> 本文首发于公众号：[托尼学长](https://mp.weixin.qq.com/s?__biz=MzkxMDUxNzM2Nw==&mid=2247484946&idx=1&sn=4c6dc4e1c5c92f37d5b636bf79af036d&chksm=c12b730af65cfa1cb829608a9d16ddd849cdc7baea0d402b62100348d39acfd7779c9e900f5e&token=1115980186&lang=zh_CN#rd)，立个写 1024 篇原创技术面试文章的flag，欢迎过来视察监督~ 在技术面试中，遇到过这样一个有意思的场景，且听我娓娓道来。面试官：“在你的系统里，都做过哪些性能优化，可以讲讲吗？” 候选人：“有些数据库查询检索类操作，我们用MySQL数据库会比较慢，所以全部挪到ElasticSearch（简称ES）中去做了，性能马上就提升了挺多。” 面试官：“为什么挪到ES里面性能就提升了，可以从技术原理上讲一讲吗？” 候选人：“因为ES用的是倒排索引啊，而MySQL用的是B+ Tree索引，前者的性能要快很多。” 面试官：“为什么倒排索引比B+ Tree索引快很多，可以从实现机制上讲讲吗？” 候选人：“这个。。。具体实现我就不清楚了。” 面试官：“那你真的认为ElasticSearch比MySQL快吗？” 候选人挠了挠头，说：“确实是快，但您这么一问，我确实答不上来ES到底快在哪里了。” 对话到此为止，下面我来回答一下这个问题。 ### **ES的底层实现** 先来介绍一下大家众所周知的ES特性 —— 倒排索引。嗯，善于举一反三的同学看到“倒排索引”这四个字，马上就在想，与其相应对应的是不是“正排索引”？没错儿，是的，这两个我一起介绍。 **正排索引**（Forward Index）的实现方式为，通过文档ID去查找整个文档内容，适用于全部文档遍历或根据某个文档ID查找内容的场景。

而**倒排索引**（Inverted Index）的实现方式，则是通过文档中的关键词去查找文档ID列表，这也就是其非常适用于全文检索的原因。

这里面再补充一句，上图中的单词列，是通过ES的分词器按照一定的逻辑，将一段文本转换成一系列单词来实现的。很多同学都认为ES是通过倒排索引来实现的查询检索，其实这种说法并不全面，而且倒排索引的结构也并非这么简单。如下图所示：

注：Term Index = 单词索引，Term Dictionary = 单词字典，Posting List = 倒排列表。（1）当用户搜索“database”关键字的时候，会先通过以树结构（Burst-Trie）存储在内存中的Term Index中的“d”，查找到Term Dictionary中的“database”。需要说明的是，Term Index不会存储完整的Term，仅仅存储Term的前缀来节省内存，通过Term Index可以快速地定位到Term Dictionary中的某个位置，再从这个位置再向后顺序查找。打个比方，该步骤很像我们在上大学时候背的英语四六级字典，根据字母的顺序ABC在目录中查找到对应的单词。（2）定位到Term Dictionary中的“database”关键字后，即可查找到Posting List中所对应的文档ID为3。这个步骤就像根据目录中的单词，对应到其在字典中所对应的页数。（3）再通过为3的文档ID，从ES的正排索引中查找到对应的数据信息“MySQL is a relational database”，并返回最终结果。这个步骤就像我们最后翻到字典中某个页数，找到了对于该单词的详细解释，包括：音标、中文、例句等。 ES复杂查询的实现方式和全文检索比较类似，同样是用到了倒排索引 + 正排索引的实现机制。假设有如下一张student表：

