1. 索引是什么？是如何实现的？
- 在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法。这种数据结构，就是索引。
- 索引的底层结构是B 树、B + 树和 hash 结构。
B树的定义：
-
根节点至少有 2 个孩子，至多有 m 个孩子。
-
除了根节点以外，所有内部节点至少有 m/ 2（向上取整）个孩子，至多有 m 个孩子。
-
节点内部关键字 = 孩子数 - 1，并且内部关键字是有序的。
-
所有外部节点位于同一层上。
B树和B+树区别：
-
B 树，每个节点都存储 key 和 data，所有节点组成这棵树，并且叶子节点指针为 null，叶子结点不包含任何关键字信息。
-
B + 树，所有的叶子结点中包含了全部关键字的信息，及指向含有这些关键字记录的指针，且叶子结点本身依关键字的大小自小而大的顺序链接，所有的非终端结点可以看成是索引部分，结点中仅含有其子树根结点中最大（或最小）关键字。(而 B 树的非终节点也包含需要查找的有效信息)
-
Hash 索引无法范围查询，无法模糊查询，无法排序操作，不支持联合索引最左匹配，无法避免表扫描。但是等值查询具有极高效率。
2. 索引的分类？索引失效条件？
分类：
- 主键索引 （PRIMARY KEY）
- 唯一索引 （UNIQUE）
- 普通索引 （INDEX）
- 组合索引 （INDEX）
- 全文索引 （FULLTEXT）
索引失效条件：
-
在 where 子句中使用！= 或 <> 操作符
-
在 where 子句中使用 or 来连接条件，当连接的字段有字段没有索引时，将导致所有字段的索引失效
-
在 where 子句字段进行 null 值判断，
-
在 where 子句中 like 的模糊匹配以 % 开头
-
在 where 子句中对有索引的字段进行表达式或函数操作
-
如果执行引擎估计使用全表扫描要比使用索引快，则不使用索引
3. 索引优化方式？
创建：
-
在经常需要搜索的列上，可以加快搜索的速度；
-
在作为主键的列上，强制该列的唯一性和组织表中数据的排列结构；
-
在经常用在连接的列上，这些列主要是一些外键，可以加快连接的速度；
-
在经常需要根据范围进行搜索的列上创建索引，因为索引已经排序，其指定的范围是连续的；
-
在经常需要排序的列上创建索引，因为索引已经排序，这样查询可以利用索引的排序，加快排序查询时间；
-
在经常使用在 WHERE 子句中的列上面创建索引，加快条件的判断速度。
避免创建：
-
对于那些在查询中很少使用或者参考的列不应该创建索引。
-
对于那些只有很少数据值的列也不应该增加索引。
-
对于那些定义为 text, image 和 bit 这种数据量很大的数据类型的列不应该增加索引。
-
当修改性能远远大于检索性能时，不应该创建索引
4. 怎么验证 mysql 的索引是否满足需求？
用数据库再带的命令 explain查看语句中索引是否启动，
-
type: 主要衡量该检索的性能（all 代表全表扫描，index 代表全索引）
-
key: 显示 Mysql 实际决定使用的键（索引），null 代表未走索引。
5. 索引的底层结构是什么？说说各种的特点和缺点？
- 索引的底层结构是B 树、B + 树和 hash 结构。
B树的定义：
-
根节点至少有 2 个孩子，至多有 m 个孩子。
-
除了根节点以外，所有内部节点至少有 m/ 2（向上取整）个孩子，至多有 m 个孩子。
-
节点内部关键字 = 孩子数 - 1，并且内部关键字是有序的。
-
所有外部节点位于同一层上。
B树和B+树区别：
-
B 树，每个节点都存储 key 和 data，所有节点组成这棵树，并且叶子节点指针为 null，叶子结点不包含任何关键字信息。
-
B + 树，所有的叶子结点中包含了全部关键字的信息，及指向含有这些关键字记录的指针，且叶子结点本身依关键字的大小自小而大的顺序链接，所有的非终端结点可以看成是索引部分，结点中仅含有其子树根结点中最大（或最小）关键字。(而 B 树的非终节点也包含需要查找的有效信息)
-
Hash 索引无法范围查询，无法模糊查询，无法排序操作，不支持联合索引最左匹配，无法避免表扫描。但是等值查询具有极高效率。
-
B + 的磁盘读写代价更低，B+tree 的查询效率更加稳定
【Java 面试那点事】
这里致力于分享 Java 面试路上的各种知识，无论是技术还是经验，你需要的这里都有！
这里可以让你【快速了解 Java 相关知识】，并且【短时间在面试方面有跨越式提升】
面试路上，你不孤单！
