引的内容在自己理解的范围内进行了整理，如有整理不全面的地方可以在评论区进行补充和提建议。
MySQL 索引到底是什么
相信大多数伙伴都买过技术类的书籍，看完没看完不知道，但是目录肯定看的次数最多。
看目录有没有自己目前的痛点，如果有就会根据目录对应的页码用最快的速度翻阅到相应内容位置。
那么在 MySQL 中同样也是这样的一个道理，MySQL 的索引就是存储引擎为了快速找到数据的一种数据结构。
同样在 MySQL 索引中又分了几种类型，分别为：
B-tree 索引
哈希索引
空间索引
全文索引
下文所有内容均在 InnoDB 的基础上讨论。
为什么要使用索引
①索引可以加快数据检索速度，这也是使用的索引的最主要原因。
②索引本身具有顺序性，在进行范围查询时，获取的数据已经排好了序，从而避免服务器再次排序和建立临时表的问题。
③索引的底层实现本身具有顺序性，通过磁盘预读使得在磁盘上对数据的访问大致呈顺序的寻址，也就是将随机的 I/O 变为顺序 I/O。
这几点不理解就暂时先放着，继续看下文即可，会给你一个满意的解释。
任何事物都存在双面性，既然能提供性能的提升，自然在其他方面也会付出额外的代价：
索引是跟数据共存，因此会占用额外的存储空间。
索引创建和维护需要时间成本，这个成本随着数据量的增大而增大。
索引创建会降低数据的增、删、改的性能，因为在修改数据的同时还需要修改索引数据。
InnoDB 为什么使用 B+Tree 而不使用 BTree
聊到这个问题那就必须得分清楚 BTree、B+tree 的区别，首先来看一下 BTree。
Btree 解析
https://www.cs.usfca.edu/~galles/visualization/Algorithms.html
这里有一个陌生区关于 Max. Degree，这个你可以理解为阶，也可以理解为度。
例如现在这个值设置的是 4，那么在一个节点中最多就可以存储 3 条数据，设置为 5那就可以最多放 4 条记录。
想要达到快速检索数据，那就需要满足俩个特性，一个是有序，另一个就是平衡。
那么在 BTree 中找一个值是怎么找呢？例如现在要找一个值 9，看一下寻找过程。
首先看到的数据是 4，9 是大于 4 的，所以会往 4 的右节点寻找。继续找到范围在 6 到 8 的节点，9 又大于 8，所以还需要往右节点寻找。
了解到了 BTree 的数据结构后，我们在来看看在 MySQL 中关于 BTree 是如何存储的。
那么此时想要寻找 key 为 33 的这条记录应该怎么找。33 在 16 和 34 中间，所以会去磁盘 3 进行寻找。
在磁盘 3 中进行判断，指针指向磁盘 8。在磁盘 8 中即可获取到数据 33，然后将 data 返回。
那么在这个过程中到底读取了多少条数据呢？在计算之前需要先了解一些知识点。
从 MySQL 5.7 开始，存储引擎默认为 innodb，并且 innodb 存储引擎用于管理数据的最小磁盘单位就是页。
这个页的类型也分为好几种，分别为数据页，Undo 页，系统页，事物数据页。
一般说到的页都是数据页。默认的页面大小为16kb，每个页中至少存储2条或以上的行记录。
那么根据 BTree 数据查找的过程中可以得知一共读取了三个磁盘，那么每个磁盘的大小就是 16kb。
而目前的给的案例寻找了三层，那么三层存储的数据就是：16kb*16kb*16kb=4096kb。
如果按照一条记录所需内存 1kb，那么这三层的 BTree 就可以存储 4096 条记录。
各位数据库的数据少则几百万，多则几千万数据，那么 BTree 的层级就会越来越深，相对的查询效率也会越来越慢。
这个时候是不是应该思考一个问题，那就是为什么在 Btree 中 48kb 的内存怎么就只能存储 4000 多条记录？
为了解决单个节点存储数据量小的问题，于是就演变出另一种结构，也就是下文提到了 B+Tree。
B+Tree 解析
那么可以看到在 B+Tree 中叶子节点是存放了全量的数据，而非叶子节点只存储了 key 值。
咦！这不是就很好的解决了 BTree 带来的问题吗？可以让每个节点存储更多的数据。每个节点存储的数据越多，那么相对的就是树的深度就不会过深。
