1.为什么生产环境中B+树的高度总是3-4层？

答案：一个高度为 3 的 B+ 树大概可以存放 1170 × 1170 × 16 = 21902400 行数据，已经是千万级别的数据量了，前提是每条数据只有1KB大小。
解释:
在计算机中磁盘存储数据最小单元是扇区，一个扇区的大小是 512 字节，而文件系统的最小单元是块，一个块的大小是 4k，而对于我们的 InnoDB 存储引擎也有自己的最小储存单元——页（Page），一个页的大小是 16K。
那么，InnoDB的一页，可以存放多少条数据呢？假设一条数据大小1KB，那么一个InnoDB的页可以存放16条数据；
Mysql中?个 Innodb?就是?个B+树节点。
假设主键 ID 为 bigint 类型，占8字节，而指针大小在 InnoDB 源码中设置为 6 字节，这样一共 14 字节，我们一个页中能存放多少这样的单元，其实就代表有多少指针，即 16384/14=1170。
一个高为3的B+树，其第一层，只能存放1170个指针；其前两层，可以存放11701170个指针；前两层有11701170个指针，可以指向1170*1170个dataNode，一个dataNode能放16条数据，所以这一棵树能存放1170 × 1170 × 16 = 21902400条数据，即2千多万条。

2.为什么要使用自增ID作为主键？

对InnoDB来说，主键索引是聚簇索引，既存储索引值，又在叶子节点中存储行的数据。如果主键自增，那么每次插入一条数据都会在当前索引的后续位置，当这一页达到装载因子时，InnoDB会开启新的一页。而如果主键非自增，无规律可循，那可以认为它是随机的，这样一来，完全随机的插入数据会导致大量的B+树分裂和旋转，以及产生大量的空间碎片，浪费空间。

3.为什么使用数据索引能提高效率？

数据索引的存储是有序的。有序的数据结构的查找，可以用到二分的思想，其时间复杂度趋近于 log2(N)。

4.B+树索引和哈希索引的区别？

1.其底层依赖的数据结构不同，B+树索引是多叉平衡树，根据索引值的大小进行有序的存储；哈希索引是类似于哈希表的结构，其值的存放是无序的；
2.对于单个值的查询，哈希索引的复杂度为O(1)；而B+树的时间复杂度为log(2)(m)*log(m)(n) = log(2)(n)，用到了对数的换底公式；
3.哈希索引不支持范围查询；
4.哈希索引适用于大量等值查询的情况，而B+树索引适用于大多数情况。

5.B+树与B树的区别？

B树的每个节点存储了key和data。而B+树改进了B树, 让非叶子节点只存放key, 去掉了其中指向data的指针, 使得每个结点中能够存放更多的key, 因此能有更大的出度. 这样就意味着B+树的层高能进一步被压缩, 使得检索的时间更短。
由于底部的叶子结点是链表形式, 因此也可以实现更方便的顺序遍历。

6.MySQL的联合索引？

联合索引是两个或更多个列上的索引。
假设有一个联合索引index(a,b,c)，在索引建立的时候，是按照“如果a不相等，就按照a排序；否则，如果b不相等，就按照b排序，否则，就按照c排序”，因此，建立好的索引在全局上看，只有a是有序的，而b和c在全局上看都是无序的，只有a相同的时候，b才有序；a，b都有序的时候，c才有序。
注意：

下面几个会走索引
select * from test where a = ‘333’ and b = ‘333’ and c = ‘333’;
select * from test where b = ‘333’ and a = ‘333’ and c = ‘333’;
select * from test where c = ‘333’ and b = ‘333’ and a = ‘333’;
select * from test where a = ‘333’ and c = ‘333’;

而不遵循最左前缀原则的，就不会走索引。如：