我以为我对Mysql索引很了解，直到我遇到了阿里的面试官- JAVA

本文来自微信公众号：Hollis，原作者是一位不愿意透露姓名的粉丝

相信很多人对于MySQL的索引都不陌生，索引(Index)是帮助MySQL高效获取数据的数据结构。

因为索引是MySQL中比较重点的知识，相信很多人都有一定的了解，尤其是在面试中出现的频率特别高。楼主自认为自己对MySQL的索引相关知识有很多了解，而且因为最近在找工作面试，所以单独复习了很多关于索引的知识。

但是，我还是图样图森破，直到我被阿里的面试官虐过之后我才知道，自己在索引方面的知识，只是个小学生水平。

以下，是我总结的一次阿里面试中关于索引有关的问题以及知识点。

索引概念、索引模型

我们是怎么聊到索引的呢，是因为我提到我们的业务量比较大，每天大概有几百万的新数据生成，于是有了以下对话：

面试官：你们每天这么大的数据量，都是保存在关系型数据库中吗？我：是的，我们线上使用的是MySQL数据库面试官：每天几百万数据，一个月就是几千万了，那你们有没有对于查询做一些优化呢？我：我们在数据库中创建了一些索引（我现在非常后悔我当时说了这句话）。

这里可以看到，阿里的面试官并不会像有一些公司一样拿着题库一道一道的问，而是会根据面试者做过的事情以及面试过程中的一些内容进行展开。

面试官：那你能说说什么是索引吗？我：（这道题肯定难不住我啊）索引其实是一种数据结构，能够帮助我们快速的检索数据库中的数据。面试官：那么索引具体采用的哪种数据结构呢？我：（这道题我也背过）常见的MySQL主要有两种结构：Hash索引和B Tree索引，我们使用的是InnoDB引擎，默认的是B 树。

这里我耍了一个小心机，特意说了一下索引和存储引擎有关。希望面试官可以问我一些关于存储引擎的问题。

面试官：既然你提到InnoDB使用的B Tree的索引模型，那么你知道为什么采用B 树吗？这和Hash索引比较起来有什么优缺点吗？我：（突然觉得这道题有点难，但是我还是凭借着自己的知识储备简单的回答上一些）因为Hash索引底层是哈希表，哈希表是一种以key-value存储数据的结构，所以多个数据在存储关系上是完全没有任何顺序关系的，所以，对于区间查询是无法直接通过索引查询的，就需要全表扫描。所以，哈希索引只适用于等值查询的场景。而B Tree是一种多路平衡查询树，所以他的节点是天然有序的（左子节点小于父节点、父节点小于右子节点），所以对于范围查询的时候不需要做全表扫描。面试官：除了上面这个范围查询的，你还能说出其他的一些区别吗？我：（这个题我回答的不好，事后百度了一下）

科普时间：B Tree索引和Hash索引区别哈希索引适合等值查询，但是不无法进行范围查询哈希索引没办法利用索引完成排序哈希索引不支持多列联合索引的最左匹配规则如果有大量重复键值得情况下，哈希索引的效率会很低，因为存在哈希碰撞问题

聚簇索引、覆盖索引

面试官：刚刚我们聊到B Tree ，那你知道B Tree的叶子节点都可以存哪些东西吗？我：InnoDB的B Tree可能存储的是整行数据，也有可能是主键的值。面试官：那这两者有什么区别吗？我：（当他问我叶子节点的时候，其实我就猜到他可能要问我聚簇索引和非聚簇索引了）在 InnoDB 里，索引B Tree的叶子节点存储了整行数据的是主键索引，也被称之为聚簇索引。而索引B Tree的叶子节点存储了主键的值的是非主键索引，也被称之为非聚簇索引。面试官：那么，聚簇索引和非聚簇索引，在查询数据的时候有区别吗？我：聚簇索引查询会更快？面试官：为什么呢？我：因为主键索引树的叶子节点直接就是我们要查询的整行数据了。而非主键索引的叶子节点是主键的值，查到主键的值以后，还需要再通过主键的值再进行一次查询。

面试官：刚刚你提到主键索引查询只会查一次，而非主键索引需要回表查询多次。（后来我才知道，原来这个过程叫做回表）是所有情况都是这样的吗？非主键索引一定会查询多次吗？我：（额、这个问题我回答的不好，后来我自己查资料才知道，通过覆盖索引也可以只查询一次）

