一、常见索引数据结构 1、跳表（Skiplist） 内存中常用索引类型 典型应用：Redis 特点：快速搜索、插入、删除 2、哈希索引（Hash Index） Map 或 Collection 的常见实现 特点：查找速度快，但不适合范围查询 3、SSTable 不可变的磁盘 Map 实现 特点：高顺序写入效率，适合持久化存储 4、LSM 树（Log-Structured Merge Tree） 结合 Skiplist 和 SSTable 特点：高写入吞吐量，适合写密集型系统 5、B 树（B-Tree） 基于磁盘的索引方案 特点：读写性能稳定，支持范围查询 6、倒排索引（Inverted Index） 用于文档索引 典型应用：Lucene 搜索引擎 特点：快速全文搜索 7、后缀树（Suffix Tree） 用于字符串模式匹配 特点：支持快速子串查询 8、R 树（R-Tree） 多维数据索引，如空间数据（地理坐标） 特点：支持最近邻查询和范围查询
一、常见锁类型 1、共享锁（Shared Lock, S Lock） 允许多个事务同时读取资源，但不允许修改 其他事务也可以对同一资源加共享锁 2、排他锁（Exclusive Lock, X Lock） 允许事务读取和修改资源 其他事务不能对该资源加任何锁 3、更新锁（Update Lock, U Lock） 用于事务准备更新资源时，防止死锁 4、模式锁（Schema Lock） 用于保护数据库对象的结构（如表结构） 5、大批量更新锁（Bulk Update Lock, BU Lock） 用于批量插入操作，通过减少锁数量提升性能 6、键范围锁（Key-Range Lock） 用于索引数据，防止幻读（事务已读范围内有新行插入） 7、行级锁（Row-Level Lock） 锁定表中的特定行，其他行仍可并发访问 8、页级锁（Page-Level Lock） 锁定数据库中的特定页（固定大小的数据块） MySQL InnoDB 默认不使用页锁，而是使用行锁；MyISAM 使用页级锁 9、表级锁（Table-Level Lock） 锁定整张表 实现简单，但可能显著降低并发性能
B-Tree（平衡树） 核心特性 主要应用：几乎所有关系型数据库使用的索引数据结构 存储单元：基本存储单元通常称为"页" 工作原理：通过向下追踪键的范围直到找到实际值 优势特点 读取性能优秀：实现更快的读取速度 范围查询高效：支持顺序扫描 事务友好：天然支持ACID事务 典型应用 MySQL InnoDB、PostgreSQL、Oracle、SQL Server LSM-Tree（日志结构合并树） 核心特性 主要应用：许多NoSQL数据库使用，如Cassandra、LevelDB、RocksDB 数据结构：维护键值对，使用排序字符串表持久化到磁盘 键排序：SSTable中的键保持排序状态 核心机制：合并 合并过程：Level 0段定期合并到Level 1段 目的：减少文件数量，优化存储和读取 优势特点 写入性能极佳：实现快速写入 高吞吐量：适合写密集型场景 顺序写入：追加写入模式避免随机写 典型应用 Cassandra、LevelDB、RocksDB、HBase 核心差异对比 维度 B-Tree LSM-Tree 主要优势 读取更快 写入更快 读取速度 快速 较慢 写入速度 较慢 快速 存储模式 原地更新 追加写后合并 设计哲学 读优化 写优化
一、关系型数据库（Relational DB） 数据以表格形式组织（Rows & Columns） 遵循严格的模式（Schema） 适合事务处理和结构化数据 例子：MySQL, PostgreSQL, Oracle 二、联机分析处理数据库（OLAP DB） OLAP（Online Analytical Processing）：用于数据分析和报表 优化复杂查询和多维分析 适合商业智能（BI）场景 例子：ClickHouse, Amazon Redshift, Google BigQuery 三、NoSQL 数据库 不使用传统 SQL 或严格模式 适合非结构化或半结构化数据 四种主要类型： 1、图数据库（Graph DB） 强调数据之间的关系 常用于社交网络、推荐系统 例子：Neo4j, ArangoDB 2、键值存储（Key-Value Store DB） 每个数据都有唯一键（Key）和对应的值（Value） 访问快速，适合缓存、会话存储 例子：Redis, Memcached 3、文档数据库（Document DB） 数据以文档形式存储，类似 JSON 或 BSON 每个文档可有不同结构，灵活存储半结构化数据 例子：MongoDB, CouchDB 4、列式数据库（Column DB） 数据按列而不是按行存储 适合分析型查询，减少 I/O，提高查询速度 例子：HBase, Cassandra, ClickHouse