参考
- 《高性能MySQL（第三版）》
- CyC2018/CS-Notes
- Snailclimb/JavaGuide
数据库系统原理
- 什么是事务？
事务是满足原子性、一致性、隔离性、持久性的一组操作，可以通过Commit提交一个事务，也可以使用Rollback回滚。 - 解释一下事务的四大特性。
– 原子性：事务不可分割，要么全部执行， 要么失败回滚
– 一致性：多个事务对同一个数据的读取结果是相同的，不能存在事务读取到旧数据
– 隔离性：一个事务所做的修改对其他事务是不可见的
– 持久性：事务提交之后，能够持久保存在数据库中，不丢失。 - 四大特性之间的关系是怎样的？
数据库需要满足一致性和持久性，一致性需要靠原子性和隔离性来保证。 - 数据库在并发情况下，会产生哪些问题？
在并发条件下如果没有保证隔离性会出现这些问题：
– 修改丢失：另一个事务的修改覆盖了当前的修改。
– 脏读：一个事务读取到了另一个事务的中间数据
– 不可重复读：由于另一个事务的修改导致当前事务对数据的多次读取结果不同。
– 幻影读：当前事务统计数据时，另一个事务插入或删除数据，导致多次统计结果不同。 - 事务有哪些隔离级别？
– 未提交读：没有隔离，会造成脏读、不可重复读、幻影读
– 提交读：其他事务提交后再读取，解决脏读问题
– 可重复读：对同一数据多次读取结果一致，解决不可重复读问题
– 可串行化：事务串行执行，不会存在并发一致性问题。 - InnoDB的隔离级别怎样，如何解决并发一致性问题？
InnoDB的隔离级别是可重复读，使用多版本并发控制解决可重复读问题，使用Next-Key lock解决幻影读问题。 - 介绍一下3种范式。
高一级的范式包括所有低级范式的规则
– 第一范式：属性不可分。表中每个字段不可以继续分解。
– 第二范式：非主属性完全依赖于键码。字段必须依赖于所有主键
– 第三范式：非主属性禁止传递函数依赖。可以继续分解。
MySQL
1. 基础内容
- 一条SQL命令的执行流程是怎样的？
客户端发送携带sql命令的请求，服务器进行语法解析和查询优化后，条用存储引擎的接口，存储引擎执行具体的查询操作，读取数据后返回。 - MyISAM与InnoDB引擎有什么区别？
MyISAM是MySQL5.5之前的默认引擎，提供了数据压缩，执行速度快，但不支持事务，只有表级锁，且崩溃后无法安全恢复。
InnoDB是MySQL5.5之后的默认引擎，支持事务、行级锁、外键，支持热备份。 - MySQL的数据类型有哪些？
整数：tinyint,smallint,mediumint,int,bigint
浮点数：float,double,decimal
字符串：char,varchar(变长)
时间日期：DateTime,TimeStamp
整数和浮点数按照需要进行选择，字符串一般选择varchar，日期时间一般选择TimeStamp
2. 索引
- 谈一下B+Tree的原理。
b+树图文详解
– 数据保存在叶子节点，非叶子节点只保存每个子节点的最大值，这样每次查询都需要达到叶子节点，性能稳定
– 叶子节点是有序的，并且在叶子节点使用指针连接形成链表，适合范围查询。 - MySQL的索引结构为什么使用B+树，而不是其他树形结构？
https://www.bilibili.com/read/cv5985933/
– 二叉查找树：不平衡，可能退化为链表
– 平衡二叉树：需要维护平衡状态，需要旋转操作，在删除数据时的旋转需要O(logn)的时间。
– 红黑树：不要求严格平衡，引入了颜色，在插入和删除数据时只需要O(1)的时间进行旋转即可；然而树太高，IO次数多，查询效率有所下降
– B树：将二叉树改为多路平衡查找树，解决了树过高的问题
– B+树：在B树的基础上，将非叶子节点改造为不存储数据的纯索引节点，进一步降低高度，同时将叶子节点用链表连起来，范围查询更加高效。 - MySQL有哪些索引类型？
– B+Tree索引：是InnoDB的默认索引类型。InnoDB的B+Tree索引分为主索引和辅助索引，主索引的叶子节点记录了完整的数据，称为聚簇索引，表中的记录就是通过聚簇索引组织的，辅助索引的叶子节点记录了主键的值，因此使用辅助索引时，先查到主键的值，然后通过主索引查到具体的数据。支持全值查找、范围查找和最左前缀查找
– 哈希索引：主要用于全值的精确查找
– 全文索引：查找文本中的关键词 - 使用索引与表的大小的关系？
对于比较小的表，可以直接使用全表扫描；
对于中到大型的表，使用索引就很有效；
对于特大型的表，可以使用分区技术。 - 什么时候使用索引？
