1佃迄、幾種主要的數(shù)據(jù)庫(kù)引擎的區(qū)別

MyISAM讀取操作速度很快派桩，而且不占用大量的內(nèi)存和存儲(chǔ)資源构诚，但是不支持事務(wù)和外鍵，也不支持行級(jí)鎖铆惑，寫操作會(huì)鎖定整個(gè)表范嘱，效率便低了一些，最大的缺陷是崩潰后無法安全恢復(fù)员魏，適合對(duì)事務(wù)完整性沒有要求并以訪問為主的應(yīng)用

InnoDB是一個(gè)事務(wù)性引擎丑蛤，支持行級(jí)鎖和外鍵，提供了具有提交撕阎、回滾和崩潰恢復(fù)能力的事務(wù)安全存儲(chǔ)引擎受裹，而且在READ COMMITTED和REPEATABLE READ隔離級(jí)別下支持MVCC，即多版本并發(fā)控制虏束，大大提高了事務(wù)的并發(fā)能力名斟。

MVCC：

MVCC，即多版本并發(fā)控制魄眉，在概念上砰盐，通過在行記錄上隱世的增加兩個(gè)版本號(hào)字段，一個(gè)創(chuàng)建版本號(hào)和一個(gè)刪除版本號(hào)坑律。使用MVCC可以提高減少數(shù)據(jù)的加鎖操作岩梳，大大提高了事務(wù)的并發(fā)能力囊骤。

2、事務(wù)的特征

原子性：事務(wù)是一個(gè)完整的操作冀值，要么全部執(zhí)行也物，要么都不執(zhí)行

一致性：當(dāng)事務(wù)完成時(shí)，數(shù)據(jù)必須處于一致狀態(tài)

隔離性：對(duì)數(shù)據(jù)修改的所有并發(fā)事務(wù)都是彼此隔離的

持久性：事務(wù)一旦提交列疗，對(duì)數(shù)據(jù)庫(kù)數(shù)據(jù)的修改便是永久的

3滑蚯、MySQL的隔離級(jí)別

串行化（Serializable）：可避免臟讀、幻讀和不可重復(fù)讀

可重復(fù)讀（Repeatable read）：可避免臟讀和不可重復(fù)讀

讀已提交（Read committed）：可避免臟讀

讀未提交（read uncommitted）：最低級(jí)別抵栈，任何情況都無法保證

臟讀

讀取了另一個(gè)未提交事務(wù)中的數(shù)據(jù)

不可重復(fù)讀和幻讀

都是讀取了另一個(gè)已提交事務(wù)中的數(shù)據(jù)告材，區(qū)別在于不可重復(fù)讀重點(diǎn)在于更新和刪除，幻讀重點(diǎn)在于插入

在可重復(fù)讀中古劲，第一次讀取數(shù)據(jù)時(shí)斥赋，就將這些數(shù)據(jù)加索，其他事務(wù)就無法修改這些數(shù)據(jù)产艾，就實(shí)現(xiàn)可重復(fù)讀了疤剑。但是無法鎖住插入的數(shù)據(jù)，這個(gè)事務(wù)就發(fā)現(xiàn)莫名奇妙多了一個(gè)數(shù)據(jù)闷堡，這就是幻讀隘膘。

4、鎖的級(jí)別

共享鎖：可以并發(fā)讀取數(shù)據(jù)杠览，但任何事務(wù)都不能獲取排它鎖弯菊，直到共享鎖釋放

排它鎖：對(duì)數(shù)據(jù)A加上排它鎖后，其他事務(wù)不能再對(duì)A加上任何類型的鎖倦零，獲取排它鎖的事務(wù)可以對(duì)數(shù)據(jù)進(jìn)行讀取和修改操作

5、鎖的粒度

行級(jí)鎖：粒度最小吨悍，并發(fā)度最高

頁級(jí)鎖：一次鎖定一頁扫茅，

表級(jí)鎖：粒度大，并發(fā)度低

6育瓜、悲觀鎖和樂觀鎖

悲觀鎖：每次獲取數(shù)據(jù)的時(shí)候都會(huì)認(rèn)為別人會(huì)修改數(shù)據(jù)葫隙，所以每次拿數(shù)據(jù)時(shí)都加上鎖

樂觀鎖：每次獲取數(shù)據(jù)時(shí)都會(huì)認(rèn)為別人不會(huì)修改數(shù)據(jù)，只是在提交數(shù)據(jù)更新的時(shí)候才會(huì)去檢查在此期間有沒有其他人去更新這個(gè)數(shù)據(jù)躏仇，如果發(fā)生沖突恋脚，則返回用戶錯(cuò)誤數(shù)據(jù)，讓用戶決定如何處理焰手，一般實(shí)現(xiàn)樂觀鎖的方式就是記錄數(shù)據(jù)版本號(hào)

