面試常問的20個數據庫高頻面試題詳解！

進了互聯網公司，成天也就是搬磚，等到了面試的時候，發現數據庫方面，忘得一塌糊塗，抽時間整理了一些數據庫方面的題。歡迎你們向我推薦你在面試過程當中遇到的問題,我會把你們推薦的問題添加到下面的經常使用面試題清單中供你們參考。

事務四大特性（ACID）原子性、一致性、隔離性、持久性？

原子性（Atomicity）

• 原子性是指事務包含的全部操做要麼所有成功，要麼所有失敗回滾，所以事務的操做若是成功就必需要徹底應用到數據庫，若是操做失敗則不能對數據庫有任何影響。

一致性（Consistency）

• 事務開始前和結束後，數據庫的完整性約束沒有被破壞。好比A向B轉帳，不可能A扣了錢，B卻沒收到。

隔離性（Isolation）

• 隔離性是當多個用戶併發訪問數據庫時，好比操做同一張表時，數據庫爲每個用戶開啓的事務，不能被其餘事務的操做所幹擾，多個併發事務之間要相互隔離。

同一時間，只容許一個事務請求同一數據，不一樣的事務之間彼此沒有任何干擾。好比A正在從一張銀行卡中取錢，在A取錢的過程結束前，B不能向這張卡轉帳。

關於事務的隔離性數據庫提供了多種隔離級別，稍後會介紹到。   持久性（Durability）

• 持久性是指一個事務一旦被提交了，那麼對數據庫中的數據的改變就是永久性的，即使是在數據庫系統遇到故障的狀況下也不會丟失提交事務的操做。

事務的併發？事務隔離級別，每一個級別會引起什麼問題，MySQL默認是哪一個級別？

從理論上來講, 事務應該彼此徹底隔離, 以免併發事務所致使的問題，然而, 那樣會對性能產生極大的影響, 由於事務必須按順序運行， 在實際開發中, 爲了提高性能, 事務會以較低的隔離級別運行， 事務的隔離級別能夠經過隔離事務屬性指定。

事務的併發問題

一、髒讀：事務A讀取了事務B更新的數據，而後B回滾操做，那麼A讀取到的數據是髒數據

二、不可重複讀：事務 A 屢次讀取同一數據，事務 B 在事務A屢次讀取的過程當中，對數據做了更新並提交，致使事務A屢次讀取同一數據時，結果所以本事務前後兩次讀到的數據結果會不一致。

三、幻讀：幻讀解決了不重複讀，保證了同一個事務裏，查詢的結果都是事務開始時的狀態（一致性）。

例如：事務T1對一個表中全部的行的某個數據項作了從「1」修改成「2」的操做 這時事務T2又對這個表中插入了一行數據項，而這個數據項的數值仍是爲「1」而且提交給數據庫。 而操做事務T1的用戶若是再查看剛剛修改的數據，會發現還有跟沒有修改同樣，其實這行是從事務T2中添加的，就好像產生幻覺同樣，這就是發生了幻讀。

小結：不可重複讀的和幻讀很容易混淆，不可重複讀側重於修改，幻讀側重於新增或刪除。解決不可重複讀的問題只需鎖住知足條件的行，解決幻讀須要鎖表。   

事務的隔離級別

事務隔離級別	髒讀	不可重複讀	幻讀
讀未提交 read-uncommitted	是	是	是
不可重複讀 read-committed	否	是	是
可重複讀 repeatable-read	否	否	是
串行化 serializable	否	否	否

• 讀未提交：另外一個事務修改了數據，但還沒有提交，而本事務中的SELECT會讀到這些未被提交的數據髒讀
• 不可重複讀：事務 A 屢次讀取同一數據，事務 B 在事務A屢次讀取的過程當中，對數據做了更新並提交，致使事務A屢次讀取同一數據時，結果所以本事務前後兩次讀到的數據結果會不一致。
• 可重複讀：在同一個事務裏，SELECT的結果是事務開始時時間點的狀態，所以，一樣的SELECT操做讀到的結果會是一致的。可是，會有幻讀現象
• 串行化：最高的隔離級別，在這個隔離級別下，不會產生任何異常。併發的事務，就像事務是在一個個按照順序執行同樣

