面試題1：說一下你對聚集索引與非聚集索引的理解，以及他們的區(qū)別？

首先解釋一下，什么是聚集索引和非聚集索引。這里我想起網(wǎng)上看到的一個典型的例子:

說索引像一個漢語字典，聚集索引是根據(jù)拼音查詢，而非聚集索引是根據(jù)偏旁部首查詢，你想想哪個查的快?

漢語字典的正文本身就是一個聚集索引。比如，我們要查“啊”字，拼音是“a”，按照拼音排序是以“a”開頭“z”結(jié)尾的，那么“啊”字就自然地排在字典的前部。如果翻完了所有以“a”開頭的內(nèi)容仍然找不到這個字，那么就說明字典中就沒有這個字。我們知道，其實字典的正文部分本身就是一個目錄，不需要再去查其他目錄來找到我們需要找的內(nèi)容。我們把這種正文內(nèi)容本身就按照一定規(guī)則排列（有序）的目錄稱為“聚集索引”。

問題來了，遇到不認識的字，不知道它的發(fā)音，怎么辦？

這時候，就得用“偏旁部首”查了吧，然后根據(jù)這個偏旁后的頁碼來找字。這種結(jié)合“部首目錄”和“檢字表”查到的字的排序并不是真正的正文的排序方法，比如查“張”字，我們可以看到在查部首之后的檢字表中“張”的頁碼是672頁，檢字表中“張”的上面是“馳”字，但頁碼卻是63頁，“張”的下面是“弩”字，頁面是390頁。很顯然，這些字并不是真正的分別位于“張”字的上下方，現(xiàn)在看到的連續(xù)的“馳、張、弩”三字實際上就是他們在非聚集索引中的排序，是字典正文中的字在非聚集索引中的映射。

我們可以通過這種方式來找到我們所需要的字，但它需要兩個過程，先找到目錄中的結(jié)果，然后再翻到相應(yīng)頁碼。我們把這種目錄純粹是目錄，正文純粹是正文的排序方式（無序）稱為“非聚集索引”。

1、聚集索引

聚集索引是我們常用的一種索引，該索引中鍵值的邏輯順序決定了表中相應(yīng)行的物理順序，我們?nèi)~子結(jié)點直接對應(yīng)的實際數(shù)據(jù)，當(dāng)索引值唯一（unique）時，使用聚集索引查找特定的行效率很高。例如，使用唯一店員 ID 列 emp_id 查找特定雇員的最快速的方法，是在 emp_id 列上創(chuàng)建聚集索引或 PRIMARY KEY 約束?？梢?，自增主鍵就是一個標準的聚集索引。

當(dāng)某列滿足兩個條件時，我們可以創(chuàng)建聚集索引：

• 數(shù)據(jù)存儲有序（如自增）
• key值應(yīng)當(dāng)唯一

聚簇索引像字典，字典按字母順序排列數(shù)據(jù)，有序。在聚集索引中，索引包含指向數(shù)據(jù)存儲的塊而不是數(shù)據(jù)存儲地址的指針，和非聚集索引（Normal）相反。

2、非聚集索引

非聚集索引就是索引類型為Normal的普通索引啦，我們在《聊聊MySQL索引“B+Tree”的前世今生》這篇文章中提到，B+Tree（這里是索引類型是Normal）所有關(guān)鍵字存儲在葉子節(jié)點，但不存儲真正的data，葉子結(jié)點存的是一個指向磁盤data的指針，需要到磁盤數(shù)據(jù)頁中取。

非聚集索引的數(shù)據(jù)存儲在一個位置，索引存儲在另一位置。由于數(shù)據(jù)和非聚集索引是分開存儲的，因此在一個表中可以有多個非聚集索引。

聚集索引 和 非聚集索引的區(qū)別：

• 單表中只能有一個聚集索引，而非聚集索引單表可以存在多個。
• 聚集索引，索引中鍵值的邏輯順序決定了表中相應(yīng)行的物理順序；非聚集索引，索引中索引的邏輯順序與磁盤上行的物理存儲順序不同。
• 索引是通過二叉樹的數(shù)據(jù)結(jié)構(gòu)來描述的，我們可以這么理解聚簇索引：索引的葉節(jié)點就是數(shù)據(jù)節(jié)點。而非聚簇索引的葉節(jié)點仍然是索引節(jié)點，只不過有一個指針指向?qū)?yīng)的數(shù)據(jù)塊。
• 聚集索引：物理存儲按照索引排序；非聚集索引：物理存儲不按照索引排序；

