### 一、面试官考点之索引是什么？  * 索引是一种能提高数据库查询效率的数据结构。它可以比作一本字典的目录，可以帮你快速找到对应的记录。 * 索引一般存储在磁盘的文件中，它是占用物理空间的。 * 正所谓水能载舟，也能覆舟。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功能。 ### 二、索引有哪些类型类型  #### 数据结构维度 * 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。 * 哈希索引: 适合等值查询，检索效率高，一次到位。 * 全文索引：MyISAM和InnoDB中都支持使用全文索引，一般在文本类型char,text,varchar类型上创建。 * R-Tree索引: 用来对GIS数据类型创建SPATIAL索引 #### 物理存储维度 * 聚集索引：聚集索引就是以主键创建的索引，在叶子节点存储的是表中的数据。 * 非聚集索引：非聚集索引就是以非主键创建的索引，在叶子节点存储的是主键和索引列。 #### 逻辑维度 * 主键索引：一种特殊的唯一索引，不允许有空值。 * 普通索引：MySQL中基本索引类型，允许空值和重复值。 * 联合索引：多个字段创建的索引，使用时遵循最左前缀原则。 * 唯一索引：索引列中的值必须是唯一的，但是允许为空值。 * 空间索引：MySQL5.7之后支持空间索引，在空间索引这方面遵循OpenGIS几何数据模型规则。 ### 三、面试官考点之为什么选择B+树作为索引结构 可以从这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，以及查找磁盘次数等等。为什么不是哈希结构？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？ 我们写业务SQL查询时，大多数情况下，都是范围查询的，如下SQL ``` select * from employee where age between 18 and 28; ``` #### 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。 #### 为什么不使用二叉树呢？ 先回忆下二叉树相关知识啦~ 所谓**二叉树，特点如下：** * 每个结点最多两个子树，分别称为左子树和右子树。 * 左子节点的值小于当前节点的值，当前节点值小于右子节点值 * 顶端的节点称为根节点，没有子节点的节点值称为叶子节点。 我们脑海中，很容易就浮现出这种二叉树结构图：  但是呢，有些特殊二叉树，它可能这样的哦：  如果二叉树特殊化为一个链表，相当于全表扫描。那么还要索引干嘛呀？因此，一般二叉树不适合作为索引结构。 #### 为什么不使用平衡二叉树呢？ 平衡二叉树特点：它也是一颗二叉查找树，任何节点的两个子树高度最大差为1。所以就不会出现特殊化一个链表的情况啦。  但是呢： * 平衡二叉树插入或者更新是，需要左旋右旋维持平衡，维护代价大 * 如果数量多的话，树的高度会很高。因为数据是存在磁盘的，以它作为索引结构，每次从磁盘读取一个节点，操作IO的次数就多啦。 #### 为什么不使用B树呢？ 数据量大的话，平衡二叉树的高度会很高，会增加IO嘛。那为什么不选择同样数据量，**高度更矮的B树**呢？  B树相对于平衡二叉树，就可以存储更多的数据，高度更低。但是最后为甚选择B+树呢？因为B+树是B树的升级版： > * B+树非叶子节点上是不存储数据的，仅存储键值，而B树节点中不仅存储键值，也会存储数据。innodb中页的默认大小是16KB，如果不存储数据，那么就会存储更多的键值，相应的树的阶数（节点的子节点树）就会更大，树就会更矮更胖，如此一来我们查找数据进行磁盘的IO次数有会再次减少，数据查询的效率也会更快。 > * B+树索引的所有数据均存储在叶子节点，而且数据是按照顺序排列的，链表连着的。那么B+树使得范围查找，排序查找，分组查找以及去重查找变得异常简单。 ### ## 总结 在清楚了各个大厂的面试重点之后，就能很好的提高你刷题以及面试准备的效率，接下来小编也为大家准备了最新的互联网大厂资料。 > **[资料领取：点我即可免费领取](https://docs.qq.com/doc/DSmxTbFJ1cmN1R2dB)**