03-数据库必会问题

标签：produce   数据库服务器   替换   archive   .com   cached   redis   revoke   设置   

1、msyql引擎，区别，适用场景

存储引擎：如何存储data，为存储的data建立索引，如何更新、查询data等技术的实现方法
数据库的表有不同的类型，对应mysql不同的存取机制，表类型又称存储引擎

1. InnoDB存储引擎
   1. 支持事务，支持外键，
   2. 行锁设计，默认读取操作不会产生锁
   3. 查表总行数时，需要全表扫描
   4. 如果你的数据执行大量的INSERT或UPDATE，出于性能方面的考虑，应该使用InnoDB表
2. MyISAM
   1. 不支持事务，不支持外键
   2. 表锁设计。插入data时，锁定整个表
   3. 查表总行数时，不需要全表扫描
   4. 如果执行大量的SELECT，MyISAM是更好的选择
3. Memory存储引擎
   1. data放在内存中，数据库重启或发生崩溃，表中的data消失
   2. 哈希索引，不是B+树索引

4. NDB存储引擎
   是一个集群存储引擎,类似于 Oracle 的 RAC 集群

5. BLACKHOLE 黑洞存储引擎
   应用于--主备复制中的---分发主库

2、事务 (存储过程实现的)

事务（Transaction）是并发控制的基本单位。
将某些操作的多个sql作为原子性操作，这些操作要么都执行，要么都不执行，一旦某一个出现错误，即可回滚到原来的状态，从而保证数据库数据的完整性

ACID

1. 原子性(Atomicity):一堆sql语句，要么不执行，要么全部执行
2. 一致性(Consistency)：事务开始前，结束后，数据库的完整性约束没有被破坏
3. 隔离性(Isolation)：多个事务并发访问时，事务之间是隔离的，锁实现的
4. 持久性(Durability)：事务一旦提交，对数据库中的data改变是永久的，不会被回滚
   https://blog.csdn.net/shuaihj/article/details/14163713

事务的三个常用命令
Begin Transaction、Commit Transaction、RollBack Transaction。

3、join什么时候用？有几种?区别

多表连接查询、有外键关联

1. inner join(内连接):只匹配2张表中相关联的记录。
2. left join(外连接之左连接):优先显示左表全部记录，在内连接的基础上增加左表有右表没有的结果，右表中未匹配到的字段用NULL表示。
3. right join(外连接之右连接):优先显示右表全部记录，在内连接的基础上增加右表有左表没有的结果，左表中未匹配到的字段用NULL表示
4. full join(全外连接)：内连接基础，增加左表有右表没有和右表有左表没有的结果；连接的表中不匹配的数据全部会显示出来。
   mysql 不支持full join 但是可以用 union
5. 交叉连接：笛卡尔积，显示的结果是连接表数的乘积。

4、存储过程

相当于函数，封装了，一系列预编译可执行的sql语句，存放在MySQL中。
直接调用它的名字，可以执行其内部的一堆sql

优点： 
    1.程序与sql解耦。一个存储过程替代大量sql语句
    2.执行效率高。存储过程是预编译的一个代码块
    3.网络传输量小。传别名的数据量小，传sql数据量大
    4.确保数据安全。执行存储过程需要用户有一定权限
缺点：
    1.程序猿拓展功能不方便
    2.移植性差

create procedure p1()
BEGIN
    SELECT * FROM TABLE1;
END

#在mysql中调用
call p1() 

5、视图

视图是一种虚拟的表，具有和物理表相同的功能。可以对视图进行增删改查

create view table1_view as select * from table1; 

6、触发器

触发器是一种特殊的存储过程，通过事件来触发而被执行的。
使用触发器可以定制用户对表进行增、删、改操作前后的行为

create trigger tri_after_insert_table1 after insert on table1 for each row
BEGIN
    SELECT * FROM TABLE1;
END

7、索引是什么？什么时候用？

相当于，新华字典的，音序表
数据库管理系统中，一个排序好的数据结构，协助快速查询data，范围查询data

create index ix_age on table1(age);
create index 索引名1,索引名2 on 表名('字段1','字段2')

优势
    1.可以大大加快数据的检索速度,(这也是创建索引的最主要的原因)
    2.分组和排序，显著减少时间
    3.加速表和表之间的连接
    4.创建唯一性索引，保证每一行数据的唯一性

代价
    1.增加了数据库的存储空间,(每一个索引需要占用物理空间)
    2.插入与修改data要花费较多时间,(index索引也跟着变动)

什么时候用？
    1. 经常select查询
    2. 表记录超级多
    3. 列。经常搜索的列、主键列、外键列、排序的列、where上的列、范围查找的列 age in [20,40]

什么时候不用？
    1. 经常update、delete、insert
    2. 表记录少
    3. 列。不经常使用的列、数据值很少的列(固定电话)、定义为文本，图片，bit的列、修改性能远远大于检索性能的列

B+树：二叉树---平衡二叉树---B树---B+树---B-树---B*树---红黑树

http://www.cnblogs.com/oldhorse/archive/2009/11/16/1604009.html
https://blog.csdn.net/samjustin1/article/details/52664514
https://blog.csdn.net/xiaqunfeng123/article/details/52534468
https://blog.csdn.net/qq_26768741/article/details/53164202

B+树

用途：用于数据库索引，操作系统的文件系统中  
特点：保持data稳定有序，插入与修改有较稳定的对数时间复杂度O(logN)    

