MySql基礎知識與效能優化理解

數據庫基礎知識

爲什麼要使用數據庫

數據儲存在記憶體

優點：存取速度快

缺點：數據不能永久儲存

數據儲存在檔案

優點：數據永久儲存

缺點：1）速度比記憶體操作慢，頻繁的IO操作。2）查詢數據不方便

數據儲存在數據庫

1）數據永久儲存

2）使用SQL語句，查詢方便效率高。

3）管理數據方便

什麼是SQL？

結構化查詢語言(Structured Query Language)簡稱SQL，是一種數據庫查詢語言。

作用：用於存取數據、查詢、更新和管理關係數據庫系統。

什麼是MySQL?

MySQL是一個關係型數據庫管理系統，由瑞典MySQL AB 公司開發，屬於 Oracle 旗下產品。MySQL 是最流行的關係型數據庫管理系統之一，在 WEB 應用方面，MySQL是最好的 RDBMS (Relational Database Management System，關係數據庫管理系統) 應用軟體之一。在Java企業級開發中非常常用，因爲 MySQL 是開源免費的，並且方便擴充套件。

數據庫三大範式是什麼

第一範式：每個列都不可以再拆分。

第二範式：在第一範式的基礎上，非主鍵列完全依賴於主鍵，而不能是依賴於主鍵的一部分。

第三範式：在第二範式的基礎上，非主鍵列只依賴於主鍵，不依賴於其他非主鍵。

在設計數據庫結構的時候，要儘量遵守三範式，如果不遵守，必須有足夠的理由。比如效能。事實上我們經常會爲了效能而妥協數據庫的設計。

mysql有關許可權的表都有哪幾個

MySQL伺服器通過許可權表來控制使用者對數據庫的存取，許可權表存放在mysql數據庫裡，由mysql_install_db指令碼初始化。這些許可權表分別user，db，table_priv，columns_priv和host。下面下麪分別介紹一下這些表的結構和內容：

user許可權表：記錄允許連線到伺服器的使用者帳號資訊，裏面的許可權是全域性級的。
db許可權表：記錄各個帳號在各個數據庫上的操作許可權。
table_priv許可權表：記錄數據表級的操作許可權。
columns_priv許可權表：記錄數據列級的操作許可權。
host許可權表：配合db許可權表對給定主機上數據庫級操作許可權作更細緻的控制。這個許可權表不受GRANT和REVOKE語句的影響。

MySQL的binlog有有幾種錄入格式？分別有什麼區別？

有三種格式，statement，row和mixed。

statement模式下，每一條會修改數據的sql都會記錄在binlog中。不需要記錄每一行的變化，減少了binlog日誌量，節約了IO，提高效能。由於sql的執行是有上下文的，因此在儲存的時候需要儲存相關的資訊，同時還有一些使用了函數之類的語句無法被記錄複製。
row級別下，不記錄sql語句上下文相關資訊，僅儲存哪條記錄被修改。記錄單元爲每一行的改動，基本是可以全部記下來但是由於很多操作，會導致大量行的改動(比如alter table)，因此這種模式的檔案儲存的資訊太多，日誌量太大。
mixed，一種折中的方案，普通操作使用statement記錄，當無法使用statement的時候使用row。

此外，新版的MySQL中對row級別也做了一些優化，當表結構發生變化的時候，會記錄語句而不是逐行記錄。

數據型別

mysql有哪些數據型別

分類	型別名稱	說明
整數型別	tinyInt	很小的整數(8位元二進制)
	smallint	小的整數(16位元二進制)
	mediumint	中等大小的整數(24位元二進制)
	int(integer)	普通大小的整數(32位元二進制)
小數型別	float	單精度浮點數
	double	雙精度浮點數
	decimal(m,d)	壓縮嚴格的定點數
日期型別	year	YYYY 1901~2155
	time	HH:MM:SS -838:59:59~838:59:59
	date	YYYY-MM-DD 1000-01-01~9999-12-3
	datetime	YYYY-MM-DD HH:MM:SS 1000-01-01 00:00:00~ 9999-12-31 23:59:59
	timestamp	YYYY-MM-DD HH:MM:SS 19700101 00:00:01 UTC~2038-01-19 03:14:07UTC
文字、二進制型別	CHAR(M)	M爲0~255之間的整數
	VARCHAR(M)	M爲0~65535之間的整數
	TINYBLOB	允許長度0~255位元組
	BLOB	允許長度0~65535位元組
	MEDIUMBLOB	允許長度0~167772150位元組
	LONGBLOB	允許長度0~4294967295位元組
	TINYTEXT	允許長度0~255位元組
	TEXT	允許長度0~65535位元組
	MEDIUMTEXT	允許長度0~167772150位元組
	LONGTEXT	允許長度0~4294967295位元組
	VARBINARY(M)	允許長度0~M個位元組的變長位元組字串
	BINARY(M)	允許長度0~M個位元組的定長位元組字串

1、整數型別，包括TINYINT、SMALLINT、MEDIUMINT、INT、BIGINT，分別表示1位元組、2位元組、3位元組、4位元組、8位元組整數。任何整數型別都可以加上UNSIGNED屬性，表示數據是無符號的，即非負整數。
長度：整數型別可以被指定長度，例如：INT(11)表示長度爲11的INT型別。長度在大多數場景是沒有意義的，它不會限制值的合法範圍，只會影響顯示字元的個數，而且需要和UNSIGNED ZEROFILL屬性配合使用纔有意義。
例子，假定型別設定爲INT(5)，屬性爲UNSIGNED ZEROFILL，如果使用者插入的數據爲12的話，那麼數據庫實際儲存數據爲00012。
2、實數型別，包括FLOAT、DOUBLE、DECIMAL。
DECIMAL可以用於儲存比BIGINT還大的整型，能儲存精確的小數。
而FLOAT和DOUBLE是有取值範圍的，並支援使用標準的浮點進行近似計算。
計算時FLOAT和DOUBLE相比DECIMAL效率更高一些，DECIMAL你可以理解成是用字串進行處理。
3、字串型別，包括VARCHAR、CHAR、TEXT、BLOB
VARCHAR用於儲存可變長字串，它比定長型別更節省空間。
VARCHAR使用額外1或2個位元組儲存字串長度。列長度小於255位元組時，使用1位元組表示，否則使用2位元組表示。
VARCHAR儲存的內容超出設定的長度時，內容會被截斷。
CHAR是定長的，根據定義的字串長度分配足夠的空間。
CHAR會根據需要使用空格進行填充方便比較。
CHAR適合儲存很短的字串，或者所有值都接近同一個長度。
CHAR儲存的內容超出設定的長度時，內容同樣會被截斷。

使用策略：
對於經常變更的數據來說，CHAR比VARCHAR更好，因爲CHAR不容易產生碎片。
對於非常短的列，CHAR比VARCHAR在儲存空間上更有效率。
使用時要注意只分配需要的空間，更長的列排序時會消耗更多記憶體。
儘量避免使用TEXT/BLOB型別，查詢時會使用臨時表，導致嚴重的效能開銷。
4、列舉型別（ENUM），把不重複的數據儲存爲一個預定義的集合。
有時可以使用ENUM代替常用的字串型別。
ENUM儲存非常緊湊，會把列表值壓縮到一個或兩個位元組。
ENUM在內部儲存時，其實存的是整數。
儘量避免使用數位作爲ENUM列舉的常數，因爲容易混亂。
排序是按照內部儲存的整數
5、日期和時間型別，儘量使用timestamp，空間效率高於datetime，
用整數儲存時間戳通常不方便處理。
如果需要儲存微妙，可以使用bigint儲存。
看到這裏，這道真題是不是就比較容易回答了。

引擎

MySQL儲存引擎MyISAM與InnoDB區別

儲存引擎Storage engine：MySQL中的數據、索引以及其他物件是如何儲存的，是一套檔案系統的實現。

常用的儲存引擎有以下：

Innodb引擎：Innodb引擎提供了對數據庫ACID事務的支援。並且還提供了行級鎖和外來鍵的約束。它的設計的目標就是處理大數據容量的數據庫系統。
MyIASM引擎(原本Mysql的預設引擎)：不提供事務的支援，也不支援行級鎖和外來鍵。
MEMORY引擎：所有的數據都在記憶體中，數據的處理速度快，但是安全性不高。

MyISAM與InnoDB區別

	MyISAM	Innodb
儲存結構	每張表被存放在三個檔案：frm-表格定義、MYD(MYData)-數據檔案、MYI(MYIndex)-索引檔案	所有的表都儲存在同一個數據檔案中（也可能是多個檔案，或者是獨立的表空間檔案），InnoDB表的大小隻受限於操作系統檔案的大小，一般爲2GB
儲存空間	MyISAM可被壓縮，儲存空間較小	InnoDB的表需要更多的記憶體和儲存，它會在主記憶體中建立其專用的緩衝池用於高速緩衝數據和索引
可移植性、備份及恢復	由於MyISAM的數據是以檔案的形式儲存，所以在跨平臺的數據轉移中會很方便。在備份和恢復時可單獨針對某個表進行操作	免費的方案可以是拷貝數據檔案、備份 binlog，或者用 mysqldump，在數據量達到幾十G的時候就相對痛苦了
檔案格式	數據和索引是分別儲存的，數據`.MYD`，索引`.MYI`	數據和索引是集中儲存的，`.ibd`
記錄儲存順序	按記錄插入順序儲存	按主鍵大小有序插入
外來鍵	不支援	支援
事務	不支援	支援
鎖支援（鎖是避免資源爭用的一個機制機製，MySQL鎖對使用者幾乎是透明的）	表級鎖定	行級鎖定、表級鎖定，鎖定力度小併發能力高
SELECT	MyISAM更優
INSERT、UPDATE、DELETE		InnoDB更優
select count(*)	myisam更快，因爲myisam內部維護了一個計數器，可以直接調取。
索引的實現方式	B+樹索引，myisam 是堆表	B+樹索引，Innodb 是索引組織表
雜湊索引	不支援	支援
全文索引	支援	不支援

MyISAM索引與InnoDB索引的區別？

InnoDB索引是聚簇索引，MyISAM索引是非聚簇索引。
InnoDB的主鍵索引的葉子節點儲存着行數據，因此主鍵索引非常高效。
MyISAM索引的葉子節點儲存的是行數據地址，需要再定址一次才能纔能得到數據。
InnoDB非主鍵索引的葉子節點儲存的是主鍵和其他帶索引的列數據，因此查詢時做到覆蓋索引會非常高效。

InnoDB引擎的4大特性

插入緩衝（insert buffer)
二次寫(double write)
自適應雜湊索引(ahi)
預讀(read ahead)

儲存引擎選擇

如果沒有特別的需求，使用預設的Innodb即可。

MyISAM：以讀寫插入爲主的應用程式，比如部落格系統、新聞入口網站。

Innodb：更新（刪除）操作頻率也高，或者要保證數據的完整性；併發量高，支援事務和外來鍵。比如OA自動化辦公系統。

索引

什麼是索引？

索引是一種特殊的檔案(InnoDB數據表上的索引是表空間的一個組成部分)，它們包含着對數據表裏所有記錄的參照指針。

索引是一種數據結構。數據庫索引，是數據庫管理系統中一個排序的數據結構，以協助快速查詢、更新數據庫表中數據。索引的實現通常使用B樹及其變種B+樹。

更通俗的說，索引就相當於目錄。爲了方便查詢書中的內容，通過對內容建立索引形成目錄。索引是一個檔案，它是要佔據物理空間的。

索引有哪些優缺點？

索引的優點

可以大大加快數據的檢索速度，這也是建立索引的最主要的原因。
通過使用索引，可以在查詢的過程中，使用優化隱藏器，提高系統的效能。

索引的缺點

時間方面：建立索引和維護索引要耗費時間，具體地，當對錶中的數據進行增加、刪除和修改的時候，索引也要動態的維護，會降低增/改/刪的執行效率；
空間方面：索引需要佔物理空間。