追問1：為什么聚集索引可以創(chuàng)建在任何一列上，如果此表沒有主鍵約束，即有可能存在重復(fù)行數(shù)據(jù)呢？

乍一看，這還真是和聚集索引的約束相背，但實際情況真可以創(chuàng)建聚集索引。

其原因是：如果未使用 UNIQUE 屬性創(chuàng)建聚集索引，數(shù)據(jù)庫引擎將向表自動添加一個四字節(jié) uniqueifier列。必要時，數(shù)據(jù)庫引擎 將向行自動添加一個 uniqueifier 值，使每個鍵唯一。此列和列值供內(nèi)部使用，用戶不能查看或訪問。

追問2：聚集索引一定比非聚集索引性能優(yōu)么？

如果想查詢學(xué)分在60-90之間的學(xué)生的學(xué)分以及姓名，在學(xué)分上創(chuàng)建聚集索引是否是最優(yōu)的呢？

并不是。既然只輸出兩列，我們可以在學(xué)分以及學(xué)生姓名上創(chuàng)建聯(lián)合非聚集索引，此時的索引就形成了覆蓋索引，即索引所存儲的內(nèi)容就是最終輸出的數(shù)據(jù)，這種索引當(dāng)然比以學(xué)分為聚集索引做查詢性能好，算是相當(dāng)于聯(lián)合聚集索引~~靈活運用即可。

面試題2：說一說你對 B樹 和 B+樹 的理解吧

1、B樹（Balanced Tree）多路平衡查找樹 多叉

B樹是一種多路自平衡搜索樹，它類似普通的二叉樹，但是B書允許每個節(jié)點有更多的子節(jié)點。B樹示意圖如下：值得注意的是，B樹的非葉子節(jié)點和葉子結(jié)點的data數(shù)據(jù)都是分開存儲的，那么針對范圍查詢、排序等常用特性就很不友好了。

B樹的特點：

• 所有鍵值分布在整個樹中
• 任何關(guān)鍵字出現(xiàn)且只出現(xiàn)在一個節(jié)點中
• 搜索有可能在非葉子節(jié)點結(jié)束
• 在關(guān)鍵字全集內(nèi)做一次查找，性能逼近二分查找算法

為了提升效率，要盡量減少磁盤I/O的次數(shù)。實際過程中，磁盤并不是每次嚴格按需讀取，而是每次都會預(yù)讀。

磁盤讀取完需要的數(shù)據(jù)后，會按順序再多讀一部分數(shù)據(jù)到內(nèi)存中，這樣做的理論依據(jù)是計算機科學(xué)中注明的局部性原理：

• 由于磁盤順序讀取的效率很高(不需要尋址時間，只需很少的旋轉(zhuǎn)時間)，因此對于具有局部性的程序來說，預(yù)讀可以提高I/O效率.預(yù)讀的長度一般為頁(page)的整倍數(shù)。
• MySQL(默認使用InnoDB引擎)，將記錄按照頁的方式進行管理，每頁大小默認為16K(可以修改)。

B-Tree借助計算機磁盤預(yù)讀機制:

每次新建節(jié)點的時候，都是申請一個頁的空間，所以每查找一個節(jié)點只需要一次I/O;因為實際應(yīng)用當(dāng)中，節(jié)點深度會很少，所以查找效率很高.

2、B+ Tree (B+樹是B樹的變體，也是一種多路搜索樹)

從圖中也可以看到，B+樹與B樹的不同在于：

• 所有關(guān)鍵字存儲在葉子節(jié)點，非葉子節(jié)點不存儲真正的data，從而可以快速定位到葉子結(jié)點。
• 為所有葉子節(jié)點增加了一個鏈指針，意味著所有的值都是按順序存儲的，并且每一個葉子頁到根的距離相同，很適合查找范圍數(shù)據(jù)。說明支持范圍查詢和天然排序。

因此，B+Tree可以對<，<=，=，>，>=，BETWEEN，IN，以及不以通配符開始的LIKE使用索引。且如果用到了該索引，排序功能的消耗大大減少。

B+樹的優(yōu)點：

比較的次數(shù)均衡，減少了I/O次數(shù)，提高了查找速度，查找也更穩(wěn)定。

• B+樹的磁盤讀寫代價更低
• B+樹的查詢效率更加穩(wěn)定

  要知道的是，你每次創(chuàng)建表，系統(tǒng)會為你自動創(chuàng)建一個基于ID的聚集索引（上述B+樹），存儲全部數(shù)據(jù)；你每次增加索引，數(shù)據(jù)庫就會為你創(chuàng)建一個附加索引（上述B+樹），索引選取的字段個數(shù)就是每個節(jié)點存儲數(shù)據(jù)索引的個數(shù)，注意該索引并不存儲全部數(shù)據(jù)。