MySQL默認的事務隔離級別爲repeatable-read

• MySQL 支持 4 中事務隔離級別.
• 事務的隔離級別要獲得底層數據庫引擎的支持, 而不是應用程序或者框架的支持.
• Oracle 支持的 2 種事務隔離級別：READ_COMMITED , SERIALIZABLE

補充：

1. SQL規範所規定的標準，不一樣的數據庫具體的實現可能會有些差別
2. MySQL中默認事務隔離級別是「可重複讀」時並不會鎖住讀取到的行

• 事務隔離級別：未提交讀時，寫數據只會鎖住相應的行。
• 事務隔離級別爲：可重複讀時，寫數據會鎖住整張表。
• 事務隔離級別爲：串行化時，讀寫數據都會鎖住整張表。

隔離級別越高，越能保證數據的完整性和一致性，可是對併發性能的影響也越大，魚和熊掌不可兼得啊。對於多數應用程序，能夠優先考慮把數據庫系統的隔離級別設爲Read Committed，它可以避免髒讀取，並且具備較好的併發性能。儘管它會致使不可重複讀、幻讀這些併發問題，在可能出現這類問題的個別場合，能夠由應用程序採用悲觀鎖或樂觀鎖來控制。

MySQL常見的三種存儲引擎（InnoDB、MyISAM、MEMORY）的區別？

MySQL存儲引擎MyISAM與InnoDB如何選擇

MySQL有多種存儲引擎，每種存儲引擎有各自的優缺點，能夠擇優選擇使用：MyISAM、InnoDB、MERGE、MEMORY(HEAP)、BDB(BerkeleyDB)、EXAMPLE、FEDERATED、ARCHIVE、CSV、BLACKHOLE。

雖然MySQL裏的存儲引擎不僅是MyISAM與InnoDB這兩個，但經常使用的就是兩個。

兩種存儲引擎的大體區別表如今：

• InnoDB支持事務，MyISAM不支持，這一點是很是之重要。事務是一種高級的處理方式，如在一些列增刪改中只要哪一個出錯還能夠回滾還原，而MyISAM就不能夠了。
• MyISAM適合查詢以及插入爲主的應用。
• InnoDB適合頻繁修改以及涉及到安全性較高的應用。
• InnoDB支持外鍵，MyISAM不支持。
• 從MySQL5.5.5之後，InnoDB是默認引擎。
• InnoDB不支持FULLTEXT類型的索引。
• InnoDB中不保存表的行數，如select count(*) from table時，InnoDB須要掃描一遍整個表來計算有多少行，可是MyISAM只要簡單的讀出保存好的行數便可。注意的是，當count(*)語句包含where條件時MyISAM也須要掃描整個表。
• 對於自增加的字段，InnoDB中必須包含只有該字段的索引，可是在MyISAM表中能夠和其餘字段一塊兒創建聯合索引。
• DELETE FROM table時，InnoDB不會從新創建表，而是一行一行的 刪除，效率很是慢。MyISAM則會重建表。
• InnoDB支持行鎖（某些狀況下仍是鎖整表，如 update table set a=1 where user like '%lee%'。

關於MySQL數據庫提供的兩種存儲引擎，MyISAM與InnoDB選擇使用：

• INNODB會支持一些關係數據庫的高級功能，如事務功能和行級鎖，MyISAM不支持。
• MyISAM的性能更優，佔用的存儲空間少，因此，選擇何種存儲引擎，視具體應用而定。
• 若是你的應用程序必定要使用事務，毫無疑問你要選擇INNODB引擎。但要注意，INNODB的行級鎖是有條件的。在where條件沒有使用主鍵時，照樣會鎖全表。好比DELETE FROM mytable這樣的刪除語句。
• 若是你的應用程序對查詢性能要求較高，就要使用MyISAM了。MyISAM索引和數據是分開的，並且其索引是壓縮的，能夠更好地利用內存。因此它的查詢性能明顯優於INNODB。壓縮後的索引也能節約一些磁盤空間。MyISAM擁有全文索引的功能，這能夠極大地優化LIKE查詢的效率。

