MySQL数据库索引的数据结构？
- 必答内容：
在MySQL中的索引类型有多种哈，比如像B+tree索引、Hash索引等，但在InnoDB存储引擎中默认使用的是B+tree的索引。
- 可能继续追问的问题：
B+tree索引结构的特点是什么?
- B+tree呢，也叫多路平衡搜索树，也就是一个节点中可以存储多个key，多个key，也就对应多个指针，大数据量的情况下，树的高度更低。（树的阶数更多，高度更低，检索更快）。
- 在B+tree中，所有的数据都是存放在叶子节点的，非叶子节点，仅仅起到索引数据的作用。
- 而在B+tree的叶子节点中，形成了一个双向链表，便于区间范围查询。
知道什么是聚簇索引，什么是二级索引吗？
- 必答内容：
这个还是比较清楚的，因为这个是我们在项目中进行SQL语句优化的理论基础。
聚簇索引，有时候也称为聚集索引，他的特点呢就是数据与索引存放在一块儿，B+tree的叶子节点保存了整行数据，而且在一张表中，聚簇索引有且仅有一个，默认主键索引就是聚簇索引。
二级索引，有时候也称为非聚簇索引 或 辅助索引，指的是数据和索引分开存储，B+tree的叶子节点保存对应的主键，二级索引在一张表中可以有多个。
- 进阶内容（细节）：
那刚才提到，默认主键索引就是聚簇索引；虽然在项目开发中我们建议每一张表都必须要添加一个主键，但是从数据库本身来说，一张表是可以没有主键的，那如果没有主键，MySQL数据库会自动的选择第一个非空的唯一索引作为聚簇索引；而如果一张表既没有主键，又没有唯一索引，那这个时候MySQL数据库又会自动生成一个rowID作为聚簇索引。简单说，一张表必须有且仅有一个聚簇索引。
所以，从这个角度讲，在二级索引的叶子节点中存储的其实是对应的聚集索引的值（如果有主键，就是主键值；没有主键，有非空的唯一索引，那就是唯一索引的值；如果既没有主键，也没有非空的唯一索引，那就是自动生成的rowID的值）。
什么是回表查询 ？
- 必答内容：
在MySQL默认的InnoDB存储引擎中，有两类索引，分别是：聚簇索引和二级索引。 聚簇索引，他的特点呢就是数据与索引存放在一块儿，B+tree索引结构的叶子节点保存了整行数据，而且在一张表中，聚簇索引有且仅有一个，默认主键索引就是聚簇索引。二级索引，指的是数据和索引分开存储，B+tree的叶子节点保存对应的主键，二级索引在一张表中可以有多个。
所谓回表查询，就指的是，在执行这条SQL语句的时候，先根据二级索引去检索出对应的主键值；然后再根据主键值，到聚簇索引中查询出对应的数据，这个过程就叫回表查询。 所以回表查询，是需要扫描两次索引的，性能相对来说会差一些。
- 进阶内容：
所以，在项目开发中，我们进行SQL优化的时候，如果需求允许的情况下，尽量避免回表查询，主要从以下几个方面来做：
1). 业务允许的情况下，尽可能根据主键查询，使用聚集索引-避免回表查询。
2). 为表中的字段，根据业务需求创建合适的联合索引，查询时使用索引覆盖-避免回表查询。
3). 使用索引下推，减少回表查询的次数。【索引下推，是mysql5.6之后提供的功能】
- 可能继续发问的问题：
你刚才提到索引下推，简单聊聊什么是索引下推？
索引下推（Index Condition Pushdown），是MySQL5.6后提供的功能，指的是在多条件查询SQL执行时，提前判断对应的搜索条件是否满足，满足了再去回表（就是将本应该在 server 层进行筛选的条件，下推到存储引擎层来进行筛选判断，这样能有效减少回表），通过减少回表次数进而提高查询效率。
为什么MySQL索引结构是B+tree ?