当将该表中的数据保存到ES时，ES会为表中的每个字段都建立一个倒排索引。以name和age字段为例，如下图所示：

接下来，我们看看具体的执行步骤。

（1）当用户在name字段中查询“Mary”的时候，会先通过以树结构（Burst-Trie）存储在内存中的Term Index中的“M”，查找到Term Dictionary中的“Mary”。（2）定位到Term Dictionary中的“Mary”关键字后，即可查找到Posting List中所对应的文档ID为3。（3）再通过为3的文档ID，从ES的正排索引中查找到对应的数据列，并返回最终结果。 ### **MySQL的底层实现** 有一件出乎大家意料的事情，那就是MySQL InnoDB是支持全文检索的，并且其底层也是通过倒排索引来实现的。在InnoDB中，倒排索引是通过full inverted index的方式来实现的，存放在全文检索的辅助表（Auxiliary Table）中。该表中有两个字段，word和ilist 字段，word字段上有设有索引，ilist中包含 (Documentld，Position)。如下图所示：

btw：该截图来自于《MySQL技术内幕 —— InnoDB存储引擎》一书，表 5-8第一行中的“code”实为“cold”。同样，InnoDB也提供了红黑树结构的FTS Index Cache（全文检索索引缓存）来提高性能。由此来看，InnoDB的实现机制是不是跟ES的很像？但毕竟术业有专攻，ES在全文检索的性能上还是优于MySQL InnoDB的，在这里就不展开解释了。但至少，“ES是通过倒排索引来实现的查询检索，而MySQL是通过B+ Tree来实现的”这句话，就显得不那么准确了。说完了MySQL的全文检索，接下来我们说说MySQL是如何实现查询操作的，这个想必有很多同学都是清楚的。如下图所示：

一共分为两步，先通过name的二级索引树查询’Mary‘所对应的记录ID，拿到记录ID后去表记录索引树中查到对应的行记录。照此看来，MySQL在查询上跟ES的实现方式也是大同小异的，无非是根据B+ Tree索引或倒排索引去查询对应的记录ID，然后再进行二次回表而已。甚至MySQL如果可以用到覆盖索引，那连回表操作也都省去了，没准还比ES查询效率更高呢。 So，那ES真的比MySQL快吗？如何从底层实现原理的角度去说服面试官呢？ ### **性能高的最大原因** 假设有这样一个业务场景，如下图所示：

在该场景下，不仅有千万量级的数据记录，多达二十几个的搜索条件，而且这些搜索项和返回的数据结果并不在一个数据表中，需要进行多表关联查询。我们需要思考的一个问题是，如何给在这个场景下进行索引创建？由于MySQL InnoDB的联合索引，**很大程度上**是要遵循最左前缀原则的,这就意味着在多维复杂查询的某些场景中，你需要通过（a,b,c）,（a,c,b）,（b,a,c）,（b,c,a）,（c,a,b）,（c,b,a）这种排列组合创建联合索引的方式，保证用户的查询操作可以完全命中索引。那上述业务场景中有20多个查询项的情况下，通过最左前缀原则、排列组合创建联合索引的方式一定是覆盖不全，况且都不在一个数据库表中，这是更加不可控的。 Btw：之所以在上文中用到了“很大程度上”，是因为MySQL 8引入了Skip Scan Range Access Method，它在一定条件下可以不遵守最左前缀原则，利用了范围扫描来替代了全表扫描的发生。其实现原理为：MySQL隐式的构造了前缀查询条件，使一条查询就变成了多次查询，执行计划type = range。适用于最左条件区分度较低的情况，否则生成SQL过多，与全表扫描相比并无优势。而该场景下，通过ES是可以轻松解决的，其实现机制是“结果合并策略”。假设我们需要查出来姓名为lily，并且年龄为12岁的学生记录，如下图所示：

在ES中，支持SkipList和Bitset两种方式进行数据结果合并，前者是采用相互跳跃对比并得出合集的方式，后者则通过倒排列表的值计算出各自的Bitset，并进行AND操作合并。通过该种方式，则可以轻松解决上述20多个查询项、千万量级数据记录的业务场景中，为其创建索引的问题。我认为，这就是我们常说的ES比MySQL查询性能高的最大原因。 ### **结语** 洋洋洒洒地写了这么多，希望能在这道常见的技术面试题上，对同学们能够有所启发。