索引使用場景（重點）

where

上圖中，根據id查詢記錄，因爲id欄位僅建立了主鍵索引，因此此SQL執行可選的索引只有主鍵索引，如果有多個，最終會選一個較優的作爲檢索的依據。

-- 增加一個沒有建立索引的欄位
alter table innodb1 add sex char(1);
-- 按sex檢索時可選的索引爲null
EXPLAIN SELECT * from innodb1 where sex='男';

可以嘗試在一個欄位未建立索引時，根據該欄位查詢的效率，然後對該欄位建立索引（alter table 表名 add index(欄位名)），同樣的SQL執行的效率，你會發現查詢效率會有明顯的提升（數據量越大越明顯）。

order by

當我們使用order by將查詢結果按照某個欄位排序時，如果該欄位沒有建立索引，那麼執行計劃會將查詢出的所有數據使用外部排序（將數據從硬碟分批讀取到記憶體使用內部排序，最後合併排序結果），這個操作是很影響效能的，因爲需要將查詢涉及到的所有數據從磁碟中讀到記憶體（如果單條數據過大或者數據量過多都會降低效率），更無論讀到記憶體之後的排序了。

但是如果我們對該欄位建立索引alter table 表名 add index(欄位名)，那麼由於索引本身是有序的，因此直接按照索引的順序和對映關係逐條取出數據即可。而且如果分頁的，那麼只用取出索引表某個範圍內的索引對應的數據，而不用像上述那取出所有數據進行排序再返回某個範圍內的數據。（從磁碟取數據是最影響效能的）

join

對join語句匹配關係（on）涉及的欄位建立索引能夠提高效率

索引覆蓋

如果要查詢的欄位都建立過索引，那麼引擎會直接在索引表中查詢而不會存取原始數據（否則只要有一個欄位沒有建立索引就會做全表掃描），這叫索引覆蓋。因此我們需要儘可能的在select後只寫必要的查詢欄位，以增加索引覆蓋的機率。

這裏值得注意的是不要想着爲每個欄位建立索引，因爲優先使用索引的優勢就在於其體積小。

索引有哪幾種類型？

主鍵索引: 數據列不允許重複，不允許爲NULL，一個表只能有一個主鍵。

唯一索引: 數據列不允許重複，允許爲NULL值，一個表允許多個列建立唯一索引。

可以通過 ALTER TABLE table_name ADD UNIQUE (column); 建立唯一索引
可以通過 ALTER TABLE table_name ADD UNIQUE (column1,column2); 建立唯一組合索引

普通索引: 基本的索引型別，沒有唯一性的限制，允許爲NULL值。

可以通過ALTER TABLE table_name ADD INDEX index_name (column);建立普通索引
可以通過ALTER TABLE table_name ADD INDEX index_name(column1, column2, column3);建立組合索引

全文索引： 是目前搜尋引擎使用的一種關鍵技術。

可以通過ALTER TABLE table_name ADD FULLTEXT (column);建立全文索引

索引的數據結構（b樹，hash）

索引的數據結構和具體儲存引擎的實現有關，在MySQL中使用較多的索引有Hash索引，B+樹索引等，而我們經常使用的InnoDB儲存引擎的預設索引實現爲：B+樹索引。對於雜湊索引來說，底層的數據結構就是雜湊表，因此在絕大多數需求爲單條記錄查詢的時候，可以選擇雜湊索引，查詢效能最快；其餘大部分場景，建議選擇BTree索引。

1）B樹索引

mysql通過儲存引擎取數據，基本上90%的人用的就是InnoDB了，按照實現方式分，InnoDB的索引型別目前只有兩種：BTREE（B樹）索引和HASH索引。B樹索引是Mysql數據庫中使用最頻繁的索引型別，基本所有儲存引擎都支援BTree索引。通常我們說的索引不出意外指的就是（B樹）索引（實際是用B+樹實現的，因爲在檢視錶索引時，mysql一律列印BTREE，所以簡稱爲B樹索引）

查詢方式：

主鍵索引區:PI(關聯儲存的時數據的地址)按主鍵查詢,

普通索引區:si(關聯的id的地址,然後再到達上面的地址)。所以按主鍵查詢,速度最快

B+tree性質：

1.）n棵子tree的節點包含n個關鍵字，不用來儲存數據而是儲存數據的索引。

2.）所有的葉子結點中包含了全部關鍵字的資訊，及指向含這些關鍵字記錄的指針，且葉子結點本身依關鍵字的大小自小而大順序鏈接。

3.）所有的非終端結點可以看成是索引部分，結點中僅含其子樹中的最大（或最小）關鍵字。

4.）B+ 樹中，數據物件的插入和刪除僅在葉節點上進行。

5.）B+樹有2個頭指針，一個是樹的根節點，一個是最小關鍵碼的葉節點。

2）雜湊索引

簡要說下，類似於數據結構中簡單實現的HASH表（雜湊表）一樣，當我們在mysql中用雜湊索引時，主要就是通過Hash演算法（常見的Hash演算法有直接定址法、平方取中法、摺疊法、除數取餘法、亂數法），將數據庫欄位數據轉換成定長的Hash值，與這條數據的行指針一併存入Hash表的對應位置；如果發生Hash碰撞（兩個不同關鍵字的Hash值相同），則在對應Hash鍵下以鏈表形式儲存。當然這只是簡略模擬圖。

索引的基本原理

索參照來快速地尋找那些具有特定值的記錄。如果沒有索引，一般來說執行查詢時遍歷整張表。

索引的原理很簡單，就是把無序的數據變成有序的查詢

把建立了索引的列的內容進行排序
對排序結果生成倒排表
在倒排表內容上拼上數據地址鏈
在查詢的時候，先拿到倒排表內容，再取出數據地址鏈，從而拿到具體數據

索引演算法有哪些？

索引演算法有 BTree演算法和Hash演算法

BTree演算法

BTree是最常用的mysql數據庫索引演算法，也是mysql預設的演算法。因爲它不僅可以被用在=,>,>=,<,<=和between這些比較操作符上，而且還可以用於like操作符，只要它的查詢條件是一個不以萬用字元開頭的常數，例如：

-- 只要它的查詢條件是一個不以萬用字元開頭的常數
select * from user where name like 'jack%'; 
-- 如果一萬用字元開頭，或者沒有使用常數，則不會使用索引，例如： 
select * from user where name like '%jack';

Hash演算法

Hash Hash索引只能用於對等比較，例如=,<=>（相當於=）操作符。由於是一次定位數據，不像BTree索引需要從根節點到枝節點，最後才能纔能存取到頁節點這樣多次IO存取，所以檢索效率遠高於BTree索引。

索引設計的原則？

適合索引的列是出現在where子句中的列，或者連線子句中指定的列
基數較小的類，索引效果較差，沒有必要在此列建立索引
使用短索引，如果對長字串列進行索引，應該指定一個字首長度，這樣能夠節省大量索引空間
不要過度索引。索引需要額外的磁碟空間，並降低寫操作的效能。在修改表內容的時候，索引會進行更新甚至重構，索引列越多，這個時間就會越長。所以只保持需要的索引有利於查詢即可。

建立索引的原則（重中之重）

索引雖好，但也不是無限制的使用，最好符合一下幾個原則

1）最左字首匹配原則，組合索引非常重要的原則，mysql會一直向右匹配直到遇到範圍查詢(>、<、between、like)就停止匹配，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)順序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引則都可以用到，a,b,d的順序可以任意調整。

2）較頻繁作爲查詢條件的欄位纔去建立索引

3）更新頻繁欄位不適合建立索引

4）若是不能有效區分數據的列不適合做索引列(如性別，男女未知，最多也就三種，區分度實在太低)

5）儘量的擴充套件索引，不要新建索引。比如表中已經有a的索引，現在要加(a,b)的索引，那麼只需要修改原來的索引即可。

6）定義有外來鍵的數據列一定要建立索引。

7）對於那些查詢中很少涉及的列，重複值比較多的列不要建立索引。

8）對於定義爲text、image和bit的數據型別的列不要建立索引。

建立索引的三種方式，刪除索引

第一種方式：在執行CREATE TABLE時建立索引

CREATE TABLE user_index2 (
	id INT auto_increment PRIMARY KEY,
	first_name VARCHAR (16),
	last_name VARCHAR (16),
	id_card VARCHAR (18),
	information text,
	KEY name (first_name, last_name),
	FULLTEXT KEY (information),
	UNIQUE KEY (id_card)
);

第二種方式：使用ALTER TABLE命令去增加索引

ALTER TABLE table_name ADD INDEX index_name (column_list);

ALTER TABLE用來建立普通索引、UNIQUE索引或PRIMARY KEY索引。

其中table_name是要增加索引的表名，column_list指出對哪些列進行索引，多列時各列之間用逗號分隔。

索引名index_name可自己命名，預設時，MySQL將根據第一個索引列賦一個名稱。另外，ALTER TABLE允許在單個語句中更改多個表，因此可以在同時建立多個索引。

第三種方式：使用CREATE INDEX命令建立

CREATE INDEX index_name ON table_name (column_list);

CREATE INDEX可對錶增加普通索引或UNIQUE索引。（但是，不能建立PRIMARY KEY索引）

刪除索引

根據索引名刪除普通索引、唯一索引、全文索引：alter table 表名 drop KEY 索引名

alter table user_index drop KEY name;
alter table user_index drop KEY id_card;
alter table user_index drop KEY information;

刪除主鍵索引：alter table 表名 drop primary key（因爲主鍵只有一個）。這裏值得注意的是，如果主鍵自增長，那麼不能直接執行此操作（自增長依賴於主鍵索引）：

需要取消自增長再行刪除：

alter table user_index
-- 重新定義欄位
MODIFY id int,
drop PRIMARY KEY

但通常不會刪除主鍵，因爲設計主鍵一定與業務邏輯無關。

建立索引時需要注意什麼？

非空欄位：應該指定列爲NOT NULL，除非你想儲存NULL。在mysql中，含有空值的列很難進行查詢優化，因爲它們使得索引、索引的統計資訊以及比較運算更加複雜。你應該用0、一個特殊的值或者一個空串代替空值；
取值離散大的欄位：（變數各個取值之間的差異程度）的列放到聯合索引的前面，可以通過count()函數檢視欄位的差異值，返回值越大說明欄位的唯一值越多欄位的離散程度高；
索引欄位越小越好：數據庫的數據儲存以頁爲單位一頁儲存的數據越多一次IO操作獲取的數據越大效率越高。

使用索引查詢一定能提高查詢的效能嗎？爲什麼

通常，通過索引查詢數據比全表掃描要快。但是我們也必須注意到它的代價。

索引需要空間來儲存，也需要定期維護，每當有記錄在表中增減或索引列被修改時，索引本身也會被修改。這意味着每條記錄的INSERT，DELETE，UPDATE將爲此多付出4，5 次的磁碟I/O。因爲索引需要額外的儲存空間和處理，那些不必要的索引反而會使查詢反應時間變慢。使用索引查詢不一定能提高查詢效能，索引範圍查詢(INDEX RANGE SCAN)適用於兩種情況:
基於一個範圍的檢索，一般查詢返回結果集小於表中記錄數的30%
基於非唯一性索引的檢索

百萬級別或以上的數據如何刪除

關於索引：由於索引需要額外的維護成本，因爲索引檔案是單獨存在的檔案,所以當我們對數據的增加,修改,刪除,都會產生額外的對索引檔案的操作,這些操作需要消耗額外的IO,會降低增/改/刪的執行效率。所以，在我們刪除數據庫百萬級別數據的時候，查詢MySQL官方手冊得知刪除數據的速度和建立的索引數量是成正比的。

所以我們想要刪除百萬數據的時候可以先刪除索引（此時大概耗時三分多鐘）
然後刪除其中無用數據（此過程需要不到兩分鐘）
刪除完成後重新建立索引(此時數據較少了)建立索引也非常快，約十分鐘左右。
與之前的直接刪除絕對是要快速很多，更別說萬一刪除中斷,一切刪除會回滾。那更是坑了。

