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
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。
评论