2021 最新中高级 Java 面试题目，一份字节跳动面试官给你的 Java 技术面试指南

一、面试官考点之索引是什么？

• 索引是一种能提高数据库查询效率的数据结构。它可以比作一本字典的目录，可以帮你快速找到对应的记录。

• 索引一般存储在磁盘的文件中，它是占用物理空间的。

• 正所谓水能载舟，也能覆舟。适当的索引能提高查询效率，过多的索引会影响数据库表的插入和更新功能。

二、索引有哪些类型类型

数据结构维度

• B+树索引：所有数据存储在叶子节点，复杂度为 O(logn)，适合范围查询。

• 哈希索引: 适合等值查询，检索效率高，一次到位。

• 全文索引：MyISAM 和 InnoDB 中都支持使用全文索引，一般在文本类型 char,text,varchar 类型上创建。

• R-Tree 索引: 用来对 GIS 数据类型创建 SPATIAL 索引

物理存储维度

• 聚集索引：聚集索引就是以主键创建的索引，在叶子节点存储的是表中的数据。

• 非聚集索引：非聚集索引就是以非主键创建的索引，在叶子节点存储的是主键和索引列。

逻辑维度

• 主键索引：一种特殊的唯一索引，不允许有空值。

• 普通索引：MySQL 中基本索引类型，允许空值和重复值。

• 联合索引：多个字段创建的索引，使用时遵循最左前缀原则。

• 唯一索引：索引列中的值必须是唯一的，但是允许为空值。

• 空间索引：MySQL5.7 之后支持空间索引，在空间索引这方面遵循 OpenGIS 几何数据模型规则。

三、面试官考点之为什么选择 B+树作为索引结构

可以从这几个维度去看这个问题，查询是否够快，效率是否稳定，存储数据多少，以及查找磁盘次数等等。为什么不是哈希结构？为什么不是二叉树，为什么不是平衡二叉树，为什么不是 B 树，而偏偏是 B+树呢？

我们写业务 SQL 查询时，大多数情况下，都是范围查询的，如下 SQL

select * from employee where age between 18 and 28;

为什么不使用哈希结构？

我们知道哈希结构，类似 k-v 结构，也就是，key 和 value 是一对一关系。它用于等值查询还可以，但是范围查询它是无能为力的哦。

为什么不使用二叉树呢？

先回忆下二叉树相关知识啦~ 所谓二叉树，特点如下：

• 每个结点最多两个子树，分别称为左子树和右子树。

• 左子节点的值小于当前节点的值，当前节点值小于右子节点值

• 顶端的节点称为根节点，没有子节点的节点值称为叶子节点。

我们脑海中，很容易就浮现出这种二叉树结构图：

但是呢，有些特殊二叉树，它可能这样的哦：

如果二叉树特殊化为一个链表，相当于全表扫描。那么还要索引干嘛呀？因此，一般二叉树不适合作为索引结构。

为什么不使用平衡二叉树呢？

平衡二叉树特点：它也是一颗二叉查找树，任何节点的两个子树高度最大差为 1。所以就不会出现特殊化一个链表的情况啦。

但是呢：

• 平衡二叉树插入或者更新是，需要左旋右旋维持平衡，维护代价大

• 如果数量多的话，树的高度会很高。因为数据是存在磁盘的，以它作为索引结构，每次从磁盘读取一个节点，操作 IO 的次数就多啦。

为什么不使用 B 树呢？

数据量大的话，平衡二叉树的高度会很高，会增加 IO 嘛。那为什么不选择同样数据量，高度更矮的 B 树呢？

B 树相对于平衡二叉树，就可以存储更多的数据，高度更低。但是最后为甚选择 B+树呢？因为 B+树是 B 树的升级版：

• B+树非叶子节点上是不存储数据的，仅存储键值，而 B 树节点中不仅存储键值，也会存储数据。innodb 中页的默认大小是 16KB，如果不存储数据，那么就会存储更多的键值，相应的树的阶数（节点的子节点树）就会更大，树就会更矮更胖，如此一来我们查找数据进行磁盘的 IO 次数有会再次减少，数据查询的效率也会更快。

• B+树索引的所有数据均存储在叶子节点，而且数据是按照顺序排列的，链表连着的。那么 B+树使得范围查找，排序查找，分组查找以及去重查找变得异常简单。

最后

Java 架构学习技术内容包含有：Spring，Dubbo，MyBatis, RPC, 源码分析，高并发、高性能、分布式,性能优化，微服务 高级架构开发等等。

还有 Java 核心知识点+全套架构师学习资料和视频+一线大厂面试宝典+面试简历模板可以领取+阿里美团网易腾讯小米爱奇艺快手哔哩哔哩面试题+Spring 源码合集+Java 架构实战电子书+2021 年最新大厂面试题。

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录