MySQL 索引使用什么数据结构？为什么用 B+做索引？

使用B+树。

这个问题，可以在脑子里面先思考一下，如果让你来设计数据库的索引，你会怎么设计？

我们还是用Why？What？How？三步法来看这个问题。

为什么会需要索引？索引是什么？索引怎么用的？

再思考为什么需要B+树？B+树是什么？B+树怎么用？

答：大部分程序主要的功能都是对数据的处理，写入、查询、转化、输出。最形象的比喻就是树和内容和目录的关系，目录就是索引，我们根据目录能快速拿到想要内容的页码。

为什么是B+树，有这个几个理由：

• 如果是用AVL平衡二叉树，树高度太高，索引查询需要访问磁盘，每次访问以节点为单位进行磁盘I/O ，需要尽量减少数据读取的I/O操作，所以树高度一定不能太高，存储千万级别的数据，实践中 B+ 树的高度也就 4或者5。
• B+树经常用来比较的是B树，B+树相比B树有个很大的特点是B+树所有关键字都出现在叶子结点的链表中（稠密索引），且链表中的关键字恰好是有序的，对于范围查找，比如15～50，B树需要中序遍历二叉树，但是B+树直接在叶子节点顺序访问就可以了。

什么是最左匹配原则？

首先说明一点：

最左前缀匹配原则：在MySQL建立联合索引时会遵守最左前缀匹配原则，即最左优先，在检索数据时从联合索引的最左边开始匹配。

打个比方，我们有张student 表，我们根据学院编号+班级建立了一个联合索引 index_magor_class(magor,class), 这个索引由二个字段组成。

索引的底层是一颗B+树，那么联合索引的底层也就是一颗B+树，只不过联合索引的B+树节点中存储的是逗号分隔的多个值。

举例：创建一个 index_magor_class(magor,class) 的联合索引，那么它的索引树就是下图的样子。

它是先根据magor排序，再根据class排序，如果索引后面还有字段，继续以此类推。

我们查询的where 条件如果只传入了班级，是走不到联合索引的，但是如果只传了学院编号，是可能会走到联合索引的。（为什么说可能，MYSQL的执行计划和查询的实际执行过程并不完全吻合，比如你数据库数据量很少，可能直接全量遍历速度更快，就不走索引了）

往期推荐

面试最后一环节，如何向面试官提问？

7 种 Spring Boot 注入 Bean 的方式

Java 项目：利用注解 + 反射消除重复代码

什么是软件分层设计？它有何好处？

SpringBoot 如何进行全局异常捕获和处理？

 

在建表的时候如何设计索引的？有没有做过索引优化 ？

1、利用覆盖索引来进行查询操作，来避免回表操作。

说明：如果一本书需要知道第11章是什么标题，会翻开第11章对应的那一页吗？目录浏览一下就好，这个目录就是起到覆盖索引的作用。

什么意思，比如你主键索引是学号，你写select 语句的时候，直接select 学号 from table 就可以了，不用select 其他字段，一般除非非常有必要，尽量按需select 字段，少用或不用 select， 不然还需要回表。

这里我解释一下回表，比如我们表主键索引是学号，另外我们还根据手机号也建了索引，如果我们where 条件是手机号，分二种情况：

正例：IDB能够建立索引的种类分为【主键索引、唯一索引、普通索引】，而覆盖索引是一种查询的一种效果，用explain的结果，extra列会出现：using index.

• 如果我们select 获取的字段是学号，直接在手机号的索引表就能获取到数据，不需要回表；
• 如果我们select 的时候还有其他字段，我们查询的时候流程是这样的，先根据手机号查到学号，再根据学号去主键索引表查询数据，这个过程叫回表。

2、业务上具有唯一特性的字段，即使是组合字段，也建议建成唯一索引。说明：不要以为唯一索引影响了insert速度，这个速度损耗可以忽略，但提高查找速度是明显的；另外，即使在应用层做了非常完善的校验和控制，只要没有唯一索引，根据墨菲定律，必然有脏数据产生。

3、超过三个表禁止join。需要join的字段，数据类型保持绝对一致；多表关联查询时，保证被关联的字段需要有索引。说明：即使双表join也要注意表索引、SQL性能。

4、在varchar字段上建立索引时，必须指定索引长度，没必要对全字段建立索引，根据实际文本区分度决定索引长度。说明：索引的长度与区分度是一对矛盾体，一般对字符串类型数据，长度为20的索引，区分度会高达90%以上，可以使用count(distinct left(列名, 索引长度))/count(*)的区分度来确定。