字首索引

語法：index(field(10))，使用欄位值的前10個字元建立索引，預設是使用欄位的全部內容建立索引。

前提：字首的標識度高。比如密碼就適合建立字首索引，因爲密碼幾乎各不相同。

實操的難度：在於字首擷取的長度。

我們可以利用select count(*)/count(distinct left(password,prefixLen));，通過從調整prefixLen的值（從1自增）檢視不同字首長度的一個平均匹配度，接近1時就可以了（表示一個密碼的前prefixLen個字元幾乎能確定唯一一條記錄）

什麼是最左字首原則？什麼是最左匹配原則

顧名思義，就是最左優先，在建立多列索引時，要根據業務需求，where子句中使用最頻繁的一列放在最左邊。
最左字首匹配原則，非常重要的原則，mysql會一直向右匹配直到遇到範圍查詢(>、<、between、like)就停止匹配，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)順序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引則都可以用到，a,b,d的順序可以任意調整。
=和in可以亂序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序，mysql的查詢優化器會幫你優化成索引可以識別的形式

B樹和B+樹的區別

在B樹中，你可以將鍵和值存放在內部節點和葉子節點；但在B+樹中，內部節點都是鍵，沒有值，葉子節點同時存放鍵和值。
B+樹的葉子節點有一條鏈相連，而B樹的葉子節點各自獨立。

使用B樹的好處

B樹可以在內部節點同時儲存鍵和值，因此，把頻繁存取的數據放在靠近根節點的地方將會大大提高熱點數據的查詢效率。這種特性使得B樹在特定數據重複多次查詢的場景中更加高效。

使用B+樹的好處

由於B+樹的內部節點只存放鍵，不存放值，因此，一次讀取，可以在記憶體頁中獲取更多的鍵，有利於更快地縮小查詢範圍。 B+樹的葉節點由一條鏈相連，因此，當需要進行一次全數據遍歷的時候，B+樹只需要使用O(logN)時間找到最小的一個節點，然後通過鏈進行O(N)的順序遍歷即可。而B樹則需要對樹的每一層進行遍歷，這會需要更多的記憶體置換次數，因此也就需要花費更多的時間

Hash索引和B+樹所有有什麼區別或者說優劣呢?

首先要知道Hash索引和B+樹索引的底層實現原理：

hash索引底層就是hash表，進行查詢時，呼叫一次hash函數就可以獲取到相應的鍵值，之後進行回表查詢獲得實際數據。B+樹底層實現是多路平衡查詢樹。對於每一次的查詢都是從根節點出發，查詢到葉子節點方可以獲得所查鍵值，然後根據查詢判斷是否需要回表查詢數據。

那麼可以看出他們有以下的不同：

hash索引進行等值查詢更快(一般情況下)，但是卻無法進行範圍查詢。

因爲在hash索引中經過hash函數建立索引之後，索引的順序與原順序無法保持一致，不能支援範圍查詢。而B+樹的的所有節點皆遵循(左節點小於父節點，右節點大於父節點，多叉樹也類似)，天然支援範圍。

hash索引不支援使用索引進行排序，原理同上。
hash索引不支援模糊查詢以及多列索引的最左字首匹配。原理也是因爲hash函數的不可預測。AAAA和AAAAB的索引沒有相關性。
hash索引任何時候都避免不了回表查詢數據，而B+樹在符合某些條件(聚簇索引，覆蓋索引等)的時候可以只通過索引完成查詢。
hash索引雖然在等值查詢上較快，但是不穩定。效能不可預測，當某個鍵值存在大量重複的時候，發生hash碰撞，此時效率可能極差。而B+樹的查詢效率比較穩定，對於所有的查詢都是從根節點到葉子節點，且樹的高度較低。

因此，在大多數情況下，直接選擇B+樹索引可以獲得穩定且較好的查詢速度。而不需要使用hash索引。

數據庫爲什麼使用B+樹而不是B樹

B樹只適合隨機檢索，而B+樹同時支援隨機檢索和順序檢索；
B+樹空間利用率更高，可減少I/O次數，磁碟讀寫代價更低。一般來說，索引本身也很大，不可能全部儲存在記憶體中，因此索引往往以索引檔案的形式儲存的磁碟上。這樣的話，索引查詢過程中就要產生磁碟I/O消耗。B+樹的內部結點並沒有指向關鍵字具體資訊的指針，只是作爲索引使用，其內部結點比B樹小，盤塊能容納的結點中關鍵字數量更多，一次性讀入記憶體中可以查詢的關鍵字也就越多，相對的，IO讀寫次數也就降低了。而IO讀寫次數是影響索引檢索效率的最大因素；
B+樹的查詢效率更加穩定。B樹搜尋有可能會在非葉子結點結束，越靠近根節點的記錄查詢時間越短，只要找到關鍵字即可確定記錄的存在，其效能等價於在關鍵字全集內做一次二分查詢。而在B+樹中，順序檢索比較明顯，隨機檢索時，任何關鍵字的查詢都必須走一條從根節點到葉節點的路，所有關鍵字的查詢路徑長度相同，導致每一個關鍵字的查詢效率相當。
B-樹在提高了磁碟IO效能的同時並沒有解決元素遍歷的效率低下的問題。B+樹的葉子節點使用指針順序連線在一起，只要遍歷葉子節點就可以實現整棵樹的遍歷。而且在數據庫中基於範圍的查詢是非常頻繁的，而B樹不支援這樣的操作。
增刪檔案（節點）時，效率更高。因爲B+樹的葉子節點包含所有關鍵字，並以有序的鏈表結構儲存，這樣可很好提高增刪效率。

B+樹在滿足聚簇索引和覆蓋索引的時候不需要回表查詢數據，

在B+樹的索引中，葉子節點可能儲存了當前的key值，也可能儲存了當前的key值以及整行的數據，這就是聚簇索引和非聚簇索引。在InnoDB中，只有主鍵索引是聚簇索引，如果沒有主鍵，則挑選一個唯一鍵建立聚簇索引。如果沒有唯一鍵，則隱式的生成一個鍵來建立聚簇索引。

當查詢使用聚簇索引時，在對應的葉子節點，可以獲取到整行數據，因此不用再次進行回表查詢。

什麼是聚簇索引？何時使用聚簇索引與非聚簇索引

聚簇索引：將數據儲存與索引放到了一塊，找到索引也就找到了數據
非聚簇索引：將數據儲存於索引分開結構，索引結構的葉子節點指向了數據的對應行，myisam通過key_buffer把索引先快取到記憶體中，當需要存取數據時（通過索引存取數據），在記憶體中直接搜尋索引，然後通過索引找到磁碟相應數據，這也就是爲什麼索引不在key buffer命中時，速度慢的原因

澄清一個概念：innodb中，在聚簇索引之上建立的索引稱之爲輔助索引，輔助索引存取數據總是需要二次查詢，非聚簇索引都是輔助索引，像複合索引、字首索引、唯一索引，輔助索引葉子節點儲存的不再是行的物理位置，而是主鍵值

何時使用聚簇索引與非聚簇索引

非聚簇索引一定會回表查詢嗎？

不一定，這涉及到查詢語句所要求的欄位是否全部命中了索引，如果全部命中了索引，那麼就不必再進行回表查詢。

舉個簡單的例子，假設我們在員工表的年齡上建立了索引，那麼當進行select age from employee where age < 20的查詢時，在索引的葉子節點上，已經包含了age資訊，不會再次進行回表查詢。

聯合索引是什麼？爲什麼需要注意聯合索引中的順序？

MySQL可以使用多個欄位同時建立一個索引，叫做聯合索引。在聯合索引中，如果想要命中索引，需要按照建立索引時的欄位順序挨個使用，否則無法命中索引。

具體原因爲:

MySQL使用索引時需要索引有序，假設現在建立了"name，age，school"的聯合索引，那麼索引的排序爲: 先按照name排序，如果name相同，則按照age排序，如果age的值也相等，則按照school進行排序。

當進行查詢時，此時索引僅僅按照name嚴格有序，因此必須首先使用name欄位進行等值查詢，之後對於匹配到的列而言，其按照age欄位嚴格有序，此時可以使用age欄位用做索引查詢，以此類推。因此在建立聯合索引的時候應該注意索引列的順序，一般情況下，將查詢需求頻繁或者欄位選擇性高的列放在前面。此外可以根據特例的查詢或者表結構進行單獨的調整。

事務

什麼是數據庫事務？

事務是一個不可分割的數據庫操作序列，也是數據庫併發控制的基本單位，其執行的結果必須使數據庫從一種一致性狀態變到另一種一致性狀態。事務是邏輯上的一組操作，要麼都執行，要麼都不執行。

事務最經典也經常被拿出來說例子就是轉賬了。

假如小明要給小紅轉賬1000元，這個轉賬會涉及到兩個關鍵操作就是：將小明的餘額減少1000元，將小紅的餘額增加1000元。萬一在這兩個操作之間突然出現錯誤比如銀行系統崩潰，導致小明餘額減少而小紅的餘額沒有增加，這樣就不對了。事務就是保證這兩個關鍵操作要麼都成功，要麼都要失敗。

事物的四大特性(ACID)介紹一下?

關係性數據庫需要遵循ACID規則，具體內容如下：

事务的特性

原子性： 事務是最小的執行單位，不允許分割。事務的原子性確保動作要麼全部完成，要麼完全不起作用；
一致性： 執行事務前後，數據保持一致，多個事務對同一個數據讀取的結果是相同的；
隔離性： 併發存取數據庫時，一個使用者的事務不被其他事務所幹擾，各併發事務之間數據庫是獨立的；
永續性： 一個事務被提交之後。它對數據庫中數據的改變是持久的，即使數據庫發生故障也不應該對其有任何影響。

什麼是髒讀？幻讀？不可重複讀？

髒讀(Drity Read)：某個事務已更新一份數據，另一個事務在此時讀取了同一份數據，由於某些原因，前一個RollBack了操作，則後一個事務所讀取的數據就會是不正確的。
不可重複讀(Non-repeatable read):在一個事務的兩次查詢之中數據不一致，這可能是兩次查詢過程中間插入了一個事務更新的原有的數據。
幻讀(Phantom Read):在一個事務的兩次查詢中數據筆數不一致，例如有一個事務查詢了幾列(Row)數據，而另一個事務卻在此時插入了新的幾列數據，先前的事務在接下來的查詢中，就會發現有幾列數據是它先前所沒有的。

什麼是事務的隔離級別？MySQL的預設隔離級別是什麼？

爲了達到事務的四大特性，數據庫定義了4種不同的事務隔離級別，由低到高依次爲Read uncommitted、Read committed、Repeatable read、Serializable，這四個級別可以逐個解決髒讀、不可重複讀、幻讀這幾類問題。

隔離級別	髒讀	不可重複讀	幻影讀
READ-UNCOMMITTED	√	√	√
READ-COMMITTED	×	√	√
REPEATABLE-READ	×	×	√
SERIALIZABLE	×	×	×

SQL 標準定義了四個隔離級別：

READ-UNCOMMITTED(讀取未提交)： 最低的隔離級別，允許讀取尚未提交的數據變更，可能會導致髒讀、幻讀或不可重複讀。
READ-COMMITTED(讀取已提交)： 允許讀取併發事務已經提交的數據，可以阻止髒讀，但是幻讀或不可重複讀仍有可能發生。
REPEATABLE-READ(可重複讀)： 對同一欄位的多次讀取結果都是一致的，除非數據是被本身事務自己所修改，可以阻止髒讀和不可重複讀，但幻讀仍有可能發生。
SERIALIZABLE(可序列化)： 最高的隔離級別，完全服從ACID的隔離級別。所有的事務依次逐個執行，這樣事務之間就完全不可能產生幹擾，也就是說，該級別可以防止髒讀、不可重複讀以及幻讀。

這裏需要注意的是：Mysql 預設採用的 REPEATABLE_READ隔離級別 Oracle 預設採用的 READ_COMMITTED隔離級別

事務隔離機制機製的實現基於鎖機制機製和併發排程。其中併發排程使用的是MVVC（多版本併發控制），通過儲存修改的舊版本資訊來支援併發一致性讀和回滾等特性。

因爲隔離級別越低，事務請求的鎖越少，所以大部分數據庫系統的隔離級別都是READ-COMMITTED(讀取提交內容):，但是你要知道的是InnoDB 儲存引擎預設使用 **REPEATABLE-READ（可重讀）**並不會有任何效能損失。

