MySQL 索引
面试频率：★★★★★
工作频率：★★★★★
⚡ 30 秒速记
一句话：
索引是一种帮助 MySQL 快速查找数据的数据结构。
InnoDB 索引主要使用：
B+ Tree
核心：
MySQL索引
↓
B+树
↓
树比较矮
↓
减少磁盘 / 数据页访问
↓
提高查询效率
主键索引：
主键B+树
↓
叶子节点
↓
完整行数据
叫：
聚簇索引
二级索引：
普通索引B+树
↓
找到主键ID
↓
主键B+树
↓
找到完整数据
这个过程叫：
回表
一、什么是索引？
可以把索引理解成：
数据库的目录。
例如一本书：
没有目录
↓
从第一页开始找
↓
很慢
有目录：
找到目录
↓
找到页码
↓
直接去对应位置
数据库也是一样。
例如：
SELECT *
FROM user
WHERE id = 9527;
如果没有索引：
可能需要：
从第一条开始
↓
一条一条找
↓
全表扫描
如果：
1000万条数据
效率会很低。
有索引：
通过索引
↓
快速定位数据
所以：
索引的主要作用就是提高数据查询效率。
二、索引是不是越多越好？
不是。
索引可以提高：
SELECT
查询速度。
但是也有成本。
例如：
INSERT INTO user ...
UPDATE user ...
DELETE FROM user ...
修改数据的时候：
数据库可能还需要维护：
索引
所以：
索引越多
↓
INSERT / UPDATE / DELETE
↓
维护索引成本越高
而且索引本身：
需要占用存储空间
所以：
索引不是越多越好，要根据实际查询场景建立。
三、InnoDB 索引主要使用什么数据结构？ ⭐⭐⭐⭐⭐
答案：
B+ Tree
例如可以粗略理解：
[30 | 60]
/ | \
/ | \
[10 20] [40 50] [70 80 90]
↓ ↓ ↓
叶子 叶子 叶子
注意：
真正的 B+ Tree 比这个复杂。
目前先理解：
一个节点
可以存很多索引项
所以：
树的高度比较低
四、为什么不用普通二叉树？
普通二叉树：
50
/ \
30 70
/ \
20 80
一个节点通常只有：
两个子节点
如果数据非常多：
树可能比较高
数据库查找：
根节点
↓
下一层
↓
下一层
↓
下一层
↓
...
树越高：
需要访问的数据页可能越多
效率就可能越低。
五、为什么 B+ Tree 适合数据库？ ⭐⭐⭐⭐⭐
B+ Tree：
一个节点可以保存：
多个索引项
例如：
[10 | 20 | 30 | 40 | 50]
/ | | \
↓ ↓ ↓ ↓
这样：
一个节点
↓
可以管理更多子节点
所以：
同样1000万条数据
↓
B+树可以保持比较低的高度
数据库查询时：
访问较少的数据页
↓
找到目标数据
所以效率比较高。
六、B+ Tree 第一个特点：树比较矮 ⭐⭐⭐⭐⭐
数据库索引非常关注：
数据页访问次数
假设 B+ Tree：
根节点
↓
中间节点
↓
叶子节点
可能几层：
就可以管理：
大量数据
所以：
数据很多
≠
需要一条一条扫描
而是：
通过B+树
↓
快速定位叶子节点
七、B+ Tree 第二个特点：非叶子节点主要用于导航
例如：
[30 | 60]
/ | \
这里：
30
60
主要作用：
判断下一步往哪里找
例如查：
id = 50
看到：
30 < 50 < 60
于是：
往对应的子节点继续查找
所以：
非叶子节点主要用于索引导航。
八、B+ Tree 第三个特点：数据集中在叶子节点 ⭐⭐⭐⭐⭐
最终查询：
根节点
↓
中间节点
↓
叶子节点
最终：
在叶子节点找到目标记录或记录定位信息
所以：
非叶子节点
↓
主要导航
叶子节点
↓
真正保存对应的数据 / 索引记录
九、B+ Tree 第四个特点：叶子节点有序连接 ⭐⭐⭐⭐⭐
例如：
[1 5 10]
↔
[15 20 25]
↔
[30 35 40]
↔
[45 50 55]
叶子节点：
按照索引顺序排列
+
彼此连接
这个特点特别适合：
范围查询
十、为什么 B+ Tree 适合范围查询？
例如：
SELECT *
FROM user
WHERE id BETWEEN 20 AND 40;
首先：
通过B+树
↓
找到20
然后：
20
↓
25
↓
30
↓
35
↓
40
沿着：
叶子节点
继续扫描即可。
所以：
B+ Tree 不仅适合等值查询，也非常适合范围查询。
十一、什么是聚簇索引？ ⭐⭐⭐⭐⭐
InnoDB 中：
主键索引通常就是聚簇索引。
它最大的特点：
主键索引B+树
↓
叶子节点保存完整行数据
例如：
主键索引：
[10 | 20]
/ | \
↓ ↓ ↓
叶子节点：
id=1
name=张三
age=20
id=2
name=李四
age=25
id=3
name=王五
age=30
也就是说：
主键索引叶子节点
↓
就是完整记录
十二、主键查询为什么很快？
例如：
SELECT *
FROM user
WHERE id = 10;
如果：
id是主键
流程：
主键B+树
↓
根据id查找
↓
找到叶子节点
↓
直接获得完整行数据
所以：
主键查询
↓
不需要再去另一个索引找完整数据
十三、什么是二级索引？ ⭐⭐⭐⭐⭐
除了聚簇索引以外：
普通建立的索引通常属于：
二级索引
也叫：
Secondary Index
例如：
CREATE INDEX idx_name
ON user(name);
这里：
idx_name
就是二级索引。
十四、二级索引叶子节点存什么？
假设：
id = 主键
建立：
CREATE INDEX idx_name
ON user(name);
二级索引叶子节点可以粗略理解为：
name
+
主键id
例如：
idx_name：
张三 → id=10
李四 → id=20
王五 → id=30
注意：
它通常不是：
张三
id=10
age=20
address=杭州
phone=...
