面灵AI→

新东方 Java(AI Agent 方向)一面:B+ 树、联合索引与 Spring Boot 装配

轮次
一面
时间
2026-10
来源
牛客网

《面试题目》

  1. 毕业年份?接下来想找实习还是留用?学校的安排是怎样的?
  2. 求职方向是什么?具体想从事什么业务方向,为什么?
  3. 本科是数学专业,为什么跨考计算机?读研为什么又学软件开发?哪些是课上教的、哪些是自学的?
  4. 选一个最能体现学习能力的项目讲一下;刚提到的技术栈里选一个深入聊。
  5. MySQL 中你觉得难点在哪?索引重点讲一下。索引的底层结构是什么?为什么要用 B+ 树?
  6. 聚簇索引和非聚簇索引的区别是什么?
  7. 主键在设计时如果发生重排序会怎么样?为什么不采用指针存储来规避重排序的性能损耗?重排序时数据拷贝是否会导致变慢?
  8. 聚簇索引叶子节点同时存主键和完整数据的好处是什么?为什么不把主键存一张表、再存一个指针?
  9. 非聚簇索引是否支持范围查询?
  10. 现在有一个联合索引 (a, b, c),非聚簇索引的存储结构是什么样的?每个节点存的是什么?
  11. a = 1, b > 2, c = 3 这个查询条件怎么在索引树中查询?
  12. Spring Boot 的自动装配原理?用过哪些 starter?需要在 main 函数加特定注解吗?底层扫描原理?

《参考解析》

为什么是 B+ 树:磁盘按页读取,索引结构的目标是「用最少的 IO 定位」。B+ 树是多叉平衡树,一个 16KB 的页能放几百个键,三层就能索引千万级数据,查找只需 3 次 IO;数据全在叶子节点且叶子间用链表相连,范围查询只需顺着链表扫,不用回树;相比 B 树,非叶节点不存数据、扇出更大、树更矮;相比红黑树/AVL(二叉、树高 log₂n,千万级要 20 多层),B+ 树的 IO 次数少一个数量级;相比哈希索引,它支持范围与排序。

聚簇 vs 非聚簇:InnoDB 的主键索引就是聚簇索引,叶子节点直接存整行数据,一张表只有一个;二级索引的叶子存的是索引列 + 主键值,查非索引列要「回表」再查一次聚簇索引。MyISAM 的索引都是非聚簇的,叶子存行地址。

主键重排序:InnoDB 按主键顺序组织数据,插入一个中间值的主键会导致页分裂——把一页拆成两页、搬移数据、更新父节点,代价高且产生碎片。所以推荐自增 / 趋势递增主键(雪花 ID 也满足趋势递增)。「为什么不用指针」:多一次跳转就多一次 IO,而且指针要额外空间、要维护;顺序存储让范围扫描能顺序读,这是 B+ 树设计的根本。重排序的数据拷贝确实是变慢的直接原因。

非聚簇索引的范围查询:支持。二级索引本身是有序的,WHERE age > 20 可以在 age 索引上做范围扫描,只是每一行都要回表取其他列(除非是覆盖索引)。所以「范围查询慢」的根因是回表次数多,而不是索引结构不支持。

联合索引 (a,b,c):按 (a,b,c) 依次排序建 B+ 树,叶子节点存 (a,b,c,主键)。a = 1, b > 2, c = 3:a 是等值,能在树上定位到 a=1 的区间;b 是范围,从 b>2 的位置开始顺序扫;但 c 在这个范围里已经无序(b 每个值下 c 才有顺序),所以 c=3 只能在回表后过滤(或走 ICP 索引条件下推,在存储引擎层过滤以减少回表)。最左前缀原则:跳过 a 直接用 b、c 不行;范围列之后的列无法继续用于定位。

Spring Boot 自动装配:@SpringBootApplication 是组合注解,含 @EnableAutoConfiguration,它通过 @Import(AutoConfigurationImportSelector.class) 读取 classpath 下所有 jar 的 META-INF/spring/org.springframework.boot.autoconfigure.AutoConfiguration.imports(2.7 之前是 spring.factories),拿到候选配置类列表,再用 @ConditionalOnClass、@ConditionalOnMissingBean、@ConditionalOnProperty 等条件注解决定哪些真正生效,最后注册 Bean 定义。所以 main 函数不需要额外注解,@SpringBootApplication 一个就够。