InnoDB 儲存引擎在 分佈式事務 的情況下一般會用到**SERIALIZABLE(可序列化)**隔離級別。

鎖

對MySQL的鎖瞭解嗎

當數據庫有併發事務的時候，可能會產生數據的不一致，這時候需要一些機制機製來保證存取的次序，鎖機制機製就是這樣的一個機制機製。

就像酒店的房間，如果大家隨意進出，就會出現多人搶奪同一個房間的情況，而在房間上裝上鎖，申請到鑰匙的人纔可以入住並且將房間鎖起來，其他人只有等他使用完畢纔可以再次使用。

隔離級別與鎖的關係

在Read Uncommitted級別下，讀取數據不需要加共用鎖，這樣就不會跟被修改的數據上的排他鎖衝突

在Read Committed級別下，讀操作需要加共用鎖，但是在語句執行完以後釋放共用鎖；

在Repeatable Read級別下，讀操作需要加共用鎖，但是在事務提交之前並不釋放共用鎖，也就是必須等待事務執行完畢以後才釋放共用鎖。

SERIALIZABLE 是限制性最強的隔離級別，因爲該級別鎖定整個範圍的鍵，並一直持有鎖，直到事務完成。

按照鎖的粒度分數據庫鎖有哪些？鎖機制機製與InnoDB鎖演算法

在關係型數據庫中，可以按照鎖的粒度把數據庫鎖分爲行級鎖(INNODB引擎)、表級鎖(MYISAM引擎)和頁級鎖(BDB引擎 )。

MyISAM和InnoDB儲存引擎使用的鎖：

MyISAM採用表級鎖(table-level locking)。
InnoDB支援行級鎖(row-level locking)和表級鎖，預設爲行級鎖

行級鎖，表級鎖和頁級鎖對比

行級鎖 行級鎖是Mysql中鎖定粒度最細的一種鎖，表示只針對當前操作的行進行加鎖。行級鎖能大大減少數據庫操作的衝突。其加鎖粒度最小，但加鎖的開銷也最大。行級鎖分爲共用鎖和排他鎖。

特點：開銷大，加鎖慢；會出現死鎖；鎖定粒度最小，發生鎖衝突的概率最低，併發度也最高。

表級鎖 表級鎖是MySQL中鎖定粒度最大的一種鎖，表示對當前操作的整張表加鎖，它實現簡單，資源消耗較少，被大部分MySQL引擎支援。最常使用的MYISAM與INNODB都支援表級鎖定。表級鎖定分爲表共用讀鎖（共用鎖）與表獨佔寫鎖（排他鎖）。

特點：開銷小，加鎖快；不會出現死鎖；鎖定粒度大，發出鎖衝突的概率最高，併發度最低。

頁級鎖 頁級鎖是MySQL中鎖定粒度介於行級鎖和表級鎖中間的一種鎖。表級鎖速度快，但衝突多，行級衝突少，但速度慢。所以取了折衷的頁級，一次鎖定相鄰的一組記錄。

特點：開銷和加鎖時間界於表鎖和行鎖之間；會出現死鎖；鎖定粒度界於表鎖和行鎖之間，併發度一般

從鎖的類別上分MySQL都有哪些鎖呢？像上面那樣子進行鎖定豈不是有點阻礙併發效率了

從鎖的類別上來講，有共用鎖和排他鎖。

共用鎖: 又叫做讀鎖。當使用者要進行數據的讀取時，對數據加上共用鎖。共用鎖可以同時加上多個。

排他鎖: 又叫做寫鎖。當使用者要進行數據的寫入時，對數據加上排他鎖。排他鎖只可以加一個，他和其他的排他鎖，共用鎖都相斥。

用上面的例子來說就是使用者的行爲有兩種，一種是來看房，多個使用者一起看房是可以接受的。一種是真正的入住一晚，在這期間，無論是想入住的還是想看房的都不可以。

鎖的粒度取決於具體的儲存引擎，InnoDB實現了行級鎖，頁級鎖，表級鎖。

他們的加鎖開銷從大到小，併發能力也是從大到小。

MySQL中InnoDB引擎的行鎖是怎麼實現的？

答：InnoDB是基於索引來完成行鎖

例: select * from tab_with_index where id = 1 for update;

for update 可以根據條件來完成行鎖鎖定，並且 id 是有索引鍵的列，如果 id 不是索引鍵那麼InnoDB將完成表鎖，併發將無從談起

InnoDB儲存引擎的鎖的演算法有三種

Record lock：單個行記錄上的鎖
Gap lock：間隙鎖，鎖定一個範圍，不包括記錄本身
Next-key lock：record+gap 鎖定一個範圍，包含記錄本身

相關知識點：

innodb對於行的查詢使用next-key lock
Next-locking keying爲了解決Phantom Problem幻讀問題
當查詢的索引含有唯一屬性時，將next-key lock降級爲record key
Gap鎖設計的目的是爲了阻止多個事務將記錄插入到同一範圍內，而這會導致幻讀問題的產生
有兩種方式顯式關閉gap鎖：（除了外來鍵約束和唯一性檢查外，其餘情況僅使用record lock） A. 將事務隔離級別設定爲RC B. 將參數innodb_locks_unsafe_for_binlog設定爲1

什麼是死鎖？怎麼解決？

死鎖是指兩個或多個事務在同一資源上相互佔用，並請求鎖定對方的資源，從而導致惡性循環的現象。

常見的解決死鎖的方法

1、如果不同程式會併發存取多個表，儘量約定以相同的順序存取表，可以大大降低死鎖機會。

2、在同一個事務中，儘可能做到一次鎖定所需要的所有資源，減少死鎖產生概率；

3、對於非常容易產生死鎖的業務部分，可以嘗試使用升級鎖定顆粒度，通過表級鎖定來減少死鎖產生的概率；

如果業務處理不好可以用分佈式事務鎖或者使用樂觀鎖

數據庫的樂觀鎖和悲觀鎖是什麼？怎麼實現的？

數據庫管理系統（DBMS）中的併發控制的任務是確保在多個事務同時存取數據庫中同一數據時不破壞事務的隔離性和統一性以及數據庫的統一性。樂觀併發控制（樂觀鎖）和悲觀併發控制（悲觀鎖）是併發控制主要採用的技術手段。

悲觀鎖：假定會發生併發衝突，遮蔽一切可能違反數據完整性的操作。在查詢完數據的時候就把事務鎖起來，直到提交事務。實現方式：使用數據庫中的鎖機制機製

樂觀鎖：假設不會發生併發衝突，只在提交操作時檢查是否違反數據完整性。在修改數據的時候把事務鎖起來，通過version的方式來進行鎖定。實現方式：樂一般會使用版本號機制機製或CAS演算法實現。

兩種鎖的使用場景

從上面對兩種鎖的介紹，我們知道兩種鎖各有優缺點，不可認爲一種好於另一種，像樂觀鎖適用於寫比較少的情況下（多讀場景），即衝突真的很少發生的時候，這樣可以省去了鎖的開銷，加大了系統的整個吞吐量。

但如果是多寫的情況，一般會經常產生衝突，這就會導致上層應用會不斷的進行retry，這樣反倒是降低了效能，所以一般多寫的場景下用悲觀鎖就比較合適。

檢視

爲什麼要使用檢視？什麼是檢視？

爲了提高複雜SQL語句的複用性和表操作的安全性，MySQL數據庫管理系統提供了檢視特性。所謂檢視，本質上是一種虛擬表，在物理上是不存在的，其內容與真實的表相似，包含一系列帶有名稱的列和行數據。但是，檢視並不在數據庫中以儲存的數據值形式存在。行和列數據來自定義檢視的查詢所參照基本表，並且在具體參照檢視時動態生成。

檢視使開發者只關心感興趣的某些特定數據和所負責的特定任務，只能看到檢視中所定義的數據，而不是檢視所參照表中的數據，從而提高了數據庫中數據的安全性。

檢視有哪些特點？

檢視的特點如下:

檢視的列可以來自不同的表，是表的抽象和在邏輯意義上建立的新關係。
檢視是由基本表(實表)產生的表(虛表)。
檢視的建立和刪除不影響基本表。
對檢視內容的更新(新增，刪除和修改)直接影響基本表。
當檢視來自多個基本表時，不允許新增和刪除數據。

檢視的操作包括建立檢視，檢視檢視，刪除檢視和修改檢視。

檢視的使用場景有哪些？

檢視根本用途：簡化sql查詢，提高開發效率。如果說還有另外一個用途那就是相容老的表結構。

下面下麪是檢視的常見使用場景：

重用SQL語句；
簡化複雜的SQL操作。在編寫查詢後，可以方便的重用它而不必知道它的基本查詢細節；
使用表的組成部分而不是整個表；
保護數據。可以給使用者授予表的特定部分的存取許可權而不是整個表的存取許可權；
更改數據格式和表示。檢視可返回與底層表的表示和格式不同的數據。

檢視的優點

查詢簡單化。檢視能簡化使用者的操作
數據安全性。檢視使使用者能以多種角度看待同一數據，能夠對機密數據提供安全保護
邏輯數據獨立性。檢視對重構數據庫提供了一定程度的邏輯獨立性

檢視的缺點

效能。數據庫必須把檢視的查詢轉化成對基本表的查詢，如果這個檢視是由一個複雜的多表查詢所定義，那麼，即使是檢視的一個簡單查詢，數據庫也把它變成一個複雜的結合體，需要花費一定的時間。
修改限制。當使用者試圖修改檢視的某些行時，數據庫必須把它轉化爲對基本表的某些行的修改。事實上，當從檢視中插入或者刪除時，情況也是這樣。對於簡單檢視來說，這是很方便的，但是，對於比較複雜的檢視，可能是不可修改的

這些檢視有如下特徵：1.有UNIQUE等集合操作符的檢視。2.有GROUP BY子句的檢視。3.有諸如AVG\SUM\MAX等聚合函數的檢視。 4.使用DISTINCT關鍵字的檢視。5.連線表的檢視（其中有些例外）

什麼是遊標？

遊標是系統爲使用者開設的一個數據緩衝區，存放SQL語句的執行結果，每個遊標區都有一個名字。使用者可以通過遊標逐一獲取記錄並賦給主變數，交由主語言進一步處理。

儲存過程與函數

什麼是儲存過程？有哪些優缺點？

儲存過程是一個預編譯的SQL語句，優點是允許模組化的設計，就是說只需要建立一次，以後在該程式中就可以呼叫多次。如果某次操作需要執行多次SQL，使用儲存過程比單純SQL語句執行要快。

優點

1）儲存過程是預編譯過的，執行效率高。

2）儲存過程的程式碼直接存放於數據庫中，通過儲存過程名直接呼叫，減少網路通訊。

3）安全性高，執行儲存過程需要有一定許可權的使用者。

4）儲存過程可以重複使用，減少數據庫開發人員的工作量。

缺點

1）偵錯麻煩，但是用 PL/SQL Developer 偵錯很方便！彌補這個缺點。

2）移植問題，數據庫端程式碼當然是與數據庫相關的。但是如果是做工程型專案，基本不存在移植問題。

3）重新編譯問題，因爲後端程式碼是執行前編譯的，如果帶有參照關係的物件發生改變時，受影響的儲存過程、包將需要重新編譯（不過也可以設定成執行時刻自動編譯）。

4）如果在一個程式系統中大量的使用儲存過程，到程式交付使用的時候隨着使用者需求的增加會導致數據結構的變化，接着就是系統的相關問題了，最後如果使用者想維護該系統可以說是很難很難、而且代價是空前的，維護起來更麻煩。

