共计 2079 个字符，预计需要花费 6 分钟才能阅读完成。
面试官 ： 我看你简历上写了 MySQL，对 MySQL InnoDB 引擎的索引理解吗？
候选者：嗯啊，应用索引能够放慢查问速度，其实上就是将无序的数据变成有序（有序就能放慢检索速度）
候选者：在 InnoDB 引擎中，索引的底层数据结构是 B + 树
面试官 ： 那为什么不应用红黑树或者 B 树呢？
候选者：MySQL 的数据是存储在硬盘的，在查问时个别是不能「一次性」把全副数据加载到内存中
候选者：红黑树是「二叉查找树」的变种，一个 Node 节点只能存储一个 Key 和一个 Value
候选者：B 和 B + 树跟红黑树不一样，它们算是「多路搜寻树」，相较于「二叉搜寻树」而言，一个 Node 节点能够存储的信息会更多，「多路搜寻树」的高度会比「二叉搜寻树」更低。
候选者：理解了区别之后，其实就很容易发现，在数据不能一次加载至内存的场景下，数据须要被检索进去，抉择 B 或 B + 树的理由就很充沛了（一个 Node 节点存储信息更多（相较于二叉搜寻树），树的高度更低，树的高度影响检索的速度）
候选者：B+ 树绝对于 B 树而言，它又有两种个性。
候选者：一、B+ 树非叶子节点不存储数据，在雷同的数据量下，B+ 树更加敦实。（这个应该不必多解释了，数据都存储在叶子节点上，非叶子节点的存储能存储更多的索引，所以整棵树就更加敦实）
候选者：二、B+ 树叶子节点之间组成一个链表，不便于遍历查问（遍历操作在 MySQL 中比拟常见）
候选者：我略微解释一下吧，你能够脑补下画面
候选者：咱们在 MySQL InnoDB 引擎下，每创立一个索引，相当于生成了一颗 B + 树。
候选者 ：如果该索引是「汇集(聚簇) 索引」，那以后 B + 树的叶子节点存储着「主键和以后行的数据」
候选者：如果该索引是「非聚簇索引」，那以后 B + 树的叶子节点存储着「主键和以后索引列值」
候选者：比方写了一句 sql：select * from user where id >=10，那只有定位到 id 为 10 的记录，而后在叶子节点之间通过遍历链表(叶子节点组成的链表)，即可找到往后的记录了。
候选者：因为 B 树是会在非叶子节点也存储数据，要遍历的时候可能就得跨层检索，绝对麻烦些。
候选者：基于树的层级以及业务应用场景的个性，所以 MySQL 抉择了 B + 树作为索引的底层数据结构。
候选者：对于哈希构造，其实 InnoDB 引擎是「自适应」哈希索引的（hash 索引的创立由 InnoDB 存储引擎引擎主动优化创立，咱们是干涉不了）
面试官 ：嗯 … 那我理解了，顺便想问下，你晓得什么叫做回表吗？
候选者：所谓的回表其实就是，当咱们应用索引查问数据时，检索进去的数据可能蕴含其余列，但走的索引树叶子节点只能查到当前列值以及主键 ID，所以须要依据主键 ID 再去查一遍数据，失去 SQL 所需的列
候选者：举个例子，我这边建了给订单号 ID 建了个索引，但我的 SQL 是：select orderId,orderName from orderdetail where orderId = 123
候选者：SQL 都订单 ID 索引，但在订单 ID 的索引树的叶子节点只有 orderId 和 Id，而咱们还想检索出 orderName，所以 MySQL 会拿到 ID 再去查出 orderName 给咱们返回，这种操作就叫回表
候选者：想要防止回表，也能够应用笼罩索引（能应用就应用，因为防止了回表操作）。
候选者：所谓的笼罩索引，实际上就是你想要查出的列刚好在叶子节点上都存在，比方我建了 orderId 和 orderName 联结索引，刚好我须要查问也是 orderId 和 orderName，这些数据都存在索引树的叶子节点上，就不须要回表操作了。
面试官 ： 既然你也提到了联结索引，我想问下你理解最左匹配准则吗？
候选者：嗯，阐明这个概念，还是举例子比拟容易阐明
候选者：如有索引 (a,b,c,d)，查问条件 a=1 and b=2 and c>3 and d=4，则会在每个节点顺次命中 a、b、c，无奈命中 d
候选者 ：先匹配最右边的，索引只能用于查找 key 是否存在（相等），遇到范畴查问 (>、<、between、like 左匹配) 等就不能进一步匹配了，后续进化为线性查找
候选者：这就是最左匹配准则
面试官 ： 嗯嗯，我还想问下你们主键是怎么生成的？
候选者：主键就自增的
面试官 ： 那假如我不必 MySQL 自增的主键，你感觉会有什么问题呢？
候选者：首先主键得保障它的唯一性和空间尽可能短吧，这两块是须要思考的。
候选者：另外，因为索引的个性（有序），如果生成像 uuid 相似的主键，那插入的的性能是比自增的要差的
候选者：因为生成的 uuid，在插入时有可能须要挪动磁盘块（比方，块内的空间在以后时刻曾经存储满了，但新生成的 uuid 须要插入已满的块内，就须要挪动块的数据）
面试官：OK…
本文总结：
- 为什么 B + 树？数据无奈一次 load 到内存，B+ 树是多路搜寻树，只有叶子节点才存储数据，叶子节点之间链表进行关联。（树矮，易遍历）
- 什么是回表？非聚簇索引在叶子节点只存储列值以及主键 ID，有条件下尽可能用笼罩索引防止回表操作，进步查问速度
- 什么是最左匹配准则？从最右边为终点开始间断匹配，遇到范畴查问终止
- 主键非自增会有什么问题？插入效率降落，存在挪动块的数据问题