科普时间——覆盖索引覆盖索引（covering index）指一个查询语句的执行只用从索引中就能够取得，不必从数据表中读取。也可以称之为实现了索引覆盖。当一条查询语句符合覆盖索引条件时，MySQL只需要通过索引就可以返回查询所需要的数据，这样避免了查到索引后再返回表操作，减少I/O提高效率。如，表covering_index_sample中有一个普通索引 idx_key1_key2(key1,key2)。当我们通过SQL语句：select key2 from covering_index_sample where key1 = ‘keytest’;的时候，就可以通过覆盖索引查询，无需回表。

联合索引、最左前缀匹配

面试官：不知道的话没关系，想问一下，你们在创建索引的时候都会考虑哪些因素呢？我：我们一般对于查询概率比较高，经常作为where条件的字段设置索引面试官：那你们有用过联合索引吗？我：用过呀，我们有对一些表中创建过联合索引。面试官：那你们在创建联合索引的时候，需要做联合索引多个字段之间顺序你们是如何选择的呢？我：我们把识别度最高的字段放到最前面。面试官：为什么这么做呢？我：（这个问题有点把我问蒙了，稍微有些慌乱）这样的话可能命中率会高一点吧。。。面试官：那你知道最左前缀匹配吗？我：（我突然想起来原来面试官是想问这个，怪自己刚刚为什么就没想到这个呢。）哦哦哦。您刚刚问的是这个意思啊，在创建多列索引时，我们根据业务需求，where子句中使用最频繁的一列放在最左边，因为MySQL索引查询会遵循最左前缀匹配的原则，即最左优先，在检索数据时从联合索引的最左边开始匹配。所以当我们创建一个联合索引的时候，如(key1,key2,key3)，相当于创建了（key1）、(key1,key2)和(key1,key2,key3)三个索引，这就是最左匹配原则。

虽然我一开始有点懵，没有联想到最左前缀匹配，但是面试官还是引导了我。很友善。

索引下推、查询优化

面试官：你们线上用的MySQL是哪个版本啊呢？我：我们MySQL是5.7 面试官：那你知道在MySQL 5.6中，对索引做了哪些优化吗？不好意思，这个我没有去了解过。（事后我查了一下，有一个比较重要的：Index Condition Pushdown Optimization）

科普时间—— Index Condition Pushdown（索引下推） MySQL 5.6引入了索引下推优化，默认开启，使用SET optimizer_switch = ‘index_condition_pushdown=off’;可以将其关闭。官方文档中给的例子和解释如下： people表中（zipcode，lastname，firstname）构成一个索引

SELECT * FROM people WHERE zipcode=‘95054’ AND lastname LIKE ‘%etrunia%’ AND address LIKE ‘%Main Street%’;

如果没有使用索引下推技术，则MySQL会通过zipcode='95054’从存储引擎中查询对应的数据，返回到MySQL服务端，然后MySQL服务端基于lastname LIKE '%etrunia%'和address LIKE '%Main Street%'来判断数据是否符合条件。如果使用了索引下推技术，则MYSQL首先会返回符合zipcode='95054’的索引，然后根据lastname LIKE '%etrunia%'和address LIKE '%Main Street%'来判断索引是否符合条件。如果符合条件，则根据该索引来定位对应的数据，如果不符合，则直接reject掉。有了索引下推优化，可以在有like条件查询的情况下，减少回表次数。

面试官：你们创建的那么多索引，到底有没有生效，或者说你们的SQL语句有没有使用索引查询你们有统计过吗？我：这个还没有统计过，除非遇到慢SQL的时候我们才会去排查面试官：那排查的时候，有什么手段可以知道有没有走索引查询呢？我：可以通过explain查看sql语句的执行计划，通过执行计划来分析索引使用情况面试官：那什么情况下会发生明明创建了索引，但是执行的时候并没有通过索引呢？我：（依稀记得和优化器有关，但是这个问题并没有回答好）

科普时间——查询优化器一条SQL语句的查询，可以有不同的执行方案，至于最终选择哪种方案，需要通过优化器进行选择，选择执行成本最低的方案。在一条单表查询语句真正执行之前，MySQL的查询优化器会找出执行该语句所有可能使用的方案，对比之后找出成本最低的方案。这个成本最低的方案就是所谓的执行计划。优化过程大致如下： 1、根据搜索条件，找出所有可能使用的索引 2、计算全表扫描的代价 3、计算使用不同索引执行查询的代价 4、对比各种执行方案的代价，找出成本最低的那一个

面试官：哦，索引有关的知识我们暂时就问这么多吧。你们线上数据的事务隔离级别是什么呀？我：(后面关于事务隔离级别的问题了，就不展开了)