前言
主要记录一些面试的时候关于索引的面试题，被吊打完回来发现确实有很多不够深入理解的。
什么是索引？
索引其实是一种数据结构，在查询的时候可以利用索引大大的优化MySQL查询的效率。
MySQL的话主要是有两种索引: Hash索引 和 B+树索引， MySQL的InnoDB引擎默认使用的就是 B+树索引 。（如果后面没有重点提到Myisam引擎的话默认都是说InnoDB相关的知识）
关于B+树索引没有了解过的同学可以先看看这篇文章 MySQL的底层数据结构 。
索引的数据结构
上面有说到，索引就是大大的优化了查询的效率，那么索引是如何优化的呢，是根据什么样的数据结构做到优化的？
索引的话主要有两种数据结构: B+树 和 Hash索引。MySQL中InnoDB默认的索引结构是 B+树 的。
为什么InnoDB采用B+树？和Hash索引比较有什么优缺点？
由于我们之前都了解过 「 MySQL的底层数据结构 」 的相关知识点，那么这里的话应该就可以很好的答上来，因为 B+树索引 的底层是一个链表，在叶子节点是有 「 顺序关系 」 的，在范围查询上不需要做到全表扫描。
而 Hash索引 是一种 k-v 存储数据的结构，所以在每个节点上的数据是 没有任何顺序关系 的，需要做到全表扫描。
聚簇索引和非聚簇索引
既然聊到 B+树索引 ，那 B+树索引的叶子节点 一般是存储什么东西呢？
这里涉及到了 聚簇索引 和 非聚簇索引 的相关知识点。
聚簇索引： 一般以主键作为索引，没设置就会设立一个隐式的索引，聚簇索引的叶子节点会存放所有的数据。
非聚簇索引： 叶子节点存放的不是所有的数据，而是主键的值。
ok，那么我们来看看一般 聚簇索引 到底长什么样的:
假如存在一个学生表，里面比较简单就是一个主键的学生ID、名字、学号三个列，InnoDB默认主键为索引，假设我们啥也没设置，就一个ID作为主键，那么就是一个很明显的 聚簇索引 了如图:
但假如，在这种情况下，我将学号也设为索引，那么就需要新维护一个B+树来专门作为索引来用了，如图:
这里不难看出，假如我们新增了一列作为非聚簇索引，那么就需要新增一颗 B+树 来维护新的索引结构，这就是为什么索引 优化了查询效率，但是影响了写入和删除的效率 了，因为需要多在几棵树上做操作呀！
那么聚簇索引和非聚簇索引在查询上有什么区别吗？
很好理解吧！ 聚簇索引快，因为聚簇索引的叶子节点就是我们需要的整条数据，也就是学生数据，但是非聚簇索引的话是需要 「 回表 」 操作，需要查找两次，如图:
- 查找学号为1406的学生信息。
- 在学号索引树里面做查找。
- 找到学号1406对应的主键索引ID:6。
- 再去聚簇索引里面查找。
这就是一个 回表 的操作。
但是，并非所有情况都需要回表操作的:
还是学生表，假如我查询的是： 「 select id from student where stu_id = 1406 」。
很明显在 非聚簇索引树 找到主键ID直接返回就好了。
又名 覆盖索引。
联合索引
一般什么情况下需要创建索引？创建索引一般会考虑什么？
通过上面我们知道，索引是作为 优化查询 的一种数据结构，它在优化查询的同时也会影响 写入效率 。
所以一般读多写少的场景就需要创建索引了。
联合索引有用过吗？在联合索引的多个字段之间的顺序是如何判断的呢（ 最左前缀匹配 ）？
联合索引一般需要根据业务需求来创建，where语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，在检索数据的时候从联合索引的最左边开始匹配。
所以在你创建联合索引的时候，假如还是学生表(id, stu_id, name)，相当于创建了(id)、(id, stu_id)、(id, stu_id, name)三个索引，这就是最左匹配原则。
在这里最左匹配原则涉及到了数据库优化等等一系列知识，有机会再看看怎么记一下吧。
总结
简单理解一下，其实索引就类似于是书的目录，在目录里面记录了对应信息的页数，在目录找到自己需要的东西，再去对应的页里面去找到数据就好了。
都结合网上资料加上自己的一些理解，如果有影响到他人的地方，可以联系我：[email protected]