5、页面搜索严禁左模糊或者全模糊，如果需要请走搜索引擎来解决。说明：索引文件具有B-Tree的最左前缀匹配特性，如果左边的值未确定，那么无法使用此索引。

6、SQL性能优化的目标：至少要达到 range 级别，要求是ref级别，如果可以是const最好。说明：

• 1）const 单表中最多只有一个匹配行（主键或者唯一索引），在优化阶段即可读取到数据。
• 2）ref 指的是使用普通的索引。（normal index）
• 3）range 对索引进行范围检索。反例：explain表的结果，type=index，索引物理文件全扫描，速度非常慢，这个index级别比较range还低，与全表扫描是小巫见大巫。

7、建组合索引的时候，区分度最高的在最左边。正例：如果where a=? and b=? ，a列的几乎接近于唯一值，那么只需要单建idx_a索引即可。说明：存在非等号和等号混合判断条件时，在建索引时，请把等号条件的列前置。如：where c>? and d=? 那么即使c的区分度更高，也必须把d放在索引的最前列，即建立组合索引idx_d_c。

8、防止因字段类型不同造成的隐式转换，导致索引失效。

MyBatis用过吗? 一二级缓存清楚吗？

• 一级缓存 Mybatis的一级缓存是指SQLSession，一级缓存的作用域是SQlSession, Mabits默认开启一级缓存。在同一个SqlSession中，执行相同的SQL查询时；第一次会去查询数据库，并写在缓存中，第二次会直接从缓存中取。当执行SQL时候两次查询中间发生了增删改的操作，则SQLSession的缓存会被清空。每次查询会先去缓存中找，如果找不到，再去数据库查询，然后把结果写到缓存中。Mybatis的内部缓存使用一个HashMap，key为hashcode+statementId+sql语句。Value为查询出来的结果集映射成的java对象。SqlSession执行insert、update、delete等操作commit后会清空该SQLSession缓存。
• 二级缓存 二级缓存是 mapper级别的，Mybatis默认是没有开启二级缓存的。第一次调用mapper下的SQL去查询用户的信息，查询到的信息会存放在该mapper对应的二级缓存区域。第二次调用namespace下的mapper映射文件中，相同的sql去查询用户信息，会去对应的二级缓存内取结果。

MySQL 主从同步怎么做的？binlog清楚吗？

• Master 数据库只要发生变化，立马记录到Binary log 日志文件中
• Slave数据库启动一个I/O thread连接Master数据库，请求Master变化的二进制日志
• Slave I/O获取到的二进制日志，保存到自己的Relay log 日志文件中。
• Slave 有一个 SQL thread定时检查Realy log是否变化，变化那么就更新数据

MySQL 有没有做分库分表？怎么设计的？

Why?:

当一张表的数据达到几千万时，你查询一次所花的时间会变多，如果有联合查询的话，我想有可能会死在那儿了。分表的目的就在于此，减小数据库的负担，缩短查询时间。

mysql中有一种机制是表锁定和行锁定，是为了保证数据的完整性。表锁定表示你们都不能对这张表进行操作，必须等我对表操作完才行。行锁定也一样，别的sql必须等我对这条数据操作完了，才能对这条数据进行操作。

When？（什么时候需要分表？）：

单表行数超过500万行或者单表容量超过2GB，才推荐进行分库分表。说明：如果预计三年后的数据量根本达不到这个级别，请不要在创建表时就分库分表。

反例：某业务三年总数据量才2万行，却分成1024张表，问：你为什么这么设计？答：分1024张表，不是标配吗？

How？（分库分表有几种策略）：

垂直拆分 or 水平拆分

拆分中间件,详细可以参考:

• Sharding-sphere，前身是sharding-jdbc；当当的分库分表中间件
• TDDL：jar，Taobao Distribute Data Layer；
• Mycat：中间件。

注：工具的利弊，请自行调研，官网和社区优先。

• 按照userId纬度拆分，安琪拉见过的常见的有，根据 userId % 64 取模拆0～63编号的64张表，
• 固定位拆，取userId 指定二位，例如倒数2，3位组成00～99 一共100张表的，百库表表。
• hash: userId hash一下，然后 % 表数；
• Range: 另外还有按照userId 指定范围拆的，0-1千万一张表，这种用的比较少，容易产生热点。
• 把不同业务域的表拆成不同库，例如订单相关表、用户信息相关表、营销相关表分开在不同库；
• 把大字段独立存储到一张表中
• 把不常用的字段单独拿出来存储到一张表

用userId做的分库分表，现在需要用电话号码查询怎么办？

和回表逻辑一样，单独建一个电话号码索引表，存放电话号码和userId，查询时先根据电话号码查询userId，然后再根据userId查询数据。