面試題3：說一下你對最左前綴原則的理解吧

通常我們在建立聯(lián)合索引的時候，相信建立過索引的同學(xué)們會發(fā)現(xiàn)，無論是Oracle還是 MySQL 都會讓我們選擇索引的順序，比如我們想在a,b,c三個字段上建立一個聯(lián)合索引，我們可以選擇自己想要的優(yōu)先級，(a、b、c)，或是 (b、a、c) 或者是(c、a、b) 等順序。

為什么數(shù)據(jù)庫會讓我們選擇字段的順序呢？不都是三個字段的聯(lián)合索引么？這里就引出了數(shù)據(jù)庫索引的最重要的原則之一，最左匹配原則。

在我們開發(fā)中經(jīng)常會遇到這種問題，明明這個字段建了聯(lián)合索引，但是SQL查詢該字段時卻不會使用這個索引。難道這索引是假的？白嫖老子資源？！

比如索引abc_index:(a,b,c)是a,b,c三個字段的聯(lián)合索引，下列sql執(zhí)行時都無法命中索引abc_index；

select * from table where c = '1';
select * from table where b ='1' and c ='2';

以下三種情況卻會走索引:

select * from table where a = '1';
select * from table where a = '1' and b = '2';
select * from table where a = '1' and b = '2'  and c='3';

從上面兩個例子大家有木有看出點眉目呢？

是的，索引abc_index:(a,b,c)，只會在where條件中帶有(a)、(a,b)、(a,b,c)的三種類型的查詢中使用。其實這里說的有一點歧義，其實當(dāng)where條件只有(a,c)時也會走，但是只走a字段索引，不會走c字段。

那么這都是為什么呢？我們一起來看看其原理吧。

一、最左匹配原則的原理

MySQL 建立多列索引（聯(lián)合索引）有最左匹配的原則，即最左優(yōu)先：
如果有一個 2 列的索引 (a, b)，則已經(jīng)對 (a)、(a, b) 上建立了索引；
如果有一個 3 列索引 (a, b, c)，則已經(jīng)對 (a)、(a, b)、(a, b, c) 上建立了索引；

假設(shè)數(shù)據(jù) 表 LOL (id,sex,price,name) 的物理位置（表中的無序數(shù)據(jù)）如下：
（注：下面數(shù)據(jù)是測試少量數(shù)據(jù)選用的，只為了方便大家看清楚。實際操作中，應(yīng)按照使用頻率、數(shù)據(jù)區(qū)分度來綜合設(shè)定索引順序~）

主鍵id  sex(a)   price(b)      name(c)    
(1)     1         1350         AAA安妮
(2)     2         6300         MMM盲僧
(3)     1         3150         NNN奈德麗
(4)     2         6300         CCC錘石
(5)     1         6300         LLL龍女
(6)     2         3150         EEE伊澤瑞爾
(7)     2         6300         III艾克
(8)     1         6300         BBB暴走蘿莉
(9)     1         4800         FFF發(fā)條魔靈
(10)    2         3150         KKK卡牌大師
(11)    1         450          HHH寒冰射手
(12)    2         450          GGG蓋倫
(13)    2         3150         OOO小提莫
(14)    2         3150         DDD刀鋒之影
(15)    2         6300         JJJ疾風(fēng)劍豪
(16)    2         450          JJJ劍圣

當(dāng)你在LOL表創(chuàng)建一個聯(lián)合索引 abc_index:(sex,price,name)時，生成的索引文件邏輯上等同于下表內(nèi)容（分級排序）：

sex(a)   price(b)       name(c)         主鍵id
1        450            HHH寒冰射手      (11)
1        1350           AAA安妮          (1)
1        3150           NNN奈德麗        (3)
1        4800           FFF發(fā)條魔靈       (9)
1        6300           BBB暴走蘿莉       (8)
1        6300           LLL龍女          (5)
2        450            GGG蓋倫          (12)
2        450            JJJ劍圣          (16)
2        3150           DDD刀鋒之影       (14)
2        3150           EEE伊澤瑞爾       (6)
2        3150           KKK卡牌大師       (10)
2        3150           OOO小提莫         (13)
2        6300           CCC錘石          (4)
2        6300           III艾克          (7)
2        6300           JJJ疾風(fēng)劍豪       (15)
2        6300           MMM盲僧          (2)

