面试测试开发被问到数据库索引不知道怎么办？这篇文章告诉你

提出的问题

什么情况下创建索引，什么时候不需要索引？

索引的种类有哪些？

什么是索引

索引就是帮助数据库管理系统高效获取数据的数据结构，就好比一本书的目录，它可以帮我们快速进行特定值的定位与查找，从而加快数据查询的效率。

索引的种类

从功能逻辑上划分

普通索引是基础的索引，没有任何约束，主要用于提高查询效率唯一索引就是在普通索引的基础上增加了数据唯一性的约束，在一张数据表里可以有多个唯一索引主键索引在唯一索引的基础上增加了不为空的约束，也就是 NOT NULL+UNIQUE，一张表里最多只有一个主键索引全文索引用的不多，MySQL 自带的全文索引只支持英文。我们通常可以采用专门的全文搜索引擎，比如 ES(ElasticSearch) 和 Solr从物理实现方式分

聚集索引聚集索引可以按照主键来排序存储数据，这样在查找行的时候非常有效非聚集索引在数据库系统会有单独的存储空间存放非聚集索引，这些索引项是按照顺序存储的，但索引项指向的内容是随机存储的。也就是说系统会进行两次查找，第一次先找到索引，第二次找到索引对应的位置取出数据行，是维护单独的索引表（只维护索引，不维护索引指向的数据。区别聚集索引的叶子节点存储的就是我们的数据记录，非聚集索引的叶子节点存储的是数据位置。非聚集索引不会影响数据表的物理存储顺序。一个表只能有一个聚集索引，因为只能有一种排序存储的方式，但可以有多个非聚集索引，也就是多个索引目录提供数据检索。使用聚集索引的时候，数据的查询效率高，但如果对数据进行插入，删除，更新等操作，效率会比非聚集索引低索引的原理

索引为什么要存储在硬盘上

数据库服务器有两种存储介质，硬盘和内存，存储在内存时如果发生故障比如断点什么的，容易造成数据丢失，存储在磁盘上，会有很多的IO，我们知道磁盘IO是会耗时的，如果让索引的数据结构尽可能的减少磁盘IO操作，那么耗时就会大大减少。

从二叉树到B+树

支持快速查找的数据结构有跳表、hash表、二叉树搜索树，跳表支持区间查找，hash表不支持区间查询，二叉树搜索树不支持按照区间快速查询，但是二叉树搜索树的不断演进和改造满足了索引对数据结构的要求，下面来看看二叉搜索到B+树的演进历程。

二叉搜索树是一种比较特别大的二叉树，每个节点的左子节点都小于父节点，右子节点大于父节点，查找一个接地那的时间复杂度是O(log2n)。

但是随着不断往树上添加节点，可能会造成一种现象，某一条路径会不断增加，最后二叉树退化成了一个链表，时间复杂度变成了O(n)。

如果能让左右子树之间的高度差不大，还能继续维持二叉搜索树的特性，大牛们提出了平衡二叉树这种结构，他让每个节点的左右子树高度差不能超过1，这属于严格平衡的，比如avl树，但是这种严格平衡的树，维护高度差需要设计复杂的算法去实现，时间成本也会增加，后来又有大牛提出，我们不让他严格平衡，高度差不要太大就行，虽然会损失一点查询速度，但是树的复杂性大大降低，查询效率也能满足要求就行，这种树就叫做红黑树。

数据查询的时间主要依赖于磁盘 I/O 的次数，如果我们采用二叉树的形式，即使通过平衡二叉搜索树进行了改进，树的深度也是 O(log2n)，当 n 比较大时，深度也是比较高的。

这个时候大牛又来了，那就该成多叉树吧，多叉树可以降低高度，这样就可以减少磁盘IO次数了，给这种树起个名字，就叫多叉平衡树，Balance Tree。那究竟该是多少个叉呢，这个是根据内存页大小计算出来的。

Balance Tree也就是B树，B树的节点是可以存储数据的，这样就会造成查询效率不稳定的情况，有时候访问到了非叶子节点就可以找到关键字，而有时需要访问到叶子节点才能找到关键字。

这个时候就又提出了B+树，B+树非叶子节点只存储索引不存数据，叶子节点才存储数据记录，叶子节点又构成一个双向链表并且从大到小顺序链接。