- 必答内容：
其实这个问题，我们可以做一个假设啊。
- 假设索引结构是二叉搜索树、平衡二叉树 或 红黑树等，其实本质都是二叉树，一个节点下最多只能有两个子节点，如果这张表要存储的数据量比较大，二叉树的层级将会非常深，检索效率会很低。
- 而如果索引结构是Btree，在B树中，非叶子节点和叶子节点既要要存储key和指针，还要存放数据，而InnoDB的物理存储结构中，一页（Page）的大小是固定的，就是16KB。 那这一页中能够存储的key的数量并不多，就会造成大数据量情况下，树的层级较深，检索速度慢。 还有一个问题，就是由于 非叶子节点和叶子节点既要要存储key，还要存放数据，查找效率并不稳定。 （有些数据，只需要一次查找，有些数据，可能需要五六次，有些...）
所以，在MySQL数据库中才使用了B+tree作为索引的数据结构。 主要有以下优势：
- 在B+tree中，非叶子节点并不存放数据，只存放key和指针，所以一页（Page）中能够容纳的key将更多，相同数据量的情况下，树的层级要浅的多，检索效率高。
- 所有的数据都存储在B+tree的叶子节点中，也就意味着无论什么数据，都需要找到叶子节点才能查询到对应的数据，检索效率更加稳定。
- 第三是B+树数据都存储在B+tree的叶子节点，并形成了一个双向链表，便于区间范围查询。
- 可能继续发问的问题：
那MySQL的B+tree的索引结构，树的高度一般是多高呢？
嗯，这个高度其实是可以计算出来的，一般高度在2-3层，如果高度为3，基本上就可以容纳一两千万的数据了。如何计算呢？
- 我们的索引是在页（Page）中存储的，而一个页的大小模式为（16KB）。
- 对于非叶子节点来说，页中存储的除了具体的key之外，还有一个就是指针 。(假设主键为bigint占8个字节，指针占6个字节)
- 那么我们就可以大概计算出一页中可以存储的key数量为：16 * 1024 / 14 = 1170 。也就意味着一个页（Page）中约可以存1170个key
- 假设一行数据的大小为1KB，一页可以存16条数据。那两层的B+tree可以容纳：1170*16=18720条数据。
- 那三层的B+tree可以容纳：1170 * 1170 * 16 = 21902400 条数据。
索引创建的原则 ?
- 必答内容：
好的，我们知道索引确实可以提高查询的效率，但前提是需要针对于数据库表创建合适的索引。创建索引的时候，主要考虑一下几点原则：
1). 针对于数据量较大，且查询比较繁琐的表创建索引。（单表超过10w记录）
2). 针对于经常作为查询条件（where）、排序（order by）、分组（group by）操作的字段建立索引。
3). 尽量选择为区分度高的列建立索引，如果该字段是唯一的，建立唯一索引，效率更高。（区分度越高，效率越高）。
4). 在varchar类型的字段上，建议指定索引长度（建立前缀索引），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就可以。
5). 尽量建立联合索引，而且在联合索引中将区分度高的字段放在前面，减少单列索引。（查询时，联合索引很多时候可以索引覆盖，避免回表，提高效率）
6). 在满足业务需求的前提下，建立适当的索引，索引不宜过多。（索引过多，会增加维护索引的成本，影响增删改的效率）
简单聊聊索引失效的场景 ?
- 必答内容：
好的，索引失效这个问题，确实是在项目开发中非常常见的一类问题。那我就结合我之前的项目经验来聊一下，之前遇到的一些索引失效的场景：
- 第一类呢，就是在联合索引使用的时候，违反最左前缀法则，比如查询的条件并不是从索引最左边的列开始的。
- 第二类呢，就是范围查询（非等值查询）右侧的列，不能使用索引。
- 第三类呢，就是在索引列上进行运算或函数操作，索引将失效。非常典型的，像我们基于substring这样的函数截取字段值。
- 以及如果在条件匹配时，需要进行隐式类型转换的时候。比如：where gender = 1，而gender是char类型，这种字符串不加引号，虽然查也能查出来，但也会造成索引失效。
- 还有像常见的，以 % 开头的like模糊匹配，索引也会失效。
当然这样的场景很多啊，上面这几个只是比较常见的索引失效的场景，所以在项目开发中，编写SQL时，就要避免这些情况的发生。
- 进阶内容：
而对于索引是否生效，到底走哪个索引，以及具体SQL语句的执行性能到底怎么样。 这个我们可以借助于 explain 来查看sql语句的执行计划 ，具体问题具体分析。
我们可以通过explain执行计划中的 key 来确定此次查询是否使用了索引，以及通过 type 来判定SQL的执行性能，一定要规避 type 为all全表扫描的情况，还有像 extra 的信息也需要关注一下。