7糟描、explain詳解

id：標(biāo)識(shí)select查詢的序列號(hào)，標(biāo)識(shí)查詢select子句的執(zhí)行順序

select_type：查詢類型：simple（簡(jiǎn)單子查詢）书妻、primary（包含union或子查詢船响，最外層的部分標(biāo)記為primary）、subquery（查詢中的子查詢）、derived（派生表见间，從子查詢派生出來的聊闯，位于from中的紫釵性能）

table：表示正在訪問的表名，也可能是臨時(shí)表或者union合并結(jié)果集

derivedN米诉，表示使用了id為N的查詢產(chǎn)生的衍生表

union n1,n2菱蔬，n1,n2表示參與union的id

type：類型

all：全表掃描

index：全索引掃描

range：index的范圍限制

index_subquery：在某些in查詢使用此種類型，查詢的是非唯一索引

unique_subquery：在某些in查詢使用此種類型

index_merge：索引合并優(yōu)化被使用了

ref_or_null：MySQL必須在初次查找的結(jié)果找到null條目史侣，然后進(jìn)行二次查找

ref：使用了非唯一性索引進(jìn)行查找

eq_ref：唯一性索引

const：主鍵出現(xiàn)再where后面作為條件查詢拴泌，MySQL優(yōu)化器會(huì)把此次查詢優(yōu)化轉(zhuǎn)化為一個(gè)常量

system：表中只有一行

possible_keys：顯示可能用到的索引

keys：MySQL使用了哪個(gè)索引

rows：大致估算出找出所需的記錄需要讀取的行數(shù)

extra：包含了一些十分重要的額外信息

using filesort：說明MySQL無法利用索引進(jìn)行排序，只能用排序算法進(jìn)行排序抵窒，這會(huì)額外消耗資源弛针，說明這個(gè)SQL需要優(yōu)化，需要重新建立索引等

using temporay：建立了臨時(shí)表保存中間結(jié)果李皇，查詢完之后又把臨時(shí)表刪除削茁，出現(xiàn)這個(gè)說明sql需要優(yōu)化

using index：表明當(dāng)前查詢時(shí)覆蓋索引的，直接從索引中讀取數(shù)據(jù)掉房，而不用訪問數(shù)據(jù)表

using where：使用where進(jìn)行條件過濾

using join buffer：使用了連接緩存

impossible where：where語句總是false

distinct：優(yōu)化distinct操作茧跋，在找到第一匹配的元組后即停止找同樣值的動(dòng)作

重點(diǎn)：

type、possible_keys卓囚、key瘾杭、rows、extra

8哪亿、索引原理

什么是索引

索引是一種數(shù)據(jù)結(jié)構(gòu)粥烁，幫助我們快速檢索數(shù)據(jù)庫(kù)中的數(shù)據(jù)。

索引的優(yōu)勢(shì)

加快檢索速度蝇棉，減少I/O次數(shù)

索引的劣勢(shì)

索引會(huì)占用存儲(chǔ)空間讨阻，構(gòu)建索引會(huì)降低數(shù)據(jù)表修改的效率

索引類型

從存儲(chǔ)結(jié)構(gòu)上來劃分：BTree索引（B-Tree或B+Tree索引），Hash索引篡殷，full-index全文索引钝吮，R-Tree索引。這里所描述的是索引存儲(chǔ)時(shí)保存的形式

從應(yīng)用層次來分：普通索引板辽，唯一索引奇瘦，復(fù)合索引

根據(jù)中數(shù)據(jù)的物理順序與鍵值的邏輯（索引）順序關(guān)系：聚集索引，非聚集索引

聚簇索引：葉子節(jié)點(diǎn)保存的就是數(shù)據(jù)節(jié)點(diǎn)

非聚簇索引：葉子節(jié)點(diǎn)保存的是指向?qū)?yīng)數(shù)據(jù)塊的指針

MyISAM和InnoDB存儲(chǔ)引擎下索引有什么區(qū)別

MyISAM引擎采用B+tree作為索引結(jié)構(gòu)劲弦，索引文件和數(shù)據(jù)文件是分離的耳标，葉節(jié)點(diǎn)的data域保存的是數(shù)據(jù)記錄的地址。

主鍵索引和輔助索引在結(jié)構(gòu)上沒有什么區(qū)別邑跪，只是主鍵索引要求key必須是唯一的麻捻，而輔助索引則可以重復(fù)

InnoDB引擎也采用B+tree作為索引結(jié)構(gòu)纲仍，主鍵索引也就是聚簇索引中，葉節(jié)點(diǎn)的data域保存了完整的數(shù)據(jù)記錄贸毕；而輔助索引的葉節(jié)點(diǎn)的data域保存了主鍵