所有字段
而是：
索引列
+
主键
十五、什么是回表？ ⭐⭐⭐⭐⭐
这是非常重要的面试题。
假设：
CREATE INDEX idx_name
ON user(name);
查询：
SELECT *
FROM user
WHERE name = '张三';
第一步：
idx_name二级索引
↓
找到张三
↓
得到主键
↓
id = 10
但是：
SELECT *
需要：
完整行数据
而二级索引：
只有：
name + id
怎么办？
再去：
主键索引
查询一次。
流程：
idx_name B+树
↓
找到张三
↓
得到id=10
↓
主键B+树
↓
找到id=10
↓
得到完整数据
这个过程：
叫做回表。
十六、为什么叫“回表”？
可以简单理解：
第一次：
通过二级索引
↓
只拿到主键
数据还不够。
于是：
拿着主键
↓
再回到聚簇索引
↓
找到完整行数据
所以叫：
回表
十七、主键索引 vs 二级索引 ⭐⭐⭐⭐⭐
主键索引
主键B+树
↓
叶子节点
↓
完整行数据
例如：
SELECT *
FROM user
WHERE id = 10;
流程：
主键索引
↓
完整数据
二级索引
二级索引B+树
↓
叶子节点
↓
索引列 + 主键
例如：
SELECT *
FROM user
WHERE name = '张三';
可能：
二级索引
↓
主键ID
↓
主键索引
↓
完整数据
所以：
二级索引查询
可能产生回表
十八、为什么二级索引存主键？
假设：
张三
对应完整数据：
id = 10
name = 张三
age = 20
address = 杭州
...
如果每一个二级索引：
都保存完整数据：
idx_name保存一份完整数据
idx_age又保存一份完整数据
idx_phone又保存一份完整数据
会造成：
大量数据重复
↓
占用大量空间
所以 InnoDB 二级索引：
通常保存：
索引列
+
主键
需要完整数据时：
再通过主键查
十九、一个表有几个聚簇索引？
一个 InnoDB 表：
只有一个聚簇索引
因为：
数据本身只能按照一种聚簇索引结构组织。
但是：
二级索引
可以有多个
例如：
CREATE INDEX idx_name ON user(name);
CREATE INDEX idx_age ON user(age);
CREATE INDEX idx_phone ON user(phone);
可以理解：
user表
├── 聚簇索引
│ └── 主键id
│
├── 二级索引
│ └── name
│
├── 二级索引
│ └── age
│
└── 二级索引
└── phone
二十、没有主键怎么办？
InnoDB 需要选择一个：
聚簇索引
通常可以这样理解：
有主键
↓
使用主键
如果没有主键：
选择合适的唯一非空索引
如果还没有：
InnoDB生成隐藏的行ID
↓
作为聚簇索引键
所以实际开发中：
一般推荐显式创建主键。
二十一、为什么推荐主键不要太大？
因为二级索引：
叶子节点
↓
需要保存主键值
假设一个表：
有5个二级索引
主键越大：
每个二级索引
↓
都要保存更大的主键
可能导致：
索引占用空间增加
所以：
主键通常适合选择比较短、稳定的值。
二十二、完整结构图 ⭐⭐⭐⭐⭐
假设：
user
id name age
1 张三 20
2 李四 25
3 王五 30
主键：
id
普通索引：
name
那么：
user表
│
┌────────┴────────┐
↓ ↓
主键索引 idx_name
↓ ↓
聚簇索引 二级索引
↓ ↓
叶子节点完整数据 叶子节点
↓
name + id
查询：
SELECT *
FROM user
WHERE id = 2;
流程：
主键索引
↓
id=2
↓
完整数据
查询：
SELECT *
FROM user
WHERE name = '李四';
流程：
idx_name
↓
李四
↓
id=2
↓
主键索引
↓
完整数据
后面这个：
二级索引
↓
主键索引
就是：
回表
二十三、为什么 SELECT * 可能增加回表？
例如二级索引：
CREATE INDEX idx_name
ON user(name);
执行：
SELECT *
FROM user
WHERE name = '张三';
二级索引只有：
name
+
id
但是你需要：
*
也就是：
age
address
phone
...
