那些年被面试官怼的MySQL索引.docxVIP

那些年被面试官怼的MySQL索引 2021-05-14 之前有过一次面试，关于MySQL索引的原理及使用被面试官怼的体无完肤，立志要总结一番，然后一直没有时间（其实是懒……），预备好了吗？ 索引是什么？ 数据库索引，是数据库管理系统(DBMS)中一个排序的数据结构，它可以对数据库表中一列或多列的值进行排序，以帮忙愈加快速的访问数据库表中特定的数据。通俗的说，我们可以把数据库索引比做是一本书前面的名目，它能加快数据库的查询速度。 为什么需要索引？ 思考：如何在一个图书馆中找到一本书？设想一下，假如在图书馆中没有其他协助手段，只能一条道走到黑，一本书一本书的找，经过3个小时的连续查找，最终找到了你需要看的那本书，但此时天都黑了。为了避开这样的事情，每个图书馆才都配备了一套图书馆管理系统，大家要找书籍的话，先在系统上查找到书籍所在的房屋编号、图书架编号还有书在图书架几层的那个方位，然后就可以直接大摇大摆的去取书了，就可以很快速的找到我们所需要的书籍。索引就是这个原理，它可以挂念我们快速的检索数据。 一般的应用系统对数据库的操作，遇到最多、最简约出问题是一些简单的查询操作，当数据库中数据量很大时，查找数据就会变得很慢，这样就很影响整个应用系统的效率，我们就可以使用索引来提高数据库的查询效率。 B-Tree和B+Tree 目前大部分数据库系统及文件系统都接受B-Tree或其变种B+Tree作为索引结构，?我在这里分别讲一下： B-Tree 即B树，留意（不是B减树），B树是一种多路搜索树。使用B-Tree结构可以显著削减定位记录时所经受的两头过程，从而加快存取速度。 B-Tree有如下一些特征：? 定义任意非叶子结点最多只要M个子节点，且M2。 根结点的儿子数为[2, M]。 除根结点以外的非叶子结点的儿子数为[M/2, M]，?向上取整?。 每个结点存放至少M/2-1（取上整）和至少M-1个关键字；（至少2个关键字）。 非叶子结点的关键字个数=指向儿子的指针个数-1。 非叶子结点的关键字：K[1], K[2], …, K[M-1]，且K[i] = K[i+1]。 非叶子结点的指针：P[1], P[2], …,P[M]（其中P[1]指向关键字小于K[1]的子树，P[M]指向关键字大于K[M-1]的子树，其它P[i]指向关键字属于(K[i-1], K[i])的子树）。 全部叶子结点位于同一层。 有关b树的一些特性： 关键字集合分布在整颗树的全部结点之中； 任何一个关键字消灭且只消灭在一个结点中； 搜索有可能在非叶子结点结束； 其搜索功能等价于在关键字全集内做一次二分查找。 B树的搜索：从根结点开头，对结点内的关键字（有序）序列进行二分查找，假如命中则结束，否则进入查询关键字所属范围的儿子结点；反复执行这个操作，直到所对应的节点指针为空，或者已经是是叶子结点。 例如下面一个B树，那么查找元素43的过程如下： 依据根节点指针找到18、37所在节点，把此节点读入内存，进行第一次磁盘IO，此时发觉4337，找到指针p3。 依据指针p3，找到42、51所在节点，把此节点读入内存，进行其次次磁盘IO，此时发觉424351，找到指针p2。 依据指针p2，找到43、46所在节点，把此节点读入内存，进行第三次磁盘IO，此时我们就已经查到了元素43。 在此过程总共进行了三次磁盘IO。 B+Tree B+Tree属于B-Tree的变种。与B-Tree相比，B+Tree有以下不同点： 有n棵子树的非叶子结点中含有n个关键字（B树是n-1个），即非叶子结点的子树指针与关键字个数相同。这些关键字不保存数据，只用来索引，全部数据都保存在叶子节点（B树是每个关键字都保存数据）。 全部的叶子结点中包含了全部关键字的信息，及指向含这些关键字记录的指针，且叶子结点本身依关键字的大小自小而大挨次链接。 全部的非叶子结点可以看成是叶子节点的索引部分。 同一个数字会在不同节点中反复消灭，根节点的最大元素就是b+树的最大元素。 相对B树，B+树做索引的优势 B+树的磁盘IO代价更低：?B+树非叶子节点没有指向数据行的指针，所以相同的磁盘容量存储的节点数更多，相应的IO读写次数确定削减了。 B+树的查询效率愈加稳定：由于全部数据都存于叶子节点。全部关键字查询的路径长度相同，每一个数据的查询效率相当。 全部的叶子节点构成了一个有序链表，愈加便于查找。 关于MySQL的两种常用存储引擎MyISAM和InnoDB的索引均以B+树作为数据结构，二者却有不同（这里只说二者索引的区分）。 ?MyISAM索引和Innodb索引的区分 MyISAM使用B+树作为索引结构，叶节点叶节点的data域保存的是存储数据的地址，主键索引key值独一，协助索引key可以反复，二者在结构上相同。?因而