觸發器

什麼是觸發器？觸發器的使用場景有哪些？

觸發器是使用者定義在關係表上的一類由事件驅動的特殊的儲存過程。觸發器是指一段程式碼，當觸發某個事件時，自動執行這些程式碼。

使用場景

可以通過數據庫中的相關表實現級聯更改。
實時監控某張表中的某個欄位的更改而需要做出相應的處理。
例如可以生成某些業務的編號。
注意不要濫用，否則會造成數據庫及應用程式的維護困難。
大家需要牢記以上基礎知識點，重點是理解數據型別CHAR和VARCHAR的差異，表儲存引擎InnoDB和MyISAM的區別。

MySQL中都有哪些觸發器？

在MySQL數據庫中有如下六種觸發器：

Before Insert
After Insert
Before Update
After Update
Before Delete
After Delete

常用SQL語句

SQL語句主要分爲哪幾類

數據定義語言DDL（Data Ddefinition Language）CREATE，DROP，ALTER

主要爲以上操作即對邏輯結構等有操作的，其中包括表結構，檢視和索引。

數據查詢語言DQL（Data Query Language）SELECT

這個較爲好理解即查詢操作，以select關鍵字。各種簡單查詢，連線查詢等都屬於DQL。

數據操縱語言DML（Data Manipulation Language）INSERT，UPDATE，DELETE

主要爲以上操作即對數據進行操作的，對應上面所說的查詢操作 DQL與DML共同構建了多數初級程式設計師常用的增刪改查操作。而查詢是較爲特殊的一種被劃分到DQL中。

數據控制功能DCL（Data Control Language）GRANT，REVOKE，COMMIT，ROLLBACK

主要爲以上操作即對數據庫安全性完整性等有操作的，可以簡單的理解爲許可權控制等。

超鍵、候選鍵、主鍵、外來鍵分別是什麼？

超鍵：在關係中能唯一標識元組的屬性集稱爲關係模式的超鍵。一個屬性可以爲作爲一個超鍵，多個屬性組合在一起也可以作爲一個超鍵。超鍵包含候選鍵和主鍵。
候選鍵：是最小超鍵，即沒有冗餘元素的超鍵。
主鍵：數據庫表中對儲存數據物件予以唯一和完整標識的數據列或屬性的組合。一個數據列只能有一個主鍵，且主鍵的取值不能缺失，即不能爲空值（Null）。
外來鍵：在一個表中存在的另一個表的主鍵稱此表的外來鍵。

SQL 約束有哪幾種？

SQL 約束有哪幾種？

NOT NULL: 用於控制欄位的內容一定不能爲空（NULL）。
UNIQUE: 控制元件欄位內容不能重複，一個表允許有多個 Unique 約束。
PRIMARY KEY: 也是用於控制元件欄位內容不能重複，但它在一個表只允許出現一個。
FOREIGN KEY: 用於預防破壞表之間連線的動作，也能防止非法數據插入外來鍵列，因爲它必須是它指向的那個表中的值之一。
CHECK: 用於控制欄位的值範圍。

六種關聯查詢

交叉連線（CROSS JOIN）
內連線（INNER JOIN）
外連線（LEFT JOIN/RIGHT JOIN）
聯合查詢（UNION與UNION ALL）
全連線（FULL JOIN）
交叉連線（CROSS JOIN）

SELECT * FROM A,B(,C)或者SELECT * FROM A CROSS JOIN B (CROSS JOIN C)#沒有任何關聯條件，結果是笛卡爾積，結果集會很大，沒有意義，很少使用內連線（INNER JOIN）SELECT * FROM A,B WHERE A.id=B.id或者SELECT * FROM A INNER JOIN B ON A.id=B.id多表中同時符合某種條件的數據記錄的集合，INNER JOIN可以縮寫爲JOIN

內連線分爲三類

等值連線：ON A.id=B.id
不等值連線：ON A.id > B.id
自連線：SELECT * FROM A T1 INNER JOIN A T2 ON T1.id=T2.pid

外連線（LEFT JOIN/RIGHT JOIN）

左外連線：LEFT OUTER JOIN, 以左表爲主，先查詢出左表，按照ON後的關聯條件匹配右表，沒有匹配到的用NULL填充，可以簡寫成LEFT JOIN
右外連線：RIGHT OUTER JOIN, 以右表爲主，先查詢出右表，按照ON後的關聯條件匹配左表，沒有匹配到的用NULL填充，可以簡寫成RIGHT JOIN

聯合查詢（UNION與UNION ALL）

SELECT * FROM A UNION SELECT * FROM B UNION ...

就是把多個結果集集中在一起，UNION前的結果爲基準，需要注意的是聯合查詢的列數要相等，相同的記錄行會合並
如果使用UNION ALL，不會合並重復的記錄行
效率 UNION 高於 UNION ALL

全連線（FULL JOIN）

MySQL不支援全連線
可以使用LEFT JOIN 和UNION和RIGHT JOIN聯合使用

SELECT * FROM A LEFT JOIN B ON A.id=B.id UNIONSELECT * FROM A RIGHT JOIN B ON A.id=B.id

表連線面試題

有2張表，1張R、1張S，R表有ABC三列，S表有CD兩列，表中各有三條記錄。

R表

A	B	C
a1	b1	c1
a2	b2	c2
a3	b3	c3

S表

C	D
c1	d1
c2	d2
c4	d3

交叉連線(笛卡爾積):

select r.*,s.* from r,s

A	B	C	C	D
a1	b1	c1	c1	d1
a2	b2	c2	c1	d1
a3	b3	c3	c1	d1
a1	b1	c1	c2	d2
a2	b2	c2	c2	d2
a3	b3	c3	c2	d2
a1	b1	c1	c4	d3
a2	b2	c2	c4	d3
a3	b3	c3	c4	d3

內連線結果：

select r.*,s.* from r inner join s on r.c=s.c

A	B	C	C	D
a1	b1	c1	c1	d1
a2	b2	c2	c2	d2

左連線結果：

select r.*,s.* from r left join s on r.c=s.c

A	B	C	C	D
a1	b1	c1	c1	d1
a2	b2	c2	c2	d2
a3	b3	c3

右連線結果：

select r.*,s.* from r right join s on r.c=s.c


A	B	C	C	D
a1	b1	c1	c1	d1
a2	b2	c2	c2	d2
			c4	d3

全表連線的結果（MySql不支援，Oracle支援）：

select r.*,s.* from r full join s on r.c=s.c

A	B	C	C	D
a1	b1	c1	c1	d1
a2	b2	c2	c2	d2
a3	b3	c3
			c4	d3

什麼是子查詢

條件：一條SQL語句的查詢結果做爲另一條查詢語句的條件或查詢結果
巢狀：多條SQL語句巢狀使用，內部的SQL查詢語句稱爲子查詢。

子查詢的三種情況

子查詢是單行單列的情況：結果集是一個值，父查詢使用：=、 <、 > 等運算子

-- 查詢工資最高的員工是誰？ 
select  * from employee where salary=(select max(salary) from employee);

子查詢是多行單列的情況：結果集類似於一個數組，父查詢使用：in 運算子

-- 查詢工資最高的員工是誰？ 
select  * from employee where salary=(select max(salary) from employee);

子查詢是多行多列的情況：結果集類似於一張虛擬表，不能用於where條件，用於select子句中做爲子表

-- 1) 查詢出2011年以後入職的員工資訊
-- 2) 查詢所有的部門資訊，與上面的虛擬表中的資訊比對，找出所有部門ID相等的員工。
select * from dept d,  (select * from employee where join_date > '2011-1-1') e where e.dept_id =  d.id;    

-- 使用表連線：
select d.*, e.* from  dept d inner join employee e on d.id = e.dept_id where e.join_date >  '2011-1-1'

mysql中 in 和 exists 區別

mysql中的in語句是把外表和內表作hash 連線，而exists語句是對外表作loop回圈，每次loop回圈再對內表進行查詢。一直大家都認爲exists比in語句的效率要高，這種說法其實是不準不準確的。這個是要區分環境的。

如果查詢的兩個表大小相當，那麼用in和exists差別不大。
如果兩個表中一個較小，一個是大表，則子查詢表大的用exists，子查詢表小的用in。
not in 和not exists：如果查詢語句使用了not in，那麼內外表都進行全表掃描，沒有用到索引；而not extsts的子查詢依然能用到表上的索引。所以無論那個表大，用not exists都比not in要快。

varchar與char的區別

char的特點

char表示定長字串，長度是固定的；
如果插入數據的長度小於char的固定長度時，則用空格填充；
因爲長度固定，所以存取速度要比varchar快很多，甚至能快50%，但正因爲其長度固定，所以會佔據多餘的空間，是空間換時間的做法；
對於char來說，最多能存放的字元個數爲255，和編碼無關

varchar的特點

varchar表示可變長字串，長度是可變的；
插入的數據是多長，就按照多長來儲存；
varchar在存取方面與char相反，它存取慢，因爲長度不固定，但正因如此，不佔據多餘的空間，是時間換空間的做法；
對於varchar來說，最多能存放的字元個數爲65532

總之，結合效能角度（char更快）和節省磁碟空間角度（varchar更小），具體情況還需具體來設計數據庫纔是妥當的做法。

varchar(50)中50的涵義

最多存放50個字元，varchar(50)和(200)儲存hello所佔空間一樣，但後者在排序時會消耗更多記憶體，因爲order by col採用fixed_length計算col長度(memory引擎也一樣)。在早期 MySQL 版本中， 50 代表位元組數，現在代表字元數。

int(20)中20的涵義

是指顯示字元的長度。20表示最大顯示寬度爲20，但仍佔4位元組儲存，儲存範圍不變；

不影響內部儲存，只是影響帶 zerofill 定義的 int 時，前面補多少個 0，易於報表展示

mysql爲什麼這麼設計

對大多數應用沒有意義，只是規定一些工具用來顯示字元的個數；int(1)和int(20)儲存和計算均一樣；

mysql中int(10)和char(10)以及varchar(10)的區別

int(10)的10表示顯示的數據的長度，不是儲存數據的大小；chart(10)和varchar(10)的10表示儲存數據的大小，即表示儲存多少個字元。

int(10) 10位的數據長度 9999999999，佔32個位元組，int型4位元
char(10) 10位固定字串，不足補空格最多10個字元
varchar(10) 10位可變字串，不足補空格最多10個字元
char(10)表示儲存定長的10個字元，不足10個就用空格補齊，佔用更多的儲存空間
varchar(10)表示儲存10個變長的字元，儲存多少個就是多少個，空格也按一個字元儲存，這一點是和char(10)的空格不同的，char(10)的空格表示佔位不算一個字元

FLOAT和DOUBLE的區別是什麼？

FLOAT型別數據可以儲存至多8位元十進制數，並在記憶體中佔4位元組。
DOUBLE型別數據可以儲存至多18位元十進制數，並在記憶體中佔8位元組。

drop、delete與truncate的區別

三者都表示刪除，但是三者有一些差別：

	Delete	Truncate	Drop
型別	屬於DML	屬於DDL	屬於DDL
回滾	可回滾	不可回滾	不可回滾
刪除內容	表結構還在，刪除表的全部或者一部分數據行	表結構還在，刪除表中的所有數據	從數據庫中刪除表，所有的數據行，索引和許可權也會被刪除
刪除速度	刪除速度慢，需要逐行刪除	刪除速度快	刪除速度最快

因此，在不再需要一張表的時候，用drop；在想刪除部分數據行時候，用delete；在保留表而刪除所有數據的時候用truncate。

UNION與UNION ALL的區別？

如果使用UNION ALL，不會合並重復的記錄行
效率 UNION 高於 UNION ALL

SQL優化

如何定位及優化SQL語句的效能問題？建立的索引有沒有被使用到?或者說怎麼纔可以知道這條語句執行很慢的原因？

對於低效能的SQL語句的定位，最重要也是最有效的方法就是使用執行計劃，MySQL提供了explain命令來檢視語句的執行計劃。我們知道，不管是哪種數據庫，或者是哪種數據庫引擎，在對一條SQL語句進行執行的過程中都會做很多相關的優化，對於查詢語句，最重要的優化方式就是使用索引。而執行計劃，就是顯示數據庫引擎對於SQL語句的執行的詳細情況，其中包含了是否使用索引，使用什麼索引，使用的索引的相關資訊等。

