数据库的一些问题

标签：优化   主键索引   rdb   单机   后端   有一个   有序   另一个   sorted   

什么是事务？

• 事务是数据库并发控制的基本单位
• 事务可以看做是一系列SQL语句的集合
• 事务必须要么全部执行，要么全部执行失败(回滚)

事务的ACID特性

• 原子性：一个事务中所有操作全部完成或失败
• 一致性：事务开始和结束之后数据完整性没有被破坏
• 隔离性：允许多个事务同时对数据库修改和读写
• 持久性：事务结束后，修改是永久的不会丢失

事务的并发控制可能产生哪些问题

• 如果不对事务进行并发控制，可能会产生四种异常情况

  • 幻读：一个事务第二次查出现第一次没有的结果
  • 非重复读：一个事务重复读两次得到不同的结果
  • 脏读：一个事务读取到另外一个事务没有提交的修改
  • 丢失修改：并发写入造成其中一些修改丢失

• 为了解决并发控制，定义了4种事务隔离级别

  • 读未提交：别的事务可以读取到未提交的改变
  • 读已提交：只能读取已经提交的数据
  • 可重复读：同一事务先后查询结果一样
  • 串行化：事务完全串行化的执行，隔离级别最高，执行效率最低

  mysql innodb默认实现可重复读级别

如何解决高并发场景下的插入重复

• 高并发场景下，写入数据库会有数据重复问题
  • 使用数据库的唯一索引
  • 使用队列异步写入
  • 使用redis等实现分布式锁

什么是乐观锁，什么是悲观锁

• 悲观锁是先获取锁再进行操作。一锁二查三更新 select for update
• 乐观锁先修改，更新的时候发现数据已经变了就回滚check and set
• 乐观锁一般是通过版本号或者时间戳实现

InnoDB vs MyISAM常见的区别

• MyISAM不支持事务，InnoDB支持事务
• MyISAM不支持外键，InnoDB支持外键
• MyISAM只支持表锁，InnoDB支持行锁和表锁

为什么需要索引？

• 索引是数据表中一个或者多个列进行排序的数据结构
• 索引能够大幅提升检索速度

查找结构进化史

• 线性查找：一个个找；实现简单；太慢
• 二分查找：有序；简单；要求是有序的，插入特别慢
• HASH：查询快；占用空间；不太适合存储大规模数据
• 二叉查找树：插入和查询很快(logn)；无法存大规模数据，复杂度退化
• 平衡树：解决bst退化的问题，树是平衡的；节点非常多的时候，树依然很高
• 多路查找树：一个父亲多个孩子节点；节点过多树高不会特别深
• 多路平衡查找树 B-Tree

什么是B-Tree，为什么要使用B-Tree

• 多路平衡查找树(每个节点最多m(m>=2)个孩子，称为m阶或者度)
• 叶节点具有相同的深度
• 节点中的数据key从左到右是递增的

B+树是B-Tree的变形

• mysql实际使用的B+Tree作为索引的数据结构
• 只在叶子节点带有指向记录的指针(可以增加树的度)
• 叶子节点通过指针相连(实现范围查询)

mysql创建索引类型

• 普通索引(create index)
• 唯一索引，索引列的值必须唯一(create unique index)
• 多列索引
• 主键索引(primary key),一个表只能有一个
• 全文索引(fulltext index),innodb不支持

什么时候创建索引

• 经常用作查询条件的字段(where)
• 经常用作表连接的字段
• 经常出现在order by ,group by之后的字段

创建索引有哪些需要注意的

• 非空字段not null，mysql很难对空值作查询优化
• 区分度高，离散度大，作为索引的字段值尽量不要有大量相同值
• 索引的长度不要太长(比较耗费时间)

索引什么时候失效

• 记忆口诀：模糊匹配、类型隐转、最左匹配.key不能直接比较是原因
• 以%开头的like语句，模糊搜索
• 出现隐式类型转换
• 没有满足最左前缀原则

什么是聚集索引？什么是非聚集索引

• 聚集还是非聚集指的是B+Tree叶节点存的是指针还是数据记录
• myisam索引和数据分离，使用的是非聚集索引
• innodb数据文件就是索引文件，主键索引就是聚集索引

