MUYI · 后端工程师的生产级知识体系

Appearance

敖丙系列--我以为自己对索引很了解，直到我遇到了阿里面试官 ​

看在前面 ​

  • 原文：敖丙，掘金 （原链已失效 2026-10，掘金文章已删除） 。整理时掘金原文与知乎镜像均已 404。本篇依据主题与可考的原文片段重写。可考的面试问题清单包括：索引有哪些数据类型、索引是怎样的结构、哪些字段适合建索引。还有 B+ 的优点、聚合与非聚合索引的区别、为什么索引降低增删改性能、select * 与回表、覆盖索引。
  • 本文是敖丙系列数据库篇的索引专题，以"阿里面试官连环追问"为主线。索引失效场景见库内《数据库索引失效总结》，更系统的索引原理见《数据库两大神器之索引》。

一、索引是什么 ​

  • 索引是帮助 MySQL 高效获取数据的、排好序的数据结构。两个关键词：排好序（支撑范围查找）、数据结构（不只是"目录"的比喻）。

  • InnoDB 默认使用 B+ 树索引；Memory 引擎默认 Hash 索引；此外还有全文索引等。

二、为什么是 B+ 树：候选结构逐一淘汰 ​

2.1 哈希表：等值快，范围歇菜 ​

  • 把键 hash 后散列到桶里，等值查询 O(1)。但数据无序，无法支持范围查询（between、>、order by 都要全表扫）。也无法利用索引排序、不支持最左前缀，哈希碰撞多时效率下降。只适合 KV 型等值场景（Memory 引擎、自适应哈希索引）。

2.2 二叉搜索树 / 红黑树：太"瘦高" ​

  • 二叉树插入有序数据会退化成链表。红黑树能自平衡，但仍是二叉——每个节点只有两个分叉，千万数据树高 20+ 层。磁盘 IO 次数 = 树高，代价太大。

  • 索引的查询瓶颈在磁盘 IO，结构越"矮胖"越好——于是要用多叉树（B 树/B+ 树）。

2.3 B 树：非叶子节点也存数据 ​

  • B 树是多路平衡查找树，每个节点既存键也存整行数据。问题：数据行很大，一页 16 KB 装不了几条，扇出变小、树变高。且范围查询要在树里中序回旋反复上下走。

2.4 B+ 树胜出的两个理由 ​

  • 非叶子节点只存键值（索引列）不存数据，单页 16 KB 能放上千个键。扇出极大、树极矮（3 层撑千万级），一次查询 = 树高次页 IO。

  • 叶子节点存全部数据且用双向链表相连，范围查询、排序只需顺着链表顺序扫，不用回到树上。

三、一棵 B+ 树能存多少数据（经典推导） ​

  • InnoDB 页大小默认 16 KB；主键假设 bigint（8 B）+ InnoDB 后继指针（6 B）= 每个索引项约 14 B。

  • 非叶子节点一页可放：16384 ÷ 14 ≈ 1170 个索引项。

  • 叶子节点假设每行数据 1 KB，一页放 16 行。

  • 树高 3 层的容量：1170 × 1170 × 16 ≈ 2190 万行。这就是"三层 B+ 树支撑约 2000 万数据、一次主键查询最多 3 次页 IO"的由来。也是很多公司把单表 2000 万作为分库分表参考线的原因。

四、聚簇索引与非聚簇索引：回表的来源 ​

  • 聚簇索引（主键索引）：叶子节点存整行数据，"数据即索引、索引即数据"。InnoDB 表本身就是按主键组织的 B+ 树。

  • 非聚簇索引（二级/辅助索引）：叶子节点存主键值而不是整行数据。

  • 回表：走二级索引先查到主键值，再回到聚簇索引树上把整行数据查出来——多一次树查找。select * from t where name = 'x'（name 上有普通索引）就是典型的两次查找。

  • 推论：能走主键就走主键；二级索引查到的主键越无序，回表时聚簇树上的随机 IO 越多。

五、覆盖索引：让查询不回表 ​

  • 如果查询的列全部包含在索引里，就不需要回表——这就是覆盖索引。刚才 select * 要回表。如果只查 ID，name 索引的叶子节点上本来就有（二级索引叶子存主键），一次树查找就完事。

  • 实战写法：把 select 的列收窄、或建立包含所需列的联合索引，explain 的 Extra 出现 Using index 即命中覆盖索引。

六、哪些字段适合建索引 / 为什么索引拖慢增删改 ​

  • 适合：WHERE / ORDER BY / JOIN 条件里高频出现的列；区分度高（基数/行数接近 1）的列； NOT NULL 的列。

  • 不适合：表很小、频繁增删改、区分度低（性别、状态标志）、极少作为查询条件的列。

  • 为什么索引会降低插入、删除、修改的性能：表的每个索引都是一棵独立的 B+ 树。DML 不仅要改数据页，还要同步维护所有索引树。插入可能引发页分裂、删除留空洞、修改键要挪节点。这也是"索引不是越多越好"的原因。

七、面试主线小结 ​

  • 一条追问链自检。索引是什么（有序数据结构）→ 为什么 B+ 树（对比 Hash/红黑树/B 树，矮胖 + 链表）。能存多少数据（16 KB / 1170 / 3 层 2000 万）→ 聚簇与非聚簇（叶子存整行 vs 存主键）。回表（二级索引回聚簇树）→ 覆盖索引（不回表）→ 为什么 DML 变慢（每棵索引树都要维护）。

原链接已失效，2026-10 依据主题重写。