一、 索引为什么是 B+ 树？在计算机科学中，有很多数据结构可以实现快速查找，比如哈希表、平衡二叉树、B 树。为什么 MySQL 最终选择了 B+ 树？1. 对比哈希表 (Hash)优势： O(1) 的查询速度，快到极致。劣势： 只能处理“等值查询”（where id = 1）。一旦遇到范围查询（where id > 10），哈希表就彻底废了，因为它内部是无序的。2. 对比二叉搜索树 (BST / AVL / 红黑树)劣势：树太高了。物理意义上的痛点： 数据库数据存在磁盘上。每经过一个树节点，都要进行一次磁盘 IO。如果数据有百万级，二叉树的高度可能是 20 层，意味着查一个数据要 20...

感觉我的简历在本科生中也不算差，面试的时候八股和算法只要不挖的太深都回答的上来，为什么老是被一面挂😭最近被一面挂麻了，即使问了面试官对我的印象说还不错也仍然被一面挂，真有点怀疑人生了😭

没有实习没有项目经历，还有弥补的方法了吗

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花MySQL的查询性能瓶颈大多集中在where条件的执行效率上，where条件决定了查询的过滤逻辑和数据扫描范围，合理优化where条件能显著减少扫描行数、提升查询速度。以下从索引使用、条件写法、无效查询规避、高级优化技巧四个维度，详细讲解where条件的优化方法，结合实操场景说明，确保可落地、易执行。一、核心优化：充分利用索引（重中之重）索引是where条件优化的核心，其本质是通过预设的有序结构，避免全表扫描，快速定位符合条件的数据。优化的关键的是让where条件中的字段命中...