⚡ 索引核心知识点全景

在深入具体面试题之前，我们先通过以下几个维度梳理 MySQL 索引的全局脉络：

1. 核心架构与原理

• B+ 树结构：MySQL（InnoDB）默认的索引结构。设计核心是「矮胖」，通过多路平衡降低磁盘 IO 次数。
• 叶子节点特性：所有数据存储在叶子节点，且叶子节点通过双向链表连接，天然支持范围扫描和反向遍历。
• 非叶子节点：仅存储索引键值和指针，提高单个页的「分支因子」。

2. 存储模型

• 聚簇索引（Clustered Index）：
  • 通常是主键。
  • 索引即数据：叶子节点直接存放整行记录。
  • 唯一性：一张表只能有一个聚簇索引。
• 非聚簇索引（二级索引）：
  • 叶子节点存储 索引键值 + 主键 ID。
  • 查询非索引列时通常需要「回表」。

3. 三大优化机制

• 覆盖索引：查询字段被索引完全覆盖，消除回表过程。
• 最左前缀原则：联合索引的使用准则，匹配必须从最左列开始，不能跳跃。
• 索引下推 (ICP)：在存储引擎层提前过滤，大幅减少回表次数。

4. 索引设计禁忌（失效场景）

• 违背最左匹配：跳过排在前面的列。
• 计算/函数/转义：对索引列做运算（如 YEAR() 或 +1）。
• 模糊通配符开头：LIKE '%abc'。
• 隐式转换：字符串不加引号导致的类型转换。

📝 索引全量面试题集

以下内容涵盖了文档中关于索引的所有题目、详细解析及对应的大厂面试真题。

35. 🌟 索引为什么能提高 MySQL 查询效率？

索引就像一本书的目录，能让 MySQL 快速定位数据，避免全表扫描。

它一般是 B+ 树 结构，查找效率是 $O(\log n)$，比从头到尾扫一遍数据要快得多。

除了查得快，索引还能加速排序、分组、连接等操作。

项目实践： 最常见的做法就是通过 create index 为经常用作查询条件的字段建索引，比如：

1

create index idx_name on students(name);

【面试真题库】

1. [腾讯] QQ 后台技术一面：MySQL 索引，为什么用 B+ 树
2. [小米] Java 后端技术一面：为什么需要索引
3. [小公司] Java 后端面试：数据库索引讲一下，然后为什么会加快查询速度
4. [去哪儿] 技术二面：MySQL 为什么用索引
5. [OPPO] 面试原题：对 MySQL 索引的理解
6. [vivo] 技术一面：索引，为什么使用索引更快
7. [腾讯] 云后台技术一面：介绍下索引？底层是啥？

36. 🌟 能简单说一下索引的分类吗？

1. 按功能分类：主键索引、唯一索引、全文索引。
2. 按数据结构分类：B+ 树索引、哈希索引。
3. 按存储内容分类：聚簇索引、非聚簇索引。

(1) 主键索引

主键索引用于唯一标识表中的每条记录，其列值必须唯一且非空。

如果在创建表的时候没有指定主键，InnoDB 会优先选择一个非空的唯一索引作为主键；如果没有，则自动生成一个隐藏的 _rowid。

(2) 唯一索引 vs 主键索引

• 主键索引：唯一 + 非空。一个表只能有一个。
• 唯一索引：值必须唯一，但允许插入多个 NULL 值。一个表可以有多个。

(3) 普通索引 vs 唯一索引

• 普通索引：仅用于加速查询，不限制唯一性。
• 唯一索引：强制唯一，插入或更新时会检查约束。

(4) 全文索引

适用于 CHAR、VARCHAR 和 TEXT 字段，优化长文本检索。

• MySQL 5.7+ 内置 ngram 解析器处理中、日、韩分词。
• 使用 MATCH...AGAINST 进行检索，性能远高于 LIKE '%keyword%'。

【面试真题库】

1. [科大讯飞] 非凡计划：聊聊 MySQL 的索引
2. [腾讯] QQ 后台：MySQL 索引，为什么用 B+ 树
3. [携程] 暑期实习一面：讲一讲 MySQL 的索引
4. [阿里妈妈] 技术一面：索引的分类，创建索引的最佳实践
5. [360] 技术一面：MySQL 的索引用过哪些
6. [用友] 面试原题：索引是什么？有哪些索引
7. [作业帮] Java 后端一面：普通索引的叶子节点存储的是什么
8. [作业帮] Java 后端一面：InnoDB 底层有哪些数据结构
9. [比亚迪] 技术面试：索引有哪些，区别是什么

