MySQLMySQL 的索引为什么使用 B+ 树，而不是二叉树或哈希表？面试题考点是否理解数据库存储引擎和磁盘 IO 之间的关系。面试官想听的1、B+ 树能减少磁盘 IO2、B+ 树能支持范围查询，但是哈希不能3、InnoDB 是页结构，B+ 树能天然适配页存储面试示例回答B+ 树是专门为磁盘存储设计的数据结构。在 MySQL 中，一个节点通常是 16KB，当我们查询时，每次 IO 会把整个节点读入内存。详情请参考：http://xhslink.com/o/e1Fu4WUJnR由浅入深分析1、为什么不是二叉树：太高、IO 次数多、查找慢。2、为什么不是 B 树：B 树每层都存数据，遍历效率低。...

楼主由于懒惰，大二下本该结束的黑马点评硬生生拖到了大三上，同时由于懒惰所以没找实习。目前只做到了点评的水平，八股只看了一半，据说今年客户端开发比较好，不知道是现在继续沉淀学习做别的更有水平的项目，还是学安卓开发往客户端转😇😭😭😭

昨天下午hr给我打了个电话约面试，双非本第一次面大厂 一面难度怎么样各位大佬 孩子算法还没怎么刷呢

传统数仓、数据库和分析系统，为业务提供了稳定的数据支持和决策依据。但当数据开始面对 LLM 时，就产生了一个全新的挑战：如何将企业数据转化为模型可感知、可检索、可执行的“上下文”。在企业 AI 系统中，这一过程通常经历三个关键环节：1. 数仓与数据库：提供干净、统一、结构化的业务数据。2. 搜索与 RAG：让模型能够快速、稳定地访问相关信息。3. 工作流与 Agent：将数据能力编排成可执行的任务，实现复杂业务的闭环。图中展示了这一链路的概览。通过这条链路，可以发现数据不再只是“给人看的”，而是成为 AI 执行的核心驱动力。一、从数仓到 LLM：数据“服务对象”的变化在之前的文章中（微信公众号...