索引原理
hardMySQL索引B+树哈希索引
索引是什么
索引是帮助 MySQL 高效查找数据的数据结构。没有索引时，查询需要全表扫描（逐行检查），有索引时可以快速定位到目标行。
比喻：索引就像书的目录，通过目录可以快速翻到第 358 页，而不用从第 1 页逐页翻找。
为什么使用 B+ 树
MySQL InnoDB 索引使用 B+ 树，而不是二叉树、红黑树或哈希表。
为什么不用二叉搜索树 / 红黑树？
二叉树的高度太高。100 万条数据，红黑树高度约 20 层，每层一次磁盘 I/O → 20 次 I/O。B+ 树是多叉树（通常每个节点上千个子节点），3~4 层就能存储上亿数据。
为什么不用 Hash？
Hash 索引只支持等值查询（= / IN），不支持范围查询（<、>、BETWEEN）、排序、模糊匹配。而 B+ 树天然支持范围查询。
为什么不用 B 树而用 B+ 树？
| 特性 | B 树 | B+ 树 |
|---|---|---|
| 数据存储 | 所有节点都存数据 | 只有叶子节点存数据 |
| 叶子节点链表 | 无 | 叶子节点用双向链表连接 |
| 非叶子节点 | 存数据+指针 | 只存索引键+指针 |
| 范围查询 | 需要中序遍历整棵树 | 沿叶子链表顺序扫描 |
| 磁盘 I/O | 较多（节点大、扇出小） | 较少（扇出大、树矮） |
B+ 树结构:
[10 | 20 | 30] ← 非叶子节点（只存键）
╱ │ ╲
[3|5|8] [12|15|18] [22|25|28] ← 非叶子节点
╱ │ ╲ ╱ │ ╲ ╱ │ ╲
叶 叶 叶 叶 叶 叶 叶 叶 叶 ← 叶子节点（存数据）
◀═══════════════════════════════════▶ 双向链表连接
B+ 树非叶子节点不存数据 → 能放更多键 → 扇出更大 → 树更矮 → 更少的磁盘 I/O。
InnoDB 索引类型
聚簇索引（主键索引）
InnoDB 的表数据按照主键顺序存储，主键索引的叶子节点就是完整的数据行：
主键索引（聚簇索引）:
[5 | 10]
╱ │ ╲
[1|3] [6|8] [11|15]
╱ ╲ ╱ ╲ ╱ ╲
[id=1 ] [id=3 ] [id=6 ] [id=8 ] [id=11 ] [id=15 ]
[完整行 ] [完整行 ] [完整行 ] [完整行 ] [完整行 ] [完整行 ]
◀════════════════════════════════════════════════════▶
二级索引（非聚簇索引）
二级索引的叶子节点存储的不是完整数据行，而是主键值：
二级索引（如 name 索引）:
[李 | 王]
╱ │ ╲
[陈|李] [刘|王] [赵|周]
╱ ╲ ╱ ╲ ╱ ╲
[陈,id=3] [李,id=1] [刘,id=8] [王,id=6] ...
◀════════════════════════════════════════▶
通过二级索引查询时，先查到主键值，再通过回表到聚簇索引查完整数据行。
生产高频题
为什么 MySQL 用 B+ 树做索引？
(1) B+ 树非叶子节点不存数据，扇出大，2~4 层可存上亿数据，磁盘 I/O 少；(2) 叶子节点通过双向链表连接，范围查询高效；(3) 所有查询都走到叶子节点，性能稳定。
聚簇索引和非聚簇索引的区别？
聚簇索引的叶子节点存储完整的数据行（数据和索引在一起），一个表只有一个聚簇索引（通常是主键）。非聚簇索引叶子节点存储主键值，查完整数据需要回表。