小伙伴兒們有沒有發(fā)現(xiàn)B+樹聯(lián)合索引的規(guī)律？感覺還有點模糊的話，那咱們再來看一張索引存儲數(shù)據(jù)的結(jié)構(gòu)圖，或許更明了一些。

這是一張來自思否上的圖片，層次感很清晰，小伙伴可以看到，對于B+樹中的聯(lián)合索引，每級索引都是排好序的。聯(lián)合索引 bcd_index:(b,c,d) , 在索引樹中的樣子如圖 ， 在比較的過程中 ，先判斷 b 再判斷 c 然后是 d 。

由上圖可以看出，B+ 樹的數(shù)據(jù)項是復(fù)合的數(shù)據(jù)結(jié)構(gòu)，同樣，對于我們這張表的聯(lián)合索引 (sex,price,name)來說 ，B+ 樹也是按照從左到右的順序來建立搜索樹的，當(dāng)SQL如下時：

select sex,price,name from LOL where sex = 2 and price = 6300 and name = 'JJJ疾風(fēng)劍豪'; 

B+ 樹會優(yōu)先比較 sex 來確定下一步的指針所搜方向，如果 sex 相同再依次比較 price 和 name，最后得到檢索的數(shù)據(jù)；

二、違背最左原則導(dǎo)致索引失效的情況

（下面以聯(lián)合索引 abc_index:(a,b,c) 來進行講解，便于理解）

1、查詢條件中，缺失優(yōu)先級最高的索引 “a”

當(dāng) where b = 6300 and c = 'JJJ疾風(fēng)劍豪' 這種沒有以 a 為條件來檢索時；B+樹就不知道第一步該查哪個節(jié)點，從而需要去全表掃描了（即不走索引）。因為建立搜索樹的時候 a 就是第一個比較因子，必須要先根據(jù) a 來搜索，進而才能往后繼續(xù)查詢b 和 c，這點我們通過上面的存儲結(jié)構(gòu)圖可以看明白。

2、查詢條件中，缺失優(yōu)先級居中的索引 “b”

當(dāng) where a =1 and c =“JJJ疾風(fēng)劍豪” 這樣的數(shù)據(jù)來檢索時；B+ 樹可以用 a 來指定第一步搜索方向，但由于下一個字段 b 的缺失，所以只能把 a = 1 的數(shù)據(jù)主鍵ID都找到，通過查到的主鍵ID回表查詢相關(guān)行，再去匹配 c = ‘JJJ疾風(fēng)劍豪' 的數(shù)據(jù)了，當(dāng)然，這至少把 a = 1 的數(shù)據(jù)篩選出來了，總比直接全表掃描好多了。

這就是MySQL非常重要的原則，即索引的最左匹配原則。

三、查詢優(yōu)化器偷偷干了哪些事兒

當(dāng)對索引中所有列通過"=" 或 “IN” 進行精確匹配時，索引都可以被用到。

1、如果建的索引順序是 (a, b)。而查詢的語句是 where b = 1 AND a = ‘陳哈哈'; 為什么還能利用到索引？

理論上索引對順序是敏感的，但是由于 MySQL 的查詢優(yōu)化器會自動調(diào)整 where 子句的條件順序以使用適合的索引，所以 MySQL 不存在 where 子句的順序問題而造成索引失效。當(dāng)然了，SQL書寫的好習(xí)慣要保持，這也能讓其他同事更好地理解你的SQL。

2、還有一個特殊情況說明下，下面這種類型的SQL， a 與 b 會走索引，c不會走。

select * from LOL where a = 2 and b > 1000  and c='JJJ疾風(fēng)劍豪';

對于上面這種類型的sql語句；mysql會一直向右匹配直到遇到范圍查詢(>、<、between、like)就停止匹配（包括like '陳%'這種）。在a、b走完索引后，c已經(jīng)是無序了，所以c就沒法走索引，優(yōu)化器會認為還不如全表掃描c字段來的快。所以只使用了(a,b)兩個索引，影響了執(zhí)行效率。

其實，這種場景可以通過修改索引順序為 abc_index:(a,c,b)，就可以使三個索引字段都用到索引，建議小伙伴們不要有問題就想著新增索引哦，浪費資源還增加服務(wù)器壓力。

綜上，如果通過調(diào)整順序，就可以解決問題或少維護一個索引，那么這個順序往往就是我們DBA人員需要優(yōu)先考慮采用的。

總結(jié)

本篇文章就到這里了，希望能給你帶來幫助，也希望您關(guān)注腳本之家的更多內(nèi)容

最新評論