MySQL的索引类型

我来详细讲解MySQL的索引类型，这是面试高频考点，也是SQL优化的核心基础。

一、按数据结构分类

1. B+Tree索引（InnoDB默认）

css 复制代码

结构特点：
              [10 | 30 | 50]
             /    |    \    \
          [3|7|9] [20|25] [40|45] [60|70|80]
          /  |  \  /   \  /   \  /   |    \
        叶子节点（双向链表）：存储完整数据行（聚簇索引）或主键（二级索引）

关键特性：
- 非叶子节点只存键值，不存数据（树更矮，IO更少）
- 叶子节点有序且双向链接（范围查询高效）
- 聚簇索引的叶子节点就是数据页

适用场景：全值匹配、范围查询、排序、分组、前缀匹配（最左前缀）

2. Hash索引

sql 复制代码

-- Memory引擎支持显式Hash索引
CREATE TABLE t (
    id INT PRIMARY KEY,
    name VARCHAR(20),
    INDEX USING HASH(name)  -- 显式创建
) ENGINE=MEMORY;

-- InnoDB自适应Hash索引（AHI，自动维护，不可手动创建）
SHOW VARIABLES LIKE 'innodb_adaptive_hash_index';  -- 默认ON

特点：

等值查询O(1)，无法范围查询
不支持排序、最左前缀、模糊查询
哈希冲突时用链表解决

3. Full-Text全文索引

sql 复制代码

-- 5.6+ InnoDB支持，之前只有MyISAM支持
CREATE TABLE articles (
    id INT PRIMARY KEY,
    title VARCHAR(200),
    content TEXT,
    FULLTEXT INDEX idx_content(content) WITH PARSER ngram  -- 中文需ngram解析器
);

-- 使用
SELECT * FROM articles 
WHERE MATCH(content) AGAINST('数据库优化' IN NATURAL LANGUAGE MODE);

注意：中文分词需配置ngram_token_size=2（默认2字节）

4. R-Tree空间索引

sql 复制代码

-- 5.7+ InnoDB支持，用于GIS地理数据
CREATE TABLE locations (
    id INT PRIMARY KEY,
    name VARCHAR(50),
    loc POINT NOT NULL,
    SPATIAL INDEX idx_loc(loc)
);

SELECT * FROM locations 
WHERE MBRContains(GeomFromText('Polygon(...)'), loc);

二、按物理存储分类（InnoDB核心）

1. 聚簇索引（Clustered Index）

sql 复制代码

-- 主键就是聚簇索引，数据行物理上按主键顺序存储
CREATE TABLE t (
    id INT PRIMARY KEY,  -- 聚簇索引
    name VARCHAR(20),
    INDEX idx_name(name)  -- 二级索引
);

特性：

叶子节点存储完整行数据
表数据本身就是索引，无需额外存储
只能有一个（数据物理排序唯一）

如果没有主键：选择第一个非空唯一索引 → 否则隐式创建6字节row_id

2. 二级索引（Secondary Index / 非聚簇索引）

markdown 复制代码

结构：
    非叶子节点：索引列值
    叶子节点：索引列值 + 主键值（回表用）

查询流程：
    二级索引查到主键 → 回表查聚簇索引获取完整数据

覆盖索引优化：如果二级索引包含所有查询列，无需回表

sql 复制代码

-- idx_name_age包含(name, age)两列
SELECT age FROM t WHERE name = '张三';  -- 覆盖索引，Extra: Using index

三、按功能/特性分类

1. 主键索引 vs 普通索引

sql 复制代码

CREATE TABLE t (
    id INT PRIMARY KEY,           -- 主键索引（聚簇）
    code VARCHAR(20) UNIQUE,      -- 唯一索引（二级索引，但约束唯一）
    name VARCHAR(20),
    INDEX idx_name(name)          -- 普通索引（二级索引）
);

类型	约束	数量	存储
主键	非空 + 唯一	1个	聚簇，存数据
唯一	唯一（可空）	多个	二级，存主键
普通	无	多个	二级，存主键

2. 单列索引 vs 联合索引（复合索引）

sql 复制代码

-- 单列索引
INDEX idx_name(name)

-- 联合索引（最左前缀原则）
INDEX idx_name_age(name, age)  -- 先按name排序，name相同再按age排序

-- 有效查询
WHERE name = '张三';           -- ✓ 使用第1列
WHERE name = '张三' AND age = 20;  -- ✓ 使用两列
WHERE name LIKE '张%';         -- ✓ 前缀匹配

-- 无效查询（违反最左前缀）
WHERE age = 20;                -- ✗ 跳过第1列
WHERE name LIKE '%三';         -- ✗ 前导模糊

索引下推（ICP，Index Condition Pushdown）： 5.6+优化，在存储引擎层过滤数据，减少回表

sql 复制代码

-- 索引(name, age)，查询：
SELECT * FROM t WHERE name LIKE '张%' AND age = 20;
-- 无ICP：引擎层返回所有name='张%'的记录，Server层过滤age
-- 有ICP：引擎层直接过滤name和age，减少回表次数

3. 前缀索引（节省空间）

sql 复制代码

-- 对长字符串取前缀建索引
CREATE TABLE t (
    email VARCHAR(255),
    INDEX idx_email(email(6))  -- 只索引前6个字符
);

-- 计算合适前缀长度（区分度接近1）
SELECT 
    COUNT(DISTINCT LEFT(email, 6)) / COUNT(DISTINCT email) as selectivity 
FROM t;