因此：
二级索引数据不够
↓
需要回表
这也是为什么：
实际开发中不建议无脑 SELECT *。
后面学习：
覆盖索引
以后这个问题会更清楚。
二十四、索引完整知识链
目前先掌握：
索引
↓
B+ Tree
↓
为什么使用B+树？
↓
树矮 + 叶子节点有序连接
↓
提高查询效率 + 适合范围查询
然后：
InnoDB索引
↓
┌──────┴──────┐
↓ ↓
聚簇索引 二级索引
↓ ↓
主键索引 普通索引
↓ ↓
完整行数据 索引列+主键
↓
需要完整数据
↓
回表
🎤 面试回答：为什么 MySQL 使用 B+ Tree？
可以回答：
InnoDB 索引主要使用 B+ Tree。B+ Tree 一个节点可以保存多个索引项，因此树的高度比较低，可以减少查询过程中需要访问的数据页数量。
同时 B+ Tree 的叶子节点按照索引顺序组织并相互连接，因此不仅适合等值查询，也非常适合范围查询。
🎤 面试回答：什么是聚簇索引？
可以回答：
InnoDB 的聚簇索引叶子节点保存完整的行记录，通常主键索引就是聚簇索引。
因此通过主键查询时，找到聚簇索引的叶子节点就可以获得完整的数据。
🎤 面试回答：什么是回表？
可以回答：
InnoDB 的二级索引叶子节点通常保存索引列和主键值。
如果查询需要二级索引中没有的字段，就需要先通过二级索引找到主键，再通过主键聚簇索引查询完整行数据，这个过程叫做回表。
🎯 面试追问
Q1：什么是索引？
答：
帮助数据库快速查找数据的数据结构，可以理解成数据库的目录。
Q2：InnoDB 索引主要使用什么结构？
答：
B+ Tree
Q3：为什么 B+ Tree 查询快？
答：
一个节点可以保存多个索引项
↓
树比较矮
↓
减少需要访问的数据页数量
Q4：为什么 B+ Tree 适合范围查询？
答：
因为：
叶子节点有序
+
叶子节点之间相互连接
找到范围起点后：
可以继续顺序扫描。
Q5：什么是聚簇索引？
答：
叶子节点保存完整行记录的索引，InnoDB 通常使用主键索引作为聚簇索引。
Q6：一个表可以有几个聚簇索引？
答：
一个
Q7：一个表可以有多个二级索引吗？
答：
可以
Q8：二级索引叶子节点存什么？
答：
通常：
索引列
+
主键值
Q9：什么是回表？
答：
二级索引
↓
得到主键
↓
主键聚簇索引
↓
查询完整数据
Q10：主键查询需要回表吗？
通常：
不需要
因为：
主键聚簇索引叶子节点
↓
已经保存完整行数据
Q11：二级索引查询一定回表吗？
不一定。
如果二级索引已经包含：
查询所需要的全部数据
就可能：
不需要回表
这就是后面要学的：
覆盖索引
Q12：索引是不是越多越好？
不是。
索引：
提高查询效率
但是：
占用空间
+
增加INSERT / UPDATE / DELETE维护成本
⚠️ 易错点
1. 索引不是越多越好
索引多
↓
查询可能更方便
但是
↓
写操作维护成本增加
2. 二级索引不是一定回表
错误：
二级索引查询
=
一定回表
正确：
查询需要的字段
二级索引已经全部包含
↓
可以不回表
这就是：
覆盖索引
3. 聚簇索引不是单独存一份“索引 + 数据文件”
可以简单理解：
聚簇索引的叶子节点
↓
就是完整行记录
4. B+ Tree 不只是为了等值查询
它还非常适合：
范围查询
排序
顺序扫描
❓ 自测
-
什么是索引？
-
为什么数据库需要索引？
-
InnoDB 索引主要使用什么数据结构？
-
为什么 B+ Tree 的树比较矮？
-
树比较矮有什么好处？
-
B+ Tree 的非叶子节点主要干什么？
-
B+ Tree 的数据主要在哪里？
-
为什么 B+ Tree 适合范围查询？
-
什么是聚簇索引？
-
InnoDB 主键索引的叶子节点存什么？
-
什么是二级索引？
-
二级索引的叶子节点通常存什么？
-
什么是回表？
-
SELECT * 为什么容易产生回表？
-
主键查询为什么通常不需要回表？
-
二级索引查询一定需要回表吗？
-
一个 InnoDB 表有几个聚簇索引？
-
一个表可以有多个二级索引吗？
-
为什么主键不建议设计得特别大？
-
没有主键时 InnoDB 怎么选择聚簇索引？
-
为什么索引不是越多越好？