37. 🌟 创建索引有哪些注意点？

1. 选择合适的字段：
   • 频繁出现在 WHERE、JOIN、ORDER BY 里的字段。
   • 区分度要高（如用户 ID、手机号），避免性别等低区分度字段。
2. 控制数量：避免过度索引。单表建议不超过 5 个，过多的索引会显著降低写操作性能。
3. 遵循最左前缀：联合索引设计时，区分度最高的放在最左侧。
4. 等值优先：等值查询在范围查询之前。

【面试真题库】

1. [用友金融] 一面：索引的作用，加索引需要注意什么
2. [京东] 后端实习：查询和更新都频繁的字段是否适合创建索引
3. [小米] 春招一面：索引怎么设计才是最好的
4. [京东] 技术一面：MySQL 索引结构，建立索引的策略
5. [阿里妈妈] 技术一面：创建索引的最佳实践
6. [OPPO] 秋招一面：建索引的时候应该注意什么
7. [京东] 技术一面：建立索引考虑哪些问题

38. 🌟 索引哪些情况下会失效呢？

1. 左模糊查询：LIKE '%xxx' 会失效。
2. 列参与运算/函数：WHERE YEAR(date) = 2023 失效；WHERE id + 1 = 10 失效。
3. 违背最左前缀原则：跳过联合索引的第一列。
4. OR 连接非索引列：WHERE id = 1 OR age = 20 (age 无索引) 会导致 id 索引也失效。
5. 不等于查询：!= 或 <> 有时会导致全表扫描。

【面试真题库】

1. [字节跳动] 技术一面：where b=5 是否一定会命中索引？（失效场景）
2. [京东] 技术一面：索引失效的情况
3. [比亚迪] 技术面试：索引失效场景
4. [OPPO] 面试原题：什么情况下索引失效？
5. [理想汽车] 一面：什么操作会导致索引失效？

39. 索引不适合哪些场景呢？

1. 数据量太小：数据量小于 1000 行，全表扫描可能比索引查完再回表更快。
2. 区分度极低的列：如「性别」字段。
3. 频繁更新的列：每次更新都要维护 B+ 树。
4. 由于 TEXT/BLOB 等大字段。

什么是区分度？ 公式：COUNT(DISTINCT column) / COUNT(*)。越接近 1 越适合索引。

【面试真题库】

1. [字节跳动] 二面：性别字段要建立索引吗？什么是区分度？
2. [快手] 一面：什么样的字段适合加索引？什么不适合？

40. 索引优化的思路？

1. 慢日志：定位 SQL 瓶颈。
2. EXPLAIN 分析：查看执行计划，重点看 type、key 和 Extra。
3. 精简索引：合并冗余索引，利用联合索引代替多个单列索引。
4. 利用覆盖索引：让索引包含所有返回字段。

【面试真题库】

1. [比亚迪] 技术面试：索引优化的思路

41. 🌟 为什么 InnoDB 要使用 B+ 树作为索引？

核心三点：

1. 更矮胖：相比二叉树，B+ 树分支因子极大（16KB/页），3 层就能存 2000 万数据。IO 次数少。
2. 范围查询：叶子节点通过双向链表相连，极其适合 BETWEEN、ORDER BY 操作。B 树不支持如此高效的范围扫描。
3. 稳定性：所有查询必须到叶子节点，查询耗时稳定。

B+ 树 vs B 树、Hash、红黑树

• vs Hash：Hash 不支持范围查询和排序。
• vs B 树：B 树非叶子节点也存数据，导致层数变高，且不支持链表顺序扫。
• vs 二叉树：层级太深，IO 寻址次数过多。

【面试真题库】

1. [字节跳动] 说说 B+ 树，为什么 3 层能存 2000 万？
2. [腾讯] 为什么选用 B+ 树？
3. [小米] 说一说 MySQL 索引的底层机制
4. [得物] MongoDB 为什么用 B 树，MySQL 为何用 B+ 树？
5. [百度] B+ 树叶子是单向还是双向链表？大值向小值检索怎么做？