9郑叠、如何優(yōu)化MySQL

MySQL優(yōu)化大致可以分為三部分：索引的優(yōu)化、SQL語句優(yōu)化和表的優(yōu)化

索引優(yōu)化可以遵循以下幾個(gè)原則：

聯(lián)合索引最左前綴匹配原則

盡量把字段長(zhǎng)度小的列放在聯(lián)合索引的最左側(cè)（因?yàn)樽侄卧叫∶鞴鳎豁摯鎯?chǔ)的數(shù)據(jù)量越大乡革，IO性能也就越好）

order by 有多個(gè)列排序的，應(yīng)該建立聯(lián)合索引

對(duì)于頻繁的查詢優(yōu)先考慮使用覆蓋索引

前導(dǎo)模糊查詢不會(huì)使用索引摊腋，比如說Like '%aaa%'這種

負(fù)向條件不會(huì)使用索引沸版，如!=，<>兴蒸，not like视粮，not in，not exists

索引應(yīng)該建立在區(qū)分度比較高的字段上? 一般區(qū)分度在80%以上的時(shí)候就可以建立索引橙凳，區(qū)分度可以使用 count(distinct(列名))/count(*)

對(duì)于where子句中經(jīng)常使用的列蕾殴，最好設(shè)置索引

SQL語句優(yōu)化，可以通過explain查看SQL的執(zhí)行計(jì)劃岛啸，優(yōu)化語句原則可以有：

在where和order by涉及的列上建立合適的索引钓觉，避免全表掃描

任何查詢都不要使用select * ，而是用具體的字段列表代替

多表連接時(shí)坚踩，盡量小表驅(qū)動(dòng)大表荡灾，即小表join大表

用exists代替in

盡量避免在where字句中對(duì)字段進(jìn)行函數(shù)操作

數(shù)據(jù)庫(kù)表優(yōu)化

表字段盡可能用not null

字段長(zhǎng)度固定表查詢會(huì)更快

將數(shù)據(jù)庫(kù)大表按照時(shí)間或者一些標(biāo)志拆分成小表

水平拆分：將記錄散列到不同的表中，每次從分表查詢

垂直拆分：將表中的大字段單獨(dú)拆分到另一張表瞬铸，形成一對(duì)一的關(guān)系

10批幌、為什么索引結(jié)構(gòu)默認(rèn)使用B+Tree，而不是Hash嗓节，二叉樹荧缘，紅黑樹？

B+tree是一種多路平衡查詢樹赦政，節(jié)點(diǎn)是天然有序的胜宇，非葉子節(jié)點(diǎn)包含多個(gè)元素窝稿，不保存數(shù)據(jù)美莫，只用來索引桐汤，葉子節(jié)點(diǎn)包含完整數(shù)據(jù)和帶有指向下一個(gè)節(jié)點(diǎn)的指針，形成一個(gè)有序鏈表掰派，有助于范圍和順序查找。因?yàn)榉侨~子節(jié)點(diǎn)不保存數(shù)據(jù)左痢，所以同樣大小的磁盤頁可以容納更多的元素靡羡，同樣能數(shù)據(jù)量的情況下系洛，B+tree相比B-tree高度更低，因此查詢時(shí)IO會(huì)更少

B-tree不管葉子節(jié)點(diǎn)還是非葉子節(jié)點(diǎn)略步，都會(huì)保存數(shù)據(jù)描扯，這樣導(dǎo)致在非葉子節(jié)點(diǎn)中能保存的指針數(shù)量變少（有些資料也稱為扇出），指針少的情況下要保存大量數(shù)據(jù)趟薄，只能增加樹的高度绽诚，導(dǎo)致IO操作變多，查詢性能變低杭煎；

Hash索引底層是基于哈希表恩够，就是以key-value存儲(chǔ)數(shù)據(jù)的結(jié)構(gòu)，多個(gè)數(shù)據(jù)在存儲(chǔ)關(guān)系上是沒有任何順序關(guān)系的羡铲。只適合等值查詢蜂桶，不適合范圍查詢，而且也無法利用索引完成排序也切，不支持聯(lián)合索引的最左匹配原則扑媚，如果有大量重復(fù)鍵值的情況下，哈希索引效率會(huì)很低贾费，因?yàn)榇嬖诠Ｅ鲎病?/p>

二叉樹：樹的高度不均勻钦购，不能自平衡，查找效率跟數(shù)據(jù)有關(guān)（樹的高度）褂萧，并且IO代價(jià)高押桃。

紅黑樹：樹的高度隨著數(shù)據(jù)量增加而增加，IO代價(jià)高导犹。

11唱凯、主鍵索引查詢只會(huì)查一次，而非主鍵索引需要回表查詢多次谎痢。是所有情況都是這樣的嗎磕昼？非主鍵索引一定會(huì)查詢多次嗎？

如果我們使用了覆蓋索引节猿，也就是當(dāng)一條查詢語句符合覆蓋索引條件時(shí)票从，MySQL只需要通過查詢索引就可以返回需要的數(shù)據(jù)，避免了查到索引后再返回表操作滨嘱，減少I/O提高效率