在这里插入图片描述

執行計劃包含的資訊 id 有一組數位組成。表示一個查詢中各個子查詢的執行順序;

id相同執行順序由上至下。
id不同，id值越大優先順序越高，越先被執行。
id爲null時表示一個結果集，不需要使用它查詢，常出現在包含union等查詢語句中。

select_type 每個子查詢的查詢型別，一些常見的查詢型別。

id	select_type	description
1	SIMPLE	不包含任何子查詢或union等查詢
2	PRIMARY	包含子查詢最外層查詢就顯示爲 PRIMARY
3	SUBQUERY	在select或 where字句中包含的查詢
4	DERIVED	from字句中包含的查詢
5	UNION	出現在union後的查詢語句中
6	UNION RESULT	從UNION中獲取結果集，例如上文的第三個例子

table 查詢的數據表，當從衍生表中查數據時會顯示 x 表示對應的執行計劃id partitions 表分割區、表建立的時候可以指定通過那個列進行表分割區。舉個例子：

create table tmp (
    id int unsigned not null AUTO_INCREMENT,
    name varchar(255),
    PRIMARY KEY (id)
) engine = innodb
partition by key (id) partitions 5;

type(非常重要，可以看到有沒有走索引) 存取型別

ALL 掃描全表數據
index 遍歷索引
range 索引範圍查詢
index_subquery 在子查詢中使用 ref
unique_subquery 在子查詢中使用 eq_ref
ref_or_null 對Null進行索引的優化的 ref
fulltext 使用全文索引
ref 使用非唯一索引查詢數據
eq_ref 在join查詢中使用PRIMARY KEYorUNIQUE NOT NULL索引關聯。

possible_keys 可能使用的索引，注意不一定會使用。查詢涉及到的欄位上若存在索引，則該索引將被列出來。當該列爲 NULL時就要考慮當前的SQL是否需要優化了。

key 顯示MySQL在查詢中實際使用的索引，若沒有使用索引，顯示爲NULL。

TIPS:查詢中若使用了覆蓋索引(覆蓋索引：索引的數據覆蓋了需要查詢的所有數據)，則該索引僅出現在key列表中

key_length 索引長度

ref 表示上述表的連線匹配條件，即哪些列或常數被用於查詢索引列上的值

rows 返回估算的結果集數目，並不是一個準確的值。

extra 的資訊非常豐富，常見的有：

Using index 使用覆蓋索引
Using where 使用了用where子句來過濾結果集
Using filesort 使用檔案排序，使用非索引列進行排序時出現，非常消耗效能，儘量優化。
Using temporary 使用了臨時表 sql優化的目標可以參考阿裡開發手冊

【推薦】SQL效能優化的目標：至少要達到 range 級別，要求是ref級別，如果可以是consts最好。 
說明： 
1） consts 單表中最多隻有一個匹配行（主鍵或者唯一索引），在優化階段即可讀取到數據。 
2） ref 指的是使用普通的索引（normal index）。 
3） range 對索引進行範圍檢索。 
反例：explain表的結果，type=index，索引物理檔案全掃描，速度非常慢，這個index級別比較range還低，與全表掃描是小巫見大巫。

SQL的生命週期？

應用伺服器與數據庫伺服器建立一個連線
數據庫進程拿到請求sql
解析並生成執行計劃，執行
讀取數據到記憶體並進行邏輯處理
通過步驟一的連線，發送結果到用戶端
關掉連線，釋放資源

大表數據查詢，怎麼優化

優化shema、sql語句+索引；
第二加快取，memcached, redis；
主從複製，讀寫分離；
垂直拆分，根據你模組的耦合度，將一個大的系統分爲多個小的系統，也就是分佈式系統；
水平切分，針對數據量大的表，這一步最麻煩，最能考驗技術水平，要選擇一個合理的sharding key, 爲了有好的查詢效率，表結構也要改動，做一定的冗餘，應用也要改，sql中儘量帶sharding key，將數據定位到限定的表上去查，而不是掃描全部的表；

超大分頁怎麼處理？

超大的分頁一般從兩個方向上來解決.

數據庫層面,這也是我們主要集中關注的(雖然收效沒那麼大),類似於select * from table where age > 20 limit 1000000,10這種查詢其實也是有可以優化的餘地的. 這條語句需要load1000000數據然後基本上全部丟棄,只取10條當然比較慢. 當時我們可以修改爲select * from table where id in (select id from table where age > 20 limit 1000000,10).這樣雖然也load了一百萬的數據,但是由於索引覆蓋,要查詢的所有欄位都在索引中,所以速度會很快. 同時如果ID連續的好,我們還可以select * from table where id > 1000000 limit 10,效率也是不錯的,優化的可能性有許多種,但是核心思想都一樣,就是減少load的數據.
從需求的角度減少這種請求…主要是不做類似的需求(直接跳轉到幾百萬頁之後的具體某一頁.只允許逐頁檢視或者按照給定的路線走,這樣可預測,可快取)以及防止ID泄漏且連續被人惡意攻擊.

解決超大分頁,其實主要是靠快取,可預測性的提前查到內容,快取至redis等k-V數據庫中,直接返回即可.

在阿裡巴巴《Java開發手冊》中,對超大分頁的解決辦法是類似於上面提到的第一種.

【推薦】利用延遲關聯或者子查詢優化超多分頁場景。 

說明：MySQL並不是跳過offset行，而是取offset+N行，然後返回放棄前offset行，返回N行，那當offset特別大的時候，效率就非常的低下，要麼控制返回的總頁數，要麼對超過特定閾值的頁數進行SQL改寫。 

正例：先快速定位需要獲取的id段，然後再關聯： 

SELECT a.* FROM 表1 a, (select id from 表1 where 條件 LIMIT 100000,20 ) b where a.id=b.id

mysql 分頁

LIMIT 子句可以被用於強制 SELECT 語句返回指定的記錄數。LIMIT 接受一個或兩個數位參數。參數必須是一個整數常數。如果給定兩個參數，第一個參數指定第一個返回記錄行的偏移量，第二個參數指定返回記錄行的最大數目。初始記錄行的偏移量是 0(而不是 1)

mysql> SELECT * FROM table LIMIT 5,10; // 檢索記錄行 6-15

爲了檢索從某一個偏移量到記錄集的結束所有的記錄行，可以指定第二個參數爲 -1：

mysql> SELECT * FROM table LIMIT 95,-1; // 檢索記錄行 96-last.

如果只給定一個參數，它表示返回最大的記錄行數目：

mysql> SELECT * FROM table LIMIT 5; //檢索前 5 個記錄行

換句話說，LIMIT n 等價於 LIMIT 0,n。

慢查詢日誌

用於記錄執行時間超過某個臨界值的SQL日誌，用於快速定位慢查詢，爲我們的優化做參考。

開啓慢查詢日誌

設定項：slow_query_log

可以使用show variables like ‘slov_query_log’檢視是否開啓，如果狀態值爲OFF，可以使用set GLOBAL slow_query_log = on來開啓，它會在datadir下產生一個xxx-slow.log的檔案。

設定臨界時間

設定項：long_query_time

檢視：show VARIABLES like 'long_query_time'，單位秒

設定：set long_query_time=0.5

實操時應該從長時間設定到短的時間，即將最慢的SQL優化掉

檢視日誌，一旦SQL超過了我們設定的臨界時間就會被記錄到xxx-slow.log中

關心過業務系統裏面的sql耗時嗎？統計過慢查詢嗎？對慢查詢都怎麼優化過？

在業務系統中，除了使用主鍵進行的查詢，其他的我都會在測試庫上測試其耗時，慢查詢的統計主要由運維在做，會定期將業務中的慢查詢反饋給我們。

慢查詢的優化首先要搞明白慢的原因是什麼？是查詢條件沒有命中索引？是load了不需要的數據列？還是數據量太大？

所以優化也是針對這三個方向來的，

首先分析語句，看看是否load了額外的數據，可能是查詢了多餘的行並且拋棄掉了，可能是載入了許多結果中並不需要的列，對語句進行分析以及重寫。
分析語句的執行計劃，然後獲得其使用索引的情況，之後修改語句或者修改索引，使得語句可以儘可能的命中索引。
如果對語句的優化已經無法進行，可以考慮表中的數據量是否太大，如果是的話可以進行橫向或者縱向的分表。

爲什麼要儘量設定一個主鍵？

主鍵是數據庫確保數據行在整張表唯一性的保障，即使業務上本張表沒有主鍵，也建議新增一個自增長的ID列作爲主鍵。設定了主鍵之後，在後續的刪改查的時候可能更加快速以及確保操作數據範圍安全。

主鍵使用自增ID還是UUID？

推薦使用自增ID，不要使用UUID。

因爲在InnoDB儲存引擎中，主鍵索引是作爲聚簇索引存在的，也就是說，主鍵索引的B+樹葉子節點上儲存了主鍵索引以及全部的數據(按照順序)，如果主鍵索引是自增ID，那麼只需要不斷向後排列即可，如果是UUID，由於到來的ID與原來的大小不確定，會造成非常多的數據插入，數據移動，然後導致產生很多的記憶體碎片，進而造成插入效能的下降。

總之，在數據量大一些的情況下，用自增主鍵效能會好一些。

關於主鍵是聚簇索引，如果沒有主鍵，InnoDB會選擇一個唯一鍵來作爲聚簇索引，如果沒有唯一鍵，會生成一個隱式的主鍵。

欄位爲什麼要求定義爲not null？

null值會佔用更多的位元組，且會在程式中造成很多與預期不符的情況。

如果要儲存使用者的密碼雜湊，應該使用什麼欄位進行儲存？

密碼雜湊，鹽，使用者身份證號等固定長度的字串應該使用char而不是varchar來儲存，這樣可以節省空間且提高檢索效率。

優化查詢過程中的數據存取

存取數據太多導致查詢效能下降
確定應用程式是否在檢索大量超過需要的數據，可能是太多行或列
確認MySQL伺服器是否在分析大量不必要的數據行
避免犯如下SQL語句錯誤
查詢不需要的數據。解決辦法：使用limit解決
多表關聯返回全部列。解決辦法：指定列名
總是返回全部列。解決辦法：避免使用SELECT *
重複查詢相同的數據。解決辦法：可以快取數據，下次直接讀取快取
是否在掃描額外的記錄。解決辦法：
使用explain進行分析，如果發現查詢需要掃描大量的數據，但只返回少數的行，可以通過如下技巧去優化：
使用索引覆蓋掃描，把所有的列都放到索引中，這樣儲存引擎不需要回表獲取對應行就可以返回結果。
改變數據庫和表的結構，修改數據表範式
重寫SQL語句，讓優化器可以以更優的方式執行查詢。

優化長難的查詢語句

一個複雜查詢還是多個簡單查詢
MySQL內部每秒能掃描記憶體中上百萬行數據，相比之下，響應數據給用戶端就要慢得多
使用盡可能小的查詢是好的，但是有時將一個大的查詢分解爲多個小的查詢是很有必要的。
切分查詢
將一個大的查詢分爲多個小的相同的查詢
一次性刪除1000萬的數據要比一次刪除1萬，暫停一會的方案更加損耗伺服器開銷。
分解關聯查詢，讓快取的效率更高。
執行單個查詢可以減少鎖的競爭。
在應用層做關聯更容易對數據庫進行拆分。
查詢效率會有大幅提升。
較少冗餘記錄的查詢。

優化特定型別的查詢語句

count(*)會忽略所有的列，直接統計所有列數，不要使用count(列名)
MyISAM中，沒有任何where條件的count(*)非常快。
當有where條件時，MyISAM的count統計不一定比其它引擎快。
可以使用explain查詢近似值，用近似值替代count(*)
增加彙總表
使用快取