如何排查慢查询

• 慢查询通常是缺少索引，索引不合理或者业务代码实现导致
  • slow_query_log_file开启并且查询慢查询日志
  • 通过explain排查索引问题
  • 调整数据修改索引；业务代码层限制不合理访问

内连接(inner join):两个表都存在匹配时，才会返回匹配行

• 将左表和右表能够关联起来的数据连接后返回
• 类似于求两个表的“交集”
• select * from A inner join B on a.id = b.id

外连接(left/right join)：返回一个表的行，即时另一个没有匹配

• 左连接返回左表中所有记录，即使右表中没有匹配的记录
• 右连接返回右表中所有的记录，即使左表中没有匹配的记录
• 没有匹配的字段会设置成null

全连接(full join)：只要某一个表存在匹配就返回

什么是缓存？为什么要使用缓存？

• 缓存关系数据库(常见的是mysql)并发访问的压力：热点数据
• 减少响应时间：内存IO速度比磁盘快
• 提升吞吐量：redis等内存数据单机就可以支撑很大并发

请简述redis常用数据类型和使用场景

• string：用来实现简单的kv键值对存储，比如计数器
• list：实现双向链表，比如用户的关注，粉丝列表
• hash：用来存储彼此相关信息的键值对
• set：存储不重复元素，比如用户的关注者
• sorted set：实时信息排行榜

redis内置实现

• string：整数或者sds(Simple Dynamic String)
• list：ziplist或者double linked list
• hash:ziplist或者hashtable
• set:intset或者hashtable
• sorted set:skiplist跳跃表

redis实现的跳跃表是什么结构

• sorted set为了简化实现，使用sKiplist而不是平衡树实现

redis有哪些持久化方式

• 快照方式：把数据快照放在磁盘二进制文件中，dump.rdb
• AOF(Append Only File):每一个写命令追加到appendonly.aof中
• 可以通过修改redis配置实现

什么是redis事务

• 和mysql的事务有什么不同？

  • 将多个请求打包，一次性、按序执行多个命令的机制
  • redis通过multi、exec、watch等命令实现事务功能
  • python redis-py pipeline=conn.pipline(transaction=True)

redis如何实现分布式锁

• 使用setnx实现加锁，可以同时通过expire添加超时时间
• 锁的value值可以使用一个随机的UUID或者特定的命名
• 释放锁的时候，通过UUID判断是否是该锁，是则执行delete释放锁

常用的使用缓存的模式

• Cache Aside：同时更新缓存和数据库(用的最多)

• Read/Write Through：先更新缓存，缓存负责同步更新数据库

• Write Behind Caching：先更新缓存，缓存定期异步更新数据库

  数据库和缓存之间数据一致性的问题

  先更新数据库后更新缓存，并发写操作可能导致缓存读取的是脏数据

  一般先更新数据库然后删除缓存

如何解决缓存穿透问题

• 大量查询不到的数据的请求落到后端数据库，数据库压力增大
  • 由于大量缓存查不到就去数据库取，数据库也没有要查的数据
  • 解决：由于没查到返回为None的数据也缓存
  • 插入数据的时候删除相应缓存，或者设置较短的超短时间

如何解决缓存击穿问题

• 某些非常热点的数据key过期，大量请求打到后端数据库
  • 热点数据key失效导致大量请求打到数据库增加数据库压力
  • 分布式锁：获取锁的线程从数据库拉数据更新缓存，其他线程等待
  • 异步后台更新：后台任务针对过期key自动刷新

如何解决缓存雪崩问题

• 缓存不可用或者大量缓存key同时失效，大量请求直接打到数据库
  • 多级缓存：不同级别的key设置不同的超时时间
  • 随机超时：key的超时时间随机设置，防止同时超时
  • 架构层：提升系统可用性。监控、报警完善

数据库的一些问题

标签：优化   主键索引   rdb   单机   后端   有一个   有序   另一个   sorted   

原文地址：https://www.cnblogs.com/tianshug/p/11299047.html