12峰鄙、聯(lián)合索引最左前綴匹配原則

在創(chuàng)建多列的聯(lián)合索引下，MySQL索引查詢會(huì)遵循最左前綴匹配原則太雨，即檢索數(shù)據(jù)時(shí)從聯(lián)合索引的最左邊開始匹配吟榴。例如，當(dāng)創(chuàng)建了一個(gè)聯(lián)合索引（key1,key2,key3）相當(dāng)于創(chuàng)建了（key1）囊扳，（key1,key2）吩翻，（key1,key2,key3）三個(gè)索引

13兜看、MySQL5.6中對(duì)索引做了哪些優(yōu)化

索引下推技術(shù)

例如有索引（key1，key2）,SQL語句中where key1 = 'XXX' and key2 like '%XXX%'

如果沒有使用索引下推技術(shù)狭瞎，MySQL會(huì)通過key1 = 'XXX'從存儲(chǔ)引擎返回對(duì)應(yīng)的數(shù)據(jù)至MySQL服務(wù)端细移，服務(wù)端再基于key2 like 判斷是否符合條件。

如果使用了索引下推技術(shù)熊锭，MySQL首先返回key1='XXX'的索引葫哗，再根據(jù)key2 like 判斷索引是否符合條件，如果符合則通過索引定位數(shù)據(jù)球涛，如果不符合則直接reject掉劣针。有了索引下推優(yōu)化，可以在有l(wèi)ike條件查詢的情況下亿扁，減少回表次數(shù)捺典。

14、那什么情況下會(huì)發(fā)生明明創(chuàng)建了索引从祝，但是執(zhí)行的時(shí)候并沒有通過索引呢

在一條單表查詢語句真正執(zhí)行之前襟己，MySQL的查詢優(yōu)化器會(huì)找出執(zhí)行該語句所有可能使用的方案，對(duì)比之后找出成本最低的方案牍陌。

這個(gè)成本最低的方案就是所謂的執(zhí)行計(jì)劃擎浴。優(yōu)化過程大致如下：

1、根據(jù)搜索條件毒涧，找出所有可能使用的索引?

2贮预、計(jì)算全表掃描的代價(jià)?

3、計(jì)算使用不同索引執(zhí)行查詢的代價(jià)?

4契讲、對(duì)比各種執(zhí)行方案的代價(jià)仿吞，找出成本最低的那一個(gè)

15、紅黑樹的五個(gè)性質(zhì)

節(jié)點(diǎn)是黑色或者紅色

根節(jié)點(diǎn)是黑色

所有的葉子節(jié)點(diǎn)都是黑色捡偏，葉子是nil節(jié)點(diǎn)

每個(gè)紅色節(jié)點(diǎn)唤冈，必須有兩個(gè)黑色的子節(jié)點(diǎn)

從任一節(jié)點(diǎn)到其每個(gè)葉子的所有簡(jiǎn)單路徑都包含相同數(shù)目的黑色節(jié)點(diǎn)

16、MySQL一條查詢語句是如何執(zhí)行的

MySQL的基本架構(gòu)分為兩個(gè)層次：server層和存儲(chǔ)引擎層

其中server層包括：連接器银伟、查詢緩存你虹、分析器、優(yōu)化器彤避、執(zhí)行器

存儲(chǔ)引擎層負(fù)責(zé)數(shù)據(jù)的存儲(chǔ)和讀取

連接器負(fù)責(zé)與客戶端建立鏈接傅物、權(quán)限驗(yàn)證和管理鏈接

當(dāng)向server發(fā)送sql請(qǐng)求時(shí)，如果開啟了查詢緩存忠藤，則去查詢緩存中看是否有挟伙，如果有則直接返回楼雹，否則再走分析器進(jìn)行詞法分析和語法分析

分析器工作完成后模孩，將語句傳遞到優(yōu)化器進(jìn)行優(yōu)化尖阔，確定優(yōu)化執(zhí)行方案，優(yōu)化器會(huì)根據(jù)自己的優(yōu)化算法選擇效率最好的一個(gè)方案

之后就會(huì)交給執(zhí)行器進(jìn)行執(zhí)行榨咐，執(zhí)行之前還會(huì)進(jìn)行權(quán)限驗(yàn)證介却，然后調(diào)用數(shù)據(jù)庫(kù)存儲(chǔ)引擎接口，返回引擎執(zhí)行結(jié)果