優化關聯查詢

確定ON或者USING子句中是否有索引。
確保GROUP BY和ORDER BY只有一個表中的列，這樣MySQL纔有可能使用索引。

優化子查詢

用關聯查詢替代
優化GROUP BY和DISTINCT
這兩種查詢據可以使用索引來優化，是最有效的優化方法
關聯查詢中，使用標識列分組的效率更高
如果不需要ORDER BY，進行GROUP BY時加ORDER BY NULL，MySQL不會再進行檔案排序。
WITH ROLLUP超級聚合，可以挪到應用程式處理

優化LIMIT分頁

LIMIT偏移量大的時候，查詢效率較低
可以記錄上次查詢的最大ID，下次查詢時直接根據該ID來查詢

優化UNION查詢

UNION ALL的效率高於UNION

優化WHERE子句

解題方法

對於此類考題，先說明如何定位低效SQL語句，然後根據SQL語句可能低效的原因做排查，先從索引着手，如果索引沒有問題，考慮以上幾個方面，數據存取的問題，長難查詢句的問題還是一些特定型別優化的問題，逐一回答。

SQL語句優化的一些方法？

1.對查詢進行優化，應儘量避免全表掃描，首先應考慮在 where 及 order by 涉及的列上建立索引。
2.應儘量避免在 where 子句中對欄位進行 null 值判斷，否則將導致引擎放棄使用索引而進行全表掃描，如：

select id from t where num is null
-- 可以在num上設定預設值0，確保表中num列沒有null值，然後這樣查詢：
select id from t where num=

3.應儘量避免在 where 子句中使用!=或<>操作符，否則引擎將放棄使用索引而進行全表掃描。
4.應儘量避免在 where 子句中使用or 來連線條件，否則將導致引擎放棄使用索引而進行全表掃描，如：

select id from t where num=10 or num=20
-- 可以這樣查詢：
select id from t where num=10 union all select id from t where num=20

5.in 和 not in 也要慎用，否則會導致全表掃描，如：

select id from t where num in(1,2,3) 
-- 對於連續的數值，能用 between 就不要用 in 了：
select id from t where num between 1 and 3

6.下面下麪的查詢也將導致全表掃描：select id from t where name like ‘%李%’若要提高效率，可以考慮全文檢索。
7.如果在 where 子句中使用參數，也會導致全表掃描。因爲SQL只有在執行時纔會解析區域性變數，但優化程式不能將存取計劃的選擇推遲到執行時；它必須在編譯時進行選擇。然而，如果在編譯時建立存取計劃，變數的值還是未知的，因而無法作爲索引選擇的輸入項。如下面下麪語句將進行全表掃描：

select id from t where num=@num
-- 可以改爲強制查詢使用索引：
select id from t with(index(索引名)) where num=@num

8.應儘量避免在 where 子句中對欄位進行表達式操作，這將導致引擎放棄使用索引而進行全表掃描。如：

select id from t where num/2=100
-- 應改爲:
select id from t where num=100*2

9.應儘量避免在where子句中對欄位進行函數操作，這將導致引擎放棄使用索引而進行全表掃描。如：

select id from t where substring(name,1,3)=’abc’
-- name以abc開頭的id應改爲:
select id from t where name like ‘abc%’

10.不要在 where 子句中的「=」左邊進行函數、算術運算或其他表達式運算，否則系統將可能無法正確使用索引。

數據庫優化

爲什麼要優化

系統的吞吐量瓶頸往往出現在數據庫的存取速度上
隨着應用程式的執行，數據庫的中的數據會越來越多，處理時間會相應變慢
數據是存放在磁碟上的，讀寫速度無法和記憶體相比

優化原則：減少系統瓶頸，減少資源佔用，增加系統的反應速度。

數據庫結構優化

一個好的數據庫設計方案對於數據庫的效能往往會起到事半功倍的效果。

需要考慮數據冗餘、查詢和更新的速度、欄位的數據型別是否合理等多方面的內容。

將欄位很多的表分解成多個表

對於欄位較多的表，如果有些欄位的使用頻率很低，可以將這些欄位分離出來形成新表。

因爲當一個表的數據量很大時，會由於使用頻率低的欄位的存在而變慢。

增加中間表

對於需要經常聯合查詢的表，可以建立中間表以提高查詢效率。

通過建立中間表，將需要通過聯合查詢的數據插入到中間表中，然後將原來的聯合查詢改爲對中間表的查詢。

增加冗餘欄位

設計數據表時應儘量遵循範式理論的規約，儘可能的減少冗餘欄位，讓數據庫設計看起來精緻、優雅。但是，合理的加入冗餘欄位可以提高查詢速度。

表的規範化程度越高，表和表之間的關係越多，需要連線查詢的情況也就越多，效能也就越差。

注意：

冗餘欄位的值在一個表中修改了，就要想辦法在其他表中更新，否則就會導致數據不一致的問題。

MySQL數據庫cpu飆升到500%的話他怎麼處理？

當 cpu 飆升到 500%時，先用操作系統命令 top 命令觀察是不是 mysqld 佔用導致的，如果不是，找出佔用高的進程，並進行相關處理。

如果是 mysqld 造成的， show processlist，看看裏面跑的 session 情況，是不是有消耗資源的 sql 在執行。找出消耗高的 sql，看看執行計劃是否準確， index 是否缺失，或者實在是數據量太大造成。

一般來說，肯定要 kill 掉這些執行緒(同時觀察 cpu 使用率是否下降)，等進行相應的調整(比如說加索引、改 sql、改記憶體參數)之後，再重新跑這些 SQL。

也有可能是每個 sql 消耗資源並不多，但是突然之間，有大量的 session 連進來導致 cpu 飆升，這種情況就需要跟應用一起來分析爲何連線數會激增，再做出相應的調整，比如說限制連線數等

大表怎麼優化？某個表有近千萬數據，CRUD比較慢，如何優化？分庫分表了是怎麼做的？分表分庫了有什麼問題？有用到中介軟體麼？他們的原理知道麼？

當MySQL單表記錄數過大時，數據庫的CRUD效能會明顯下降，一些常見的優化措施如下：

限定數據的範圍： 務必禁止不帶任何限制數據範圍條件的查詢語句。比如：我們當使用者在查詢訂單歷史的時候，我們可以控制在一個月的範圍內。；
讀/寫分離： 經典的數據庫拆分方案，主庫負責寫，從庫負責讀；
快取： 使用MySQL的快取，另外對重量級、更新少的數據可以考慮使用應用級別的快取；

還有就是通過分庫分表的方式進行優化，主要有垂直分表和水平分表

垂直分割區：

根據數據庫裏面數據表的相關性進行拆分。 例如，使用者表中既有使用者的登錄資訊又有使用者的基本資訊，可以將使用者表拆分成兩個單獨的表，甚至放到單獨的庫做分庫。

簡單來說垂直拆分是指數據表列的拆分，把一張列比較多的表拆分爲多張表。 如下圖所示，這樣來說大家應該就更容易理解了。

垂直拆分的優點： 可以使得行數據變小，在查詢時減少讀取的Block數，減少I/O次數。此外，垂直分割區可以簡化表的結構，易於維護。

垂直拆分的缺點： 主鍵會出現冗餘，需要管理冗餘列，並會引起Join操作，可以通過在應用層進行Join來解決。此外，垂直分割區會讓事務變得更加複雜；

垂直分表

把主鍵和一些列放在一個表，然後把主鍵和另外的列放在另一個表中

適用場景
- 1、如果一個表中某些列常用，另外一些列不常用
- 2、可以使數據行變小，一個數據頁能儲存更多數據，查詢時減少I/O次數
缺點
- 有些分表的策略基於應用層的邏輯演算法，一旦邏輯演算法改變，整個分表邏輯都會改變，擴充套件性較差
- 對於應用層來說，邏輯演算法增加開發成本
- 管理冗餘列，查詢所有數據需要join操作
水平分割區：

保持數據表結構不變，通過某種策略儲存數據分片。這樣每一片數據分散到不同的表或者庫中，達到了分佈式的目的。水平拆分可以支撐非常大的數據量。

水平拆分是指數據錶行的拆分，表的行數超過200萬行時，就會變慢，這時可以把一張的表的數據拆成多張表來存放。舉個例子：我們可以將使用者資訊表拆分成多個使用者資訊表，這樣就可以避免單一表數據量過大對效能造成影響。

水品拆分可以支援非常大的數據量。需要注意的一點是:分表僅僅是解決了單一表數據過大的問題，但由於表的數據還是在同一臺機器上，其實對於提升MySQL併發能力沒有什麼意義，所以 水平拆分最好分庫 。

水平拆分能夠 支援非常大的數據量儲存，應用端改造也少，但 分片事務難以解決 ，跨界點Join效能較差，邏輯複雜。

《Java工程師修煉之道》的作者推薦 儘量不要對數據進行分片，因爲拆分會帶來邏輯、部署、運維的各種複雜度 ，一般的數據表在優化得當的情況下支撐千萬以下的數據量是沒有太大問題的。如果實在要分片，儘量選擇用戶端分片架構，這樣可以減少一次和中介軟體的網路I/O。

水平分表：

表很大，分割後可以降低在查詢時需要讀的數據和索引的頁數，同時也降低了索引的層數，提高查詢次數

適用場景
- 1、表中的數據本身就有獨立性，例如表中分表記錄各個地區的數據或者不同時期的數據，特別是有些數據常用，有些不常用。
- 2、需要把數據存放在多個媒介上。
水平切分的缺點
- 1、給應用增加複雜度，通常查詢時需要多個表名，查詢所有數據都需UNION操作
- 2、在許多數據庫應用中，這種複雜度會超過它帶來的優點，查詢時會增加讀一個索引層的磁碟次數
下面下麪補充一下數據庫分片的兩種常見方案：
- 用戶端代理： 分片邏輯在應用端，封裝在jar包中，通過修改或者封裝JDBC層來實現。 噹噹網的 Sharding-JDBC 、阿裡的TDDL是兩種比較常用的實現。
- 中介軟體代理： 在應用和數據中間加了一個代理層。分片邏輯統一維護在中介軟體服務中。 我們現在談的 Mycat 、360的Atlas、網易的DDB等等都是這種架構的實現。

分庫分表後面臨的問題

事務支援 分庫分表後，就成了分佈式事務了。如果依賴數據庫本身的分佈式事務管理功能去執行事務，將付出高昂的效能代價；如果由應用程式去協助控制，形成程式邏輯上的事務，又會造成程式設計方面的負擔。
跨庫join

只要是進行切分，跨節點Join的問題是不可避免的。但是良好的設計和切分卻可以減少此類情況的發生。解決這一問題的普遍做法是分兩次查詢實現。在第一次查詢的結果集中找出關聯數據的id,根據這些id發起第二次請求得到關聯數據。分庫分表方案產品
跨節點的count,order by,group by以及聚合函數問題 這些是一類問題，因爲它們都需要基於全部數據集合進行計算。多數的代理都不會自動處理合併工作。解決方案：與解決跨節點join問題的類似，分別在各個節點上得到結果後在應用程式端進行合併。和join不同的是每個結點的查詢可以並行執行，因此很多時候它的速度要比單一大錶快很多。但如果結果集很大，對應用程式記憶體的消耗是一個問題。
數據遷移，容量規劃，擴容等問題 來自淘寶綜合業務平臺團隊，它利用對2的倍數取餘具有向前相容的特性（如對4取餘得1的數對2取餘也是1）來分配數據，避免了行級別的數據遷移，但是依然需要進行表級別的遷移，同時對擴容規模和分表數量都有限制。總得來說，這些方案都不是十分的理想，多多少少都存在一些缺點，這也從一個側面反映出了Sharding擴容的難度。
ID問題
一旦數據庫被切分到多個物理結點上，我們將不能再依賴數據庫自身的主鍵生成機制機製。一方面，某個分割區數據庫自生成的ID無法保證在全域性上是唯一的；另一方面，應用程式在插入數據之前需要先獲得ID,以便進行SQL路由. 一些常見的主鍵生成策略

