Java面试八股之MySQL索引B+树、全文索引、哈希索引

1. MySQL索引B+树、全文索引、哈希索引

注意：B+树中B不是代表二叉树（binary），而是代表平衡（balance），因为B+树是从最早的平衡二叉树演化而来，但是B+树不是一个二叉树。

B+树的高度一般在2~4层，因此每次查询最多只需要2~4次IO。

1. B+树索引（BTREE）

特点：

B+树是一种自平衡的多路搜索树，它是一种高度平衡的结构，保证从根节点到任意叶子节点的路径长度几乎相等，从而保证了查询效率相对稳定。

B+树索引的所有数据都存储在叶子节点，并且叶子节点之间通过双向链表连接，形成了一个有序的数据集合。

支持范围查询、排序和分组操作，因为叶子节点是有序排列的。

可以是单列索引或多列索引（复合索引），并遵循最左前缀匹配原则，即在查询时，如果查询条件包含了复合索引的最左边部分列，就能利用索引进行高效查询。

适用于大部分查询场景，特别是等值查询、范围查询以及基于索引列的排序和分组。

优点：

查询效率较高，尤其是对于范围查询和有序结果集的获取。

能够处理大量数据，因为B+树的高度较低，即使数据量很大，查询深度也不会过高。

缺点：

对于非常小的数据集，建立和维护B+树索引可能比直接全表扫描更耗时。

对于等值查询，如果键值分布不均匀导致哈希冲突较少，哈希索引可能更快。

2. 全文索引

特点：

全文索引主要用于对文本类型的字段（如VARCHAR、TEXT）进行全文本搜索，能够处理复杂的查询条件，如包含某个词语或短语、近似匹配、词干提取等。

MySQL的全文索引通常基于倒排索引实现，即为每个单词建立一个索引项，记录下包含该单词的所有文档（在数据库中对应为记录）的列表及位置信息。

通常用于大型文本数据的全文检索，如博客文章、产品描述、文献资料等。

优点：

非常适合进行复杂文本内容的模糊查询和关键词搜索。

提供了对文本数据的高效过滤能力，显著减少针对文本字段进行LIKE '%keyword%'这类操作时的全表扫描。

缺点：

创建和维护全文索引需要消耗额外的空间和时间资源。

索引更新时有延迟，对于实时性要求较高的场景可能不合适（可通过手动刷新解决）。

对查询语法有一定要求，需要使用MATCH AGAINST语句，而非普通的WHERE子句。

对于短词、停用词（如“的”、“是”等常见词汇）的处理可能不够精确，可能需要配合语言分析器和定制化配置。

3. 哈希索引（HASH）

特点：

哈希索引基于哈希表实现，通过哈希函数将键值转换为固定长度的哈希值，然后通过哈希值直接定位到对应的记录。

主要适用于等值查询，查询效率极高，只需一次哈希计算即可找到相应记录（假设没有哈希冲突）。

不支持范围查询、排序和分组操作，因为哈希索引并不保持键值的有序性。

对于键值唯一性高的列（如唯一标识符），哈希索引效果尤为出色。

通常用于内存型存储引擎（如MEMORY引擎）或者InnoDB引擎的自适应哈希索引（Adaptive Hash Index，AHI）。

优点：

等值查询性能极高，尤其在键值分布均匀且唯一性强的情况下。

查找时间复杂度接近O(1)，在理想情况下能提供极快的查询速度。

缺点：

只适用于等值查询，无法处理范围查询、排序和分组。

如果键值分布不均导致哈希冲突较多，性能会下降，尤其是在存在大量重复键值的情况下。

不支持部分索引列的匹配（如复合索引的部分列查询）。

哈希索引不存储原始键值，只存储哈希值和行指针，因此不能避免对数据行的访问来获取完整数据。

 如果大家需要视频版本的讲解，欢迎关注我的B站：