从上图很明显就可以看到两点不同：
第一点：B+Tree 所有的数据都存储在叶子节点上。
第二点：B+Tree 所有的叶子节点之间是一种链式环结构。
那么在这个过程中到底读取了多少条数据呢？
如果说 B+Tree 读取数据的深度跟 B-Tree 的深度一样，都是三层，那么同样的道理每个磁盘的大小为 16kb。
那在 B+Tree 中非叶子节点可以存储多少数据呢！一般来说我们每个表都会存在一个主键。
根据三层来计算，第一层跟第二层存储的是 key 值，也就是主键值。
都知道 int 类型所占的内存时 4Byte（字节），指针的存储就给个 6Byte，一共就是 10Tybe，那么第一层节点就可以存储 16*1000/10=1600。
同理第二层每个节点也是可以存储 1600 个 key。
第三层是叶子节点，每个磁盘存储大小同样安装 BTree 的计算一样，每条数据占 1kb。
那么在 B+Tree 中三层可以存储的数据就是 1600*1600*16=40960000。
从这点来看 B+Tree 存储的数据跟 BTree 存储的数据根本就不是一个级别。
所以可以得出结论：
B+Tree 能保证检索的数据量相对 BTree 是最多的，而且存储的数据量也是最多的。
B+Tree 选择索引时尽量选择所占内存空间小的类型，比如 int 类型。
key 所占内存越小，在节点中存储的范围就越多。
Hash 索引
alter table user add index hash_gender using hash(gender);
会发现 name 的索引类型还是为 Btree，在 innodb 上创建哈希索引，被称之为伪哈希索引，和真正的哈希索引不是一回事的，这点一定要明白。
在 Innodb 存储引擎中有一个特殊的功能叫做，自适应哈希索引，当索引值被使用的非常频繁时，它会在内存中基于 BTree 索引之上再创建一个哈希索引，那么就拥有了哈希索引的一些特点，比如快速查找。
哈希索引存储的是哈希值和行指针，没有存储 key 值、字段值，但哈希索引多数是在内存完成的，检索数据是非常快的，所以对性能影响不大：
哈希索引不是按照索引值排序的，所以也就无法排序。
哈希索引只支持等值操作，不支持范围查找，在 MySQL 中只能只用 =、in 、<>。
哈希索引在任何时候都不能避免表扫描。
哈希索引在遇到大量哈希冲突时，存储引擎必须遍历链表的所有行指针，逐行比较。
B+Tree 跟 BTree 区别
经过了特别漫长的计算、画图现在基本对俩者的区别有一定认识了吧！
咔咔在这里进行总结一下：
B+Tree 叶子节点上存储的是全量数据（key+data），而非叶子节点只存储 key。
B+Tree 在同样的深度下存储的数据是远远大于 BTree 的。
B+Tree 每个叶子节点都有指向下一个叶子节点的链接。这样的好处在于，我们可以从任意一个叶子节点开始遍历，获取接下来所有的数据。
B+Tree 适合做索引的原因
B+Tree 树非叶子节点只存储 key 值，因此相对于 BTree 节点可以存储更多的数据，每次读入内存的 key 值就更多，相对来说 I/O 就降低。
B+Tree 树查询效率稳定，任何数据的查找都是必须从叶子节点到非叶子节点，所以说每个数据查找的效率几乎都是相同的。
B+Tree 树的叶子节点存储的是全量数据，并且是有序的，所以说只需要遍历叶子节点就可以对所有的 key 进行扫描，在范围查找时效率更高。
以上就是关于 InnoDB 存储引擎为什么使用 B+Tree 作为索引的解析。
聚簇索引、非聚簇索引区别
聚簇索引、非聚簇索引也被称之为主索引、二级索引。那么如何区分聚簇索引和非聚簇索引呢？
看到这里不知道大家有没有疑问：为什么看有的文章中也会有 frm 文件呢？但是在这里怎么没有呢？
原因是在 MySQL 8.0 之后将源数据都存储到了表空间中，所以也就不存在 frm 文件喽！
从图中可以看到创建一个表会生成三个文件，扩展名分别为 MYD、MYI、sdi：
MYD：是表数据文件（保存数据的文件）
MYI：是表索引文件（保存索引的文件）
那么就可以得出一个结论：只要数据跟索引存储在一个文件里，那就是聚簇索引，否则就是非聚簇索引。