1.所有关键字的信息，都出现在叶子节点
2.所有非叶子节点，不存储data，只存储key，递增排列
3.为所有叶子节点增加一个链指针
4.非叶子节点的key，是其子树的最大或最小关键字

8.Mysql索引用B+树而不用B-树或者红黑树

Mysql如何衡量查询效率呢？– 磁盘IO次数

1.B+树节点小，磁盘I/O次数少
    B+树。叶节点存放data，其他节点用来索引  
    B-树。每个索引节点都会有data区域
    红黑树。树的深度过大，IO读写频繁
2.B+树，支持范围查询，B树不支持
    所有的叶子节点用指针串起来，遍历叶子节点，就能获得全部数据，可以进行区间访问

https://blog.csdn.net/xiedelong/article/details/81417049

9、DDL、DML、DCL

DDL (define) 数据库定义语言 database、table、view、index、producer、drop
DML(manager) 数据库操纵语言 insert、delete、update、select
DCL (control) 数据库控制语言 grant，revoke 权限

10、说一说三个范式。

1. 第一范式（1NF）：数据库表中的字段都是单一属性的，不可再分。
   学生信息表，有姓名、年龄、性别、学号等信息组成
2. 第二范式（2NF）：满足第一范式,表中的字段必须完全依赖于全部主键而非部分主键。
   要有主键，要求其他字段都依赖于主键。
3. 第三范式（3NF）：满足第二范式，非主键外的所有字段必须互不依赖
   就是数据只在一个地方存储，不重复出现在多张表中，可以认为就是消除传递依赖
   消除传递依赖，方便理解，可以看做是“消除冗余”。
   所谓传递函数依赖，指的是如 果存在"A → B → C"的决定关系，则C传递函数依赖于A。

11、drop、delete与truncate简单说一说区别

SQL中的drop、delete、truncate都表示删除，但是三者有一些差别
1.delete和truncate只删除表的数据不删除表的结构
2.速度,一般来说: drop> truncate >delete
3.delete语句是dml,这个操作会放到rollback segement中,事务提交之后才生效;如果有相应的trigger,执行的时候将被触发.
4.truncate,drop是ddl, 操作立即生效,原数据不放到rollback segment中,不能回滚. 操作不触发trigger.
5.安全性:小心使用drop 和truncate,尤其没有备份的时候 ,不可回滚

分别在什么场景之下使用？  
1.不再需要一张表的时候，用drop  
2.想删除部分数据行时候，用delete，并且带上where子句  
3.保留表而删除所有数据的时候用truncate  

12、sql语句

查询来自杭州，并且订单数少于2的客户。

select a.customer_id, count(b.order_id) as total_orders
from table1 as a left join table2 as b
on a.customer_id = b.customer_id
where a.city = 'hangzhou'
group by a.customer_id
having count(b.order_id) < 2
order by total_orders desc
limit 1;

13、char与varchar区别

char是固定长度的类型
vachar是可变长度的类型

char(10)：定长，字符长度为10,浪费空间，存取速度快
            root存成root000000,数据不足时，右边用空格填充

varchar(10)：变长，字符长度10，,精准，节省空间，存取速度慢
            存储数据的真实内容，不会填充，
            1-2bytes的数据字节数 + 真实数据root

14、数据库优化问题

（1）服务层面：配置mysql性能优化参数；  
（2）系统层面：优化数据表结构、字段类型、字段索引、分表，分库、读写分离等等。
（3）数据库层面：优化SQL语句，合理使用字段索引。  
（4）代码层面：使用缓存和NoSQL数据库方式存储，MongoDB/Memcached/Redis来缓解高并发下数据库查询的压力。
（5）减少数据库操作次数，尽量使用数据库访问驱动的批处理方法。
（6）不常使用的数据迁移备份，避免每次都在海量数据中去检索。
（7）提升数据库服务器硬件配置，或者搭建数据库集群。
（8）编程手段防止SQL注入

15、在数据库中查询语句速度很慢，如何优化？

1.建索引
2.减少表之间的关联
3.优化sql，尽量让sql很快定位数据，不要让sql做全表查询，应该走索引,把数据 量大的表排在前面
4.简化查询字段，没用的字段不要，尽量返回少量数据

16、数据库优化的思路

1.SQL语句优化
用Where子句替换HAVING 子句，因为HAVING 只会在检索出所有记录之后才对结果集进行

2.索引优化
看上文索引

3.数据库结构优化
 1）范式优化： 比如消除冗余（节省空间。。）
 2）反范式优化：比如适当加冗余等（减少join）
 3）拆分表、拆分库
 4）读写分离

4.服务器硬件优化

17、你了解redis吗？

1. 高性能，非关系型数据库，内存数据库，减少磁盘I/O
2. key-value类型，hashmap实现，复杂度O(1)，查找与操作速度快
3. 丰富的数据类型，string，list，set，hash
4. 支持事务，操作都是原子性
5. 必要时部分存在硬盘上
6. 丰富的特性、可用于缓存，消息，按key设置过期时间，过期自动删除
7. mySQL里有2000w数据，redis中只存20w的热点数据，内存数据集达到一定大小的时候，施行数据淘汰策略(过期时间、最少使用)

03-数据库必会问题

标签：produce   数据库服务器   替换   archive   .com   cached   redis   revoke   设置   

原文地址：https://www.cnblogs.com/venicid/p/9747043.html