– 在where子句中出现的列，可以考虑使用索引
– 数据唯一性差的字段不要使用索引，因为这样构造出来的B+树，很多很多关键字相等，在非叶子节点需要进行很多次的比较 - 应该怎样正确设置使用索引？
– 索引列是独立的，不能带函数或者是表达式的一部分
– 如果查询条件是多个列，那么可以使用多列的复合索引，其中区分度更高的列应该放在前面
– 索引覆盖查询，如果索引包含了需要查询的值，那么就不需要再从主索引中读取记录。 - 什么时候索引会失效？
– where子句中对索引列使用函数或表达式；
– 查询条件中有or，那么需要or左右的列都需要索引，否则不会使用索引；
– 存在隐式类型转换的，不会使用索引；
– 范围查询中以%开头；
– 复合索引中，如果不使用最左列，那么后续列也无法使用索引；
– mysql可能会对语句进行优化，优化后的语句可能不使用索引更快。
3. 优化
-
如何优化查询？
– 使用explain：查看select语句的查询类型，使用的索引，扫描的行数等
– 减少请求的数据量：只获取需要的列，使用limit获取需要的行
– 切分大查询，大的查询可能一次锁住很多数据，消耗资源
– 分解多表关联查询：将多表关联查询分解为单表查询，然后在应用层连接。这样可以让缓存更容易命中，减少数据库压力 -
如何进行大表优化？
可以对表进行切分，包括水平切分和垂直切分
– 水平切分：又称为Sharding，将记录拆分到多个结构相同的表中
– 垂直切分：可以将经常使用的列和不经常使用的列切分到不同的表中 -
如何进行水平切分?
哈希取模hash(key)%N；按照Id范围划分；自定义切分然后把记录和分表的映射关系储存到一张映射表中。 -
水平切分产生什么问题，怎么解决？
– 事务问题：InnoDB支持分布式事务
– 多表关联：拆分成单表查询，然后在应用程序层关联
– ID唯一性：全局ID，为每个分表指定一个ID范围，分布式id生成器 -
如何排查慢查询？
– 在config中开启慢查询日志
– 使用mysqldumpslow工具查看慢sql
– 使用show processlist查看线程运行状态
– 使用explain查看select语句的执行
Redis
- Redis为什么速度快？
– 大部分操作是基于内存的
– 使用单线程，避免了多线程竞争和上下文切换开销。
– 使用非阻塞IO - 介绍一下Redis单线程的工作模型。
redis 单线程的理解
首先多个Redis客户端是通过多个线程与Redis服务端建立socket连接，然后Redis对这些连接进行探测，查找出已经接收完客户端请求的连接，然后采用单线程的方式对请求数据进行处理，最后返回数据。 - Redis有哪些数据类型？
String、Hash、List、Set、SortedSet - SortedSet的底层实现？
少量数据使用ziplist，大量数据使用skiplist。skiplist是跳跃表，方便有序链表的搜索，相比于红黑树，实现简单，插入迅速。每个节点不仅有指向当前层下一个节点的指针，还有指向下一层元素的指针，查找时先从上层开始查找，这样可以跳过很多元素。 - Redis清除过期的key有哪些方式？
– 定期删除：默认每100ms，随机抽取一些设置了过期时间的key，检验其是否过期
– 惰性删除：查询时，如果key过期，则触发删除 - Redis有哪些key淘汰策略？
如果redis内存耗尽时，需要触发key的淘汰策略。
两个范围所有key，设置了过期时间的key。3种策略：LRU、LFU、RANDOM。组合得到6种，另外还有不淘汰，淘汰最快要过期的。一共8种。 - 谈一下Redis的持久化机制。
Redis有RDB快照和AOF文件两种持久化方案。RDB快照是每隔一段时间进行一次快照，文件较小。AOF记录每个写操作到AOF文件，类似于mysql的binlog。 - 什么是缓存雪崩、缓存穿透、缓存击穿，解决方案是什么？
– 缓存雪崩：同一时刻大量缓存失效，导致请求全部进入数据库，导致数据库大量负载而崩掉。正确设置数据过期时间，如随机过期时间，热点数据永不过期等。
– 缓存穿透：服务器接收到无效请求，缓存和数据库都没有数据，导致请求不断进入数据库，从而引起数据库压力过大。可以做参数校验拦截，也可以在缓存中放入值为空的键值对。
– 缓存击穿：如果一个热点数据过期，那么会有很多并发请求进入数据库，引起数据库压力瞬间增大。可以设置热点数据永不过期。
扫一扫
240
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
