MySQL 索引高频面试题全解析：B + 树、联合索引、索引失效

[联合索引ABC，现在有个执行语句是A = XXX and C < XXX，索引怎么走](#联合索引ABC，现在有个执行语句是A = XXX and C < XXX，索引怎么走)

B+树的特性是什么？

1.所有叶子节点都在同一层： B+树中所有叶子节点在最外层，保证每一个检索的I/O延迟都是相等的，每一个叶子节点都有指向邻叶子节点的指针，这样下去形成了一个链表，所以B+树十分有利于范围查找，查找效率高，不需要随机查找了

2.非叶子节点存储的只有主键值和指向下一层的指针： 所有的非叶子节点不存储对应主键数据，这样大大减少了树的高度，提高了数据的检索效率，并且在叶子节点存储的数据量也变大

3.所有的主键数据都在叶子节点：

与B树不同，B+树的叶子节点存储实际的数据记录或指向数据记录的指针。这意味着每次搜索都会到达叶子节点，才能找到所需数据。

**4.修改数据之后自平衡：**每一次修改数据时，B+树都会自动重新平衡，确保树的高度保持相对稳定，保持良好的搜索性能，每个节点最多可以有M个子节点，最少可以有ceil(M/2)个子节点（除了根节点），这里的M是树的阶数。

1.在B+树中，数据都存储在叶子节点上，而非叶子节点只存储索引信息；而B树的非叶子节点既存储索引信息也存储部分数据。

3.B+树搜索性能更稳定，B+树每一次搜索都要到达叶子节点，B树可能在非叶子节点搜索停止，

双向的，为了实现倒序遍历或者排序

Innodb 使用的 B+ 树有一些特别的点，比如：

Innodb 根据索引类型不同，分为聚集和二级索引。他们区别在于，聚集索引的叶子节点存放的是实际数据，所有完整的用户记录都存放在聚集索引的叶子节点，而二级索引的叶子节点存放的是主键值，而不是实际数据。

因为表的数据都是存放在聚集索引的叶子节点里，所以 InnoDB 存储引擎一定会为表创建一个聚集索引，且由于数据在物理上只会保存一份，所以聚簇索引只能有一个，而二级索引可以创建多个。

B+树和B树都是多叉树，这种方式减少了树高，很适合检索磁盘内容。

1.B+树的数据都存储在叶子节点，这样非叶子节点存储主键值，因此在数据量相同的情况下，B+树比B树非叶子节点可以存放更多主键值，所以B+树会比B树更矮胖，这样磁盘查询的I/O次数会更少

2**.B+树有大量冗余节点（所有非叶子节点都是冗余索引）**，这些冗余索引让 B+ 树在插入、删除的效率都更高，比如删除根节点的时候，不会像 B 树那样会发生复杂的树的变化；

3.B+ 树叶子节点之间用链表连接了起来，有利于范围查询，而 B 树要实现范围查询，因此只能通过树的遍历来完成范围查询，这会涉及多个节点的磁盘 I/O 操作，范围查询效率不如 B+ 树。

根据最左匹配原则，A可以走联合索引，C不会走联合索引，但是C可以走索引下推

索引下推（ICP） ：就是在索引里直接把 C 的条件过滤掉，不用回表查整行数据。

6 种会发生索引失效的情况：

当我们使用左或者左右模糊匹配的时候，也就是 like %xx 或者 like %xx%这两种方式都会造成索引失效；
当我们在查询条件中对索引列使用函数，就会导致索引失效。
当我们在查询条件中对索引列进行表达式计算，也是无法走索引的。
MySQL 在遇到字符串和数字比较的时候，会自动把字符串转为数字，然后再进行比较。如果字符串是索引列，而条件语句中的输入参数是数字的话，那么索引列会发生隐式类型转换，由于隐式类型转换是通过 CAST 函数实现的，等同于对索引列使用了函数，所以就会导致索引失效。
联合索引要能正确使用需要遵循最左匹配原则，也就是按照最左优先的方式进行索引的匹配，否则就会导致索引失效。
在 WHERE 子句中，如果 OR 连接的条件里有任何一个列没有建立索引 ，通常就会导致索引失效、走全表扫描（和前后顺序无关）。MySQL 5.1 起引入了 index_merge 优化，当满足条件时优化器可能会对多个索引做合并（union / intersect）读取，但并不总是生效，依赖具体数据分布与优化器成本估算。