UUID 使用UUID作主鍵是最簡單的方案，但是缺點也是非常明顯的。由於UUID非常的長，除佔用大量儲存空間外，最主要的問題是在索引上，在建立索引和基於索引進行查詢時都存在效能問題。 Twitter的分佈式自增ID演算法Snowflake 在分佈式系統中，需要生成全域性UID的場合還是比較多的，twitter的snowflake解決了這種需求，實現也還是很簡單的，除去設定資訊，核心程式碼就是毫秒級時間41位機器ID 10位毫秒內序列12位元。

跨分片的排序分頁

般來講，分頁時需要按照指定欄位進行排序。當排序欄位就是分片欄位的時候，我們通過分片規則可以比較容易定位到指定的分片，而當排序欄位非分片欄位的時候，情況就會變得比較複雜了。爲了最終結果的準確性，我們需要在不同的分片節點中將數據進行排序並返回，並將不同分片返回的結果集進行彙總和再次排序，最後再返回給使用者。如下圖所示：

MySQL的複製原理以及流程

主從複製：將主數據庫中的DDL和DML操作通過二進制日誌（BINLOG）傳輸到從數據庫上，然後將這些日誌重新執行（重做）；從而使得從數據庫的數據與主數據庫保持一致。

主從複製的作用

主數據庫出現問題，可以切換到從數據庫。
可以進行數據庫層面的讀寫分離。
可以在從數據庫上進行日常備份。

MySQL主從複製解決的問題

數據分佈：隨意開始或停止複製，並在不同地理位置分佈數據備份
負載均衡：降低單個伺服器的壓力
高可用和故障切換：幫助應用程式避免單點失敗
升級測試：可以用更高版本的MySQL作爲從庫

MySQL主從複製工作原理

在主庫上把數據更高記錄到二進制日誌
從庫將主庫的日誌複製到自己的中繼日誌
從庫讀取中繼日誌的事件，將其重放到從庫數據中

基本原理流程，3個執行緒以及之間的關聯

主：binlog執行緒——記錄下所有改變了數據庫數據的語句，放進master上的binlog中；

從：io執行緒——在使用start slave 之後，負責從master上拉取 binlog 內容，放進自己的relay log中；

從：sql執行執行緒——執行relay log中的語句；

複製過程

Binary log：主數據庫的二進制日誌

Relay log：從伺服器的中繼日誌

第一步：master在每個事務更新數據完成之前，將該操作記錄序列地寫入到binlog檔案中。

第二步：salve開啓一個I/O Thread，該執行緒在master開啓一個普通連線，主要工作是binlog dump process。如果讀取的進度已經跟上了master，就進入睡眠狀態並等待master產生新的事件。I/O執行緒最終的目的是將這些事件寫入到中繼日誌中。

第三步：SQL Thread會讀取中繼日誌，並順序執行該日誌中的SQL事件，從而與主數據庫中的數據保持一致。

讀寫分離有哪些解決方案？

讀寫分離是依賴於主從複製，而主從複製又是爲讀寫分離服務的。因爲主從複製要求slave不能寫只能讀（如果對slave執行寫操作，那麼show slave status將會呈現Slave_SQL_Running=NO，此時你需要按照前面提到的手動同步一下slave）。

方案一

使用mysql-proxy代理

優點：直接實現讀寫分離和負載均衡，不用修改程式碼，master和slave用一樣的帳號，mysql官方不建議實際生產中使用

缺點：降低效能，不支援事務

方案二

使用AbstractRoutingDataSource+aop+annotation在dao層決定數據源。
如果採用了mybatis，可以將讀寫分離放在ORM層，比如mybatis可以通過mybatis plugin攔截sql語句，所有的insert/update/delete都存取master庫，所有的select 都存取salve庫，這樣對於dao層都是透明。 plugin實現時可以通過註解或者分析語句是讀寫方法來選定主從庫。不過這樣依然有一個問題，也就是不支援事務，所以我們還需要重寫一下DataSourceTransactionManager，將read-only的事務扔進讀庫，其餘的有讀有寫的扔進寫庫。

方案三

使用AbstractRoutingDataSource+aop+annotation在service層決定數據源，可以支援事務.

缺點：類內部方法通過this.xx()方式相互呼叫時，aop不會進行攔截，需進行特殊處理。

備份計劃，mysqldump以及xtranbackup的實現原理

(1)備份計劃

視庫的大小來定，一般來說 100G 內的庫，可以考慮使用 mysqldump 來做，因爲 mysqldump更加輕巧靈活，備份時間選在業務低峯期，可以每天進行都進行全量備份(mysqldump 備份出來的檔案比較小，壓縮之後更小)。

100G 以上的庫，可以考慮用 xtranbackup 來做，備份速度明顯要比 mysqldump 要快。一般是選擇一週一個全備，其餘每天進行增量備份，備份時間爲業務低峯期。

(2)備份恢復時間

物理備份恢復快，邏輯備份恢復慢

這裏跟機器，尤其是硬碟的速率有關係，以下列舉幾個僅供參考

20G的2分鐘（mysqldump）

80G的30分鐘(mysqldump)

111G的30分鐘（mysqldump)

288G的3小時（xtra)

3T的4小時（xtra)

邏輯匯入時間一般是備份時間的5倍以上

(3)備份恢復失敗如何處理

首先在恢復之前就應該做足準備工作，避免恢復的時候出錯。比如說備份之後的有效性檢查、許可權檢查、空間檢查等。如果萬一報錯，再根據報錯的提示來進行相應的調整。

(4)mysqldump和xtrabackup實現原理

mysqldump

mysqldump 屬於邏輯備份。加入–single-transaction 選項可以進行一致性備份。後臺進程會先設定 session 的事務隔離級別爲 RR(SET SESSION TRANSACTION ISOLATION LEVELREPEATABLE READ)，之後顯式開啓一個事務(START TRANSACTION /*!40100 WITH CONSISTENTSNAPSHOT */)，這樣就保證了該事務裡讀到的數據都是事務事務時候的快照。之後再把表的數據讀取出來。如果加上–master-data=1 的話，在剛開始的時候還會加一個數據庫的讀鎖(FLUSH TABLES WITH READ LOCK),等開啓事務後，再記錄下數據庫此時 binlog 的位置(showmaster status)，馬上解鎖，再讀取表的數據。等所有的數據都已經導完，就可以結束事務

Xtrabackup:

xtrabackup 屬於物理備份，直接拷貝表空間檔案，同時不斷掃描產生的 redo 日誌並儲存下來。最後完成 innodb 的備份後，會做一個 flush engine logs 的操作(老版本在有 bug，在5.6 上不做此操作會丟數據)，確保所有的 redo log 都已經落盤(涉及到事務的兩階段提交

概念，因爲 xtrabackup 並不拷貝 binlog，所以必須保證所有的 redo log 都落盤，否則可能會丟最後一組提交事務的數據)。這個時間點就是 innodb 完成備份的時間點，數據檔案雖然不是一致性的，但是有這段時間的 redo 就可以讓數據檔案達到一致性(恢復的時候做的事

情)。然後還需要 flush tables with read lock，把 myisam 等其他引擎的表給備份出來，備份完後解鎖。這樣就做到了完美的熱備。

數據表損壞的修復方式有哪些？

使用 myisamchk 來修復，具體步驟：

1）修復前將mysql服務停止。
2）開啓命令列方式，然後進入到mysql的/bin目錄。
3）執行myisamchk –recover 數據庫所在路徑/*.MYI

使用repair table 或者 OPTIMIZE table命令來修復，REPAIR TABLE table_name 修復表 OPTIMIZE TABLE table_name 優化表 REPAIR TABLE 用於修復被破壞的表。 OPTIMIZE TABLE 用於回收閒置的數據庫空間，當表上的數據行被刪除時，所佔據的磁碟空間並沒有立即被回收，使用了OPTIMIZE TABLE命令後這些空間將被回收，並且對磁碟上的數據行進行重排（注意：是磁碟上，而非數據庫）

A	B	C	C	D
a1	b1	c1	c1	d1
a2	b2	c2	c1	d1
a3	b3	c3	c1	d1
a1	b1	c1	c2	d2
a2	b2	c2	c2	d2
a3	b3	c3	c2	d2
a1	b1	c1	c4	d3
a2	b2	c2	c4	d3
a3	b3	c3	c4	d3

A	B	C	C	D
a1	b1	c1	c1	d1
a2	b2	c2	c1	d1
a3	b3	c3	c1	d1
a1	b1	c1	c2	d2
a2	b2	c2	c2	d2
a3	b3	c3	c2	d2
a1	b1	c1	c4	d3
a2	b2	c2	c4	d3
a3	b3	c3	c4	d3

MySql基礎知識與效能優化理解

數據庫基礎知識

爲什麼要使用數據庫

什麼是SQL？

什麼是MySQL?

數據庫三大範式是什麼

mysql有關許可權的表都有哪幾個

MySQL的binlog有有幾種錄入格式？分別有什麼區別？

數據型別

mysql有哪些數據型別

引擎

MySQL儲存引擎MyISAM與InnoDB區別

MyISAM索引與InnoDB索引的區別？

InnoDB引擎的4大特性

儲存引擎選擇

索引

什麼是索引？

索引有哪些優缺點？

索引使用場景（重點）

索引有哪幾種類型？

索引的數據結構（b樹，hash）

索引的基本原理

索引演算法有哪些？

索引設計的原則？

建立索引的原則（重中之重）

建立索引的三種方式，刪除索引

建立索引時需要注意什麼？

使用索引查詢一定能提高查詢的效能嗎？爲什麼

百萬級別或以上的數據如何刪除

字首索引

什麼是最左字首原則？什麼是最左匹配原則

B樹和B+樹的區別

使用B樹的好處

使用B+樹的好處

Hash索引和B+樹所有有什麼區別或者說優劣呢?

數據庫爲什麼使用B+樹而不是B樹

B+樹在滿足聚簇索引和覆蓋索引的時候不需要回表查詢數據，

什麼是聚簇索引？何時使用聚簇索引與非聚簇索引

非聚簇索引一定會回表查詢嗎？

聯合索引是什麼？爲什麼需要注意聯合索引中的順序？

事務

什麼是數據庫事務？

事物的四大特性(ACID)介紹一下?

什麼是髒讀？幻讀？不可重複讀？

什麼是事務的隔離級別？MySQL的預設隔離級別是什麼？

鎖

對MySQL的鎖瞭解嗎

隔離級別與鎖的關係

按照鎖的粒度分數據庫鎖有哪些？鎖機制 機製與InnoDB鎖演算法

從鎖的類別上分MySQL都有哪些鎖呢？像上面那樣子進行鎖定豈不是有點阻礙併發效率了

MySQL中InnoDB引擎的行鎖是怎麼實現的？

InnoDB儲存引擎的鎖的演算法有三種

什麼是死鎖？怎麼解決？

數據庫的樂觀鎖和悲觀鎖是什麼？怎麼實現的？

檢視

爲什麼要使用檢視？什麼是檢視？

檢視有哪些特點？

檢視的使用場景有哪些？

檢視的優點

檢視的缺點

什麼是遊標？

儲存過程與函數

什麼是儲存過程？有哪些優缺點？

觸發器

什麼是觸發器？觸發器的使用場景有哪些？

MySQL中都有哪些觸發器？

常用SQL語句

SQL語句主要分爲哪幾類

超鍵、候選鍵、主鍵、外來鍵分別是什麼？

SQL 約束有哪幾種？

六種關聯查詢

什麼是子查詢

子查詢的三種情況

mysql中 in 和 exists 區別

varchar與char的區別

varchar(50)中50的涵義

int(20)中20的涵義

mysql爲什麼這麼設計

mysql中int(10)和char(10)以及varchar(10)的區別

FLOAT和DOUBLE的區別是什麼？

按照鎖的粒度分數據庫鎖有哪些？鎖機制機製與InnoDB鎖演算法

A	B	C	C	D
a1	b1	c1	c1	d1
a2	b2	c2	c1	d1
a3	b3	c3	c1	d1
a1	b1	c1	c2	d2
a2	b2	c2	c2	d2
a3	b3	c3	c2	d2
a1	b1	c1	c4	d3
a2	b2	c2	c4	d3
a3	b3	c3	c4	d3