缺点：无法用于ORDER BY、GROUP BY、覆盖索引

4. 函数/表达式索引（5.7+）

sql 复制代码

-- 直接对表达式建索引
CREATE TABLE t (
    id INT PRIMARY KEY,
    json_data JSON,
    INDEX idx_name((CAST(json_data->>'$.name' AS CHAR(20))))
);

-- 或虚拟列方式（推荐，更直观）
CREATE TABLE t (
    id INT PRIMARY KEY,
    json_data JSON,
    name VARCHAR(20) AS (json_data->>'$.name') VIRTUAL,
    INDEX idx_name(name)
);

5. 降序索引（8.0+）

sql 复制代码

-- 8.0之前：DESC会被忽略，实际还是升序
-- 8.0+：真正支持降序索引
CREATE TABLE t (
    a INT, b INT,
    INDEX idx_ab(a ASC, b DESC)  -- a升序，b降序
);

-- 优化混合排序
ORDER BY a ASC, b DESC;  -- 可直接使用索引，无需filesort

6. 不可见索引（8.0+）

sql 复制代码

CREATE INDEX idx_test ON t(name) INVISIBLE;  -- 优化器不可见，用于测试

-- 软删除，验证后再真正DROP
ALTER TABLE t ALTER INDEX idx_test VISIBLE;

7. 倒排索引（8.0.13+，InnoDB全文索引）

sql 复制代码

-- 自然语言处理优化
CREATE FULLTEXT INDEX idx_content ON articles(content) 
    WITH PARSER ngram;  -- ngram分词，支持中文

四、索引选择决策树

css 复制代码

是否需要索引？
    │
    ├─ 数据量小（<1000行）→ 全表扫描更快，无需索引
    │
    └─ 数据量大 → 继续判断
              │
              ├─ 等值查询为主 → Hash索引（Memory）或B+Tree
              │
              ├─ 范围查询/排序/分组 → B+Tree
              │
              ├─ 文本搜索 → 全文索引（ngram解析器）
              │
              ├─ 地理坐标 → R-Tree空间索引
              │
              └─ 多条件组合 → 联合索引（最左前缀匹配）

五、高频面试追问

Q：为什么InnoDB用B+Tree不用BTree或Hash？

结构	缺点	B+Tree优势
Hash	无法范围查询，不支持排序	B+Tree叶子节点有序，天然支持范围
BTree	非叶子节点存数据，树更高	B+Tree非叶子节点只存键，更矮胖，IO少
红黑树	高度不可控，最坏O(n)	B+Tree高度固定（通常3-4层），稳定O(logN)

Q：聚簇索引和非聚簇索引查询区别？

sql 复制代码

-- 聚簇索引（主键查询）
SELECT * FROM t WHERE id = 1;
-- 直接查聚簇索引，1次IO（如果不在Buffer Pool）

-- 非聚簇索引（二级索引查询）
SELECT * FROM t WHERE name = '张三';
-- 1. 查二级索引找到主键值
-- 2. 回表查聚簇索引获取完整数据
-- 2次IO（回表代价）

Q：什么是索引覆盖？有什么好处？

sql 复制代码

-- 索引idx_name_age(name, age)
SELECT age FROM t WHERE name = '张三';  
-- 二级索引叶子节点有(name, age, 主键)，无需回表查聚簇索引

好处：
1. 减少回表IO
2. 减少随机读（聚簇索引是随机IO）
3. 避免访问聚簇索引的锁竞争

Q：联合索引(A,B,C)的生效情况？

sql 复制代码

WHERE A=1 AND B=2 AND C=3     -- ✓ 全列使用
WHERE A=1 AND B=2             -- ✓ 使用A,B
WHERE A=1                     -- ✓ 使用A
WHERE B=2 AND C=3             -- ✗ 违反最左前缀（无A）
WHERE A=1 AND C=3             -- ✓ 使用A（C无法使用索引，但ICP可能优化）
WHERE A=1 AND B>2 AND C=3     -- ✓ 使用A,B（B是范围，C无法使用）
ORDER BY A,B                  -- ✓ 使用索引排序
ORDER BY B,A                  -- ✗ 排序顺序与索引不一致

Q：索引失效的常见场景？

sql 复制代码

-- 1. 函数操作
WHERE YEAR(create_time) = 2024  -- ✗ 函数破坏索引
WHERE create_time BETWEEN '2024-01-01' AND '2024-12-31'  -- ✓ 范围查询

-- 2. 隐式类型转换
WHERE phone = 13800138000       -- ✗ phone是字符串，转数字
WHERE phone = '13800138000'     -- ✓

-- 3. 前导模糊查询
WHERE name LIKE '%三'           -- ✗
WHERE name LIKE '张%'           -- ✓

-- 4. OR条件（部分情况）
WHERE id = 1 OR age = 20        -- ✗ id有索引，age无索引，可能全表扫描
-- 优化：UNION ALL 或 分别查询后合并

-- 5. 不等于/NOT IN（数据量大时）
WHERE status != 0               -- 可能全表扫描（取决于数据分布）

-- 6. 索引列参与计算
WHERE id + 1 = 100              -- ✗
WHERE id = 99                   -- ✓

掌握索引类型的特性和适用场景，是写出高性能SQL、进行索引优化的基础。建议结合EXPLAIN分析实际执行计划，验证索引使用效果。