这个时候就会有人问了，表中有主键的时候，idb 文件中存储的是主键+数据，那么当没有设置主键时怎么办呢？
记住这一句话，在 InnoDB 中，数据插入时必须跟一个索引值进行绑定，如果没有主键那就选择唯一索引，如果没有唯一索引就会选择一个 6Byte 的 rowid。
表中存在多个索引数据是如何存储的
看了上文的解释，有没有产生过一丝疑问，在 InnoDB 存储引擎下，如果存在多个索引，是不是会产生多个 idb 文件。
在 InnoDB 中数据只会保存一份，如果有多个索引，会维护多个 B+Tree，例如：表字段 id，name，age，sex。
id 设置为主键索引（聚簇索引），name 设置为普通索引，那么数据到底会存储几份呢？
不管一个表中设置多少个索引，数据只会存储一份，但是这张表会维护多个 B+Tree。
按照这个案例中 id 为主键索引，name 为普通索引，那么在这张表中就会维护俩颗 B+Tree。
id 主键索引跟数据存储在一起，name 索引所在的 B+Tree 中叶子节点存储的是主键 id 的值。
最后给大家总结一个点：在 InnoDB 中，一定有聚簇索引，其它索引都是非聚簇索引。
这里简单提一下：Myisam 中只有非聚簇索引。
索引的几个技术名词
在面试中往往会问这几个关键词，分别为回表、覆盖索引、最左侧原则、索引下推，一定要知道哈！
回表
网上对回表的解释各种各样，咔咔给你说种简单易懂的，但前提是你需要把聚簇索引、非聚簇索引区分清楚。
还是用上边的案例，id 为主键索引，name 为普通索引。此时查询语句为：
select id,name,age from table where name = 'kaka'
那么这条语句会先在 name 的这颗 B+Tree 中寻找到主键 id，然后在根据主键 id 的索引获取到数据并且返回。
覆盖索引
覆盖索引，根据名字都能理解的差不多，就是查询的所有字段都创建了索引！
select id,name from table where name = 'kaka'
那么这条语句就是使用了覆盖索引，因为 id 和 name 都为索引字段，查询的字段也是这俩个字段，所以被称为索引覆盖。
最左匹配
最左匹配原则是在组合索引中存在的。还是用之前表信息：表字段 id，name，age，sex。此时给 name，age 设置成组合索引。
select * from table where name = ? and age = ?
select * from table where name = ?
select * from table where age = ?
select * from table where age= ? and name= ?
可以自行做一下测验哈！是只有第三条语句不会用到索引，其他的三条语句都会符合最左侧原则。
索引下推
还是使用这条 sql 语句：
select * from table where name = ? and age = ?
索引下推是在 MySQL 5.6 及以后的版本出现的。之前的查询过程是，先根据 name 在存储引擎中获取数据，然后在根据 age 在 server 层进行过滤。
在有了索引下推之后，查询过程是根据 name、age 在存储引擎获取数据，返回对应的数据，不再到 server 层进行过滤。
索引存储在什么地方
那就又会涉及到另一个概念那就是局部性原理：数据和程序都有聚集成群的倾向，在访问了一条数据之后，在之后有极大的可能再次访问这条数据和这条数据的相邻数据。
如果索引数据只存储在内存中，那么当电脑关机，服务器宕机之后，就需要重新生成索引，这种的效率是十分低的。
总结
以上就是咔咔对索引的理解，在尽最大的可能将知识点说全面。如果还有遗漏，或者文章中有错误的地方还请各位能给出提议。
编辑：陶家龙
征稿：有投稿、寻求报道意向技术人请添加小编微信 gordonlonglong
精彩文章推荐：
以上是关于不会MySQL索引，面试官让回家等通知！的主要内容，如果未能解决你的问题，请参考以下文章
因为我说：volatile 是轻量级的 synchronized，面试官让我回去等通知！