42. 🌟 一棵 B+ 树能存储多少条数据呢？

答案：约 2000 万条。

计算推导：

• InnoDB 页默认 16KB。
• 非叶子节点：存 (主键 ID + 指针)。主键 8B + 指针 6B = 14B。一个页能存 $16384 / 14 \approx 1170$ 个指针。
• 叶子节点：存行数据。假设一行 1KB，一个页存 16 条。
• 三层容量：$1170 \times 1170 \times 16 \approx 21,902,400$。

【面试真题库】

1. [奇安信] 2KW 数据，B+ 树高度几层？（3层）
2. [美团] 一张表最多存多少数据？（常答 2KW，基于 3 层树计算）
3. [腾讯] 叶子节点能存多少条数据？（取决于行大小，一般 1KB 存 16 条）

43-44. B+ 树 vs B 树 vs 跳表

(1) B+ 树 vs B 树（图书馆类比）

• B 树：像普通图书馆，每一层书架都有书。层级深（树高），找书要爬上爬下。
• B+ 树：索引层只有目录（矮胖），书全在底层逻辑连接。

(2) B+ 树 vs 跳表（登山缆车类比）

• 跳表：像缆车，每层都是指针。存 2000 万数据要 20 层，导致 20 次随机磁盘 IO。
• B+ 树：只要 3 次 IO。跳表适合内存（如 Redis），B+ 树才是磁盘王者。

【面试真题库】

1. [贝壳找房] 为什么用 B+ 树不用 B 树？
2. [饿了么] 索引为什么用 B+ 树不用跳表？时间复杂度对比？

45. B+ 树索引和 Hash 索引的区别？

• Hash 索引：等值查找 $O(1)$。但不支持范围、排序、模糊匹配、最左匹配。
• B+ 树索引：支持 $O(\log N)$ 查找及所有高级用法。

46. 🌟 聚簇索引和非聚簇索引的区别？

• 聚簇索引：叶子节点存 完整数据行。一张表只有一个。
• 非聚簇索引：叶子节点存 主键 ID。查询时常涉及「回表」。

【面试真题库】

1. [支付宝] 聚簇索引和非聚簇索引的区别？
2. [快手] 区别是什么？
3. [腾讯] 索引怎么存的？每个索引一个 B+ 树吗？

47. 🌟 回表了解吗？

定义：通过二级索引查到主键，再通过主键查聚簇索引获取全行数据的过程。

了解 MRR 吗？ MRR (Multi-Range Read) 会将主键列表排序后再按序回表，将 随机 IO 转为顺序 IO。

48-50. 联合索引与最左前缀原则

(1) 联合索引结构

联合索引 (A, B, C) 在 B+ 树中按字段顺序排列。

(2) 最左前缀原则

必须从最左列开始。如 (A, B, C)：

• WHERE A=1 AND B=2：匹配。
• WHERE B=2：失效。
• WHERE A=1 AND C=3：A 匹配，C 丢弃（无法定位）。

【面试真题库】

1. [百度] 联合索引底层存储结构？
2. [美团] 覆盖索引，回表过程？
3. [字节跳动] (a,b,c) 联合索引，select * where a=1 and b in (1,2) and c>3 走索引吗？（走）

51. 🌟 什么是索引下推 (ICP)？

定义：在索引扫描过程中，服务器将部分 WHERE 条件过滤操作推送到存储引擎。

• 效果：减少回表次数。原本需要回表判断的条件，在索引层直接踢掉。

52. 如何查看是否用到了索引？

使用 EXPLAIN。

• key 列显示实际用的索引。
• Extra 显示 Using index condition 说明命中索引下推。

场景实操：联合索引 abc

• a=1, c=1：命中 a 索引（ICP 过滤 c）。
• b=1, c=1：全表扫描。
• a=1, c=1, b=1：命中全索引（优化器重排）。

💡 总结建议： 大厂面试官最爱问 “为什么”。不要只背结论，要推导过程：

1. B+ 树更矮胖 $\rightarrow$ 减少随机磁盘 IO。
2. 指针 + 键值 $\rightarrow$ 提高页的存储效率 $\rightarrow$ 增加分支因子。
3. 最左匹配 $\rightarrow$ 因为 B+ 树在构建索引键时是按字段顺序全局排序的。