有人說MyISAM只能用於小型應用，其實這只是一種偏見。若是數據量比較大，這是須要經過升級架構來解決，好比分表分庫，而不是單純地依賴存儲引擎。

如今通常都是選用innodb了，主要是MyISAM的全表鎖，讀寫串行問題，併發效率鎖表，效率低，MyISAM對於讀寫密集型應用通常是不會去選用的。

MEMORY存儲引擎

MEMORY是MySQL中一類特殊的存儲引擎。它使用存儲在內存中的內容來建立表，並且數據所有放在內存中。這些特性與前面的兩個很不一樣。

每一個基於MEMORY存儲引擎的表實際對應一個磁盤文件。該文件的文件名與表名相同，類型爲frm類型。該文件中只存儲表的結構。而其數據文件，都是存儲在內存中，這樣有利於數據的快速處理，提升整個表的效率。值得注意的是，服務器須要有足夠的內存來維持MEMORY存儲引擎的表的使用。若是不須要了，能夠釋放內存，甚至刪除不須要的表。

MEMORY默認使用哈希索引。速度比使用B型樹索引快。固然若是你想用B型樹索引，能夠在建立索引時指定。

注意，MEMORY用到的不多，由於它是把數據存到內存中，若是內存出現異常就會影響數據。若是重啓或者關機，全部數據都會消失。所以，基於MEMORY的表的生命週期很短，通常是一次性的。

MySQL的MyISAM與InnoDB兩種存儲引擎在，事務、鎖級別，各自的適用場景？

事務處理上方面

• MyISAM：強調的是性能，每次查詢具備原子性,其執行數度比InnoDB類型更快，可是不提供事務支持。
• InnoDB：提供事務支持事務，外部鍵等高級數據庫功能。 具備事務(commit)、回滾(rollback)和崩潰修復能力(crash recovery capabilities)的事務安全(transaction-safe (ACID compliant))型表。

鎖級別

• MyISAM：只支持表級鎖，用戶在操做MyISAM表時，select，update，delete，insert語句都會給表自動加鎖，若是加鎖之後的表知足insert併發的狀況下，能夠在表的尾部插入新的數據。
• InnoDB：支持事務和行級鎖，是innodb的最大特點。行鎖大幅度提升了多用戶併發操做的新能。可是InnoDB的行鎖，只是在WHERE的主鍵是有效的，非主鍵的WHERE都會鎖全表的。

查詢語句不一樣元素（where、jion、limit、group by、having等等）執行前後順序？

1.查詢中用到的關鍵詞主要包含六個，而且他們的順序依次爲 select--from--where--group by--having--order by

其中select和from是必須的，其餘關鍵詞是可選的，這六個關鍵詞的執行順序 與sql語句的書寫順序並非同樣的，而是按照下面的順序來執行

• from:須要從哪一個數據表檢索數據
• where:過濾表中數據的條件
• group by:如何將上面過濾出的數據分組
• having:對上面已經分組的數據進行過濾的條件
• select:查看結果集中的哪一個列，或列的計算結果
• order by :按照什麼樣的順序來查看返回的數據

2.from後面的表關聯，是自右向左解析 而where條件的解析順序是自下而上的。

也就是說，在寫SQL文的時候，儘可能把數據量小的表放在最右邊來進行關聯（用小表去匹配大表），而把能篩選出小量數據的條件放在where語句的最左邊 （用小表去匹配大表）

什麼是臨時表，臨時表何時刪除？

時表能夠手動刪除：

DROP TEMPORARY TABLE IF EXISTS temp_tb;複製代碼

臨時表只在當前鏈接可見，當關閉鏈接時，MySQL會自動刪除表並釋放全部空間。所以在不一樣的鏈接中能夠建立同名的臨時表，而且操做屬於本鏈接的臨時表。

建立臨時表的語法與建立表語法相似，不一樣之處是增長關鍵字TEMPORARY，如：

CREATE TEMPORARY TABLE tmp_table (
	NAME VARCHAR (10) NOT NULL,
	time date NOT NULL
);

select * from tmp_table;複製代碼

MySQL B+Tree索引和Hash索引的區別？

• Hash索引結構的特殊性，其檢索效率很是高，索引的檢索能夠一次定位;
• B+樹索引須要從根節點到枝節點，最後才能訪問到頁節點這樣屢次的IO訪問;

那爲何你們不都用Hash索引而還要使用B+樹索引呢？

Hash索引

1. Hash索引僅僅能知足"=","IN"和"<=>"查詢，不能使用範圍查詢,由於通過相應的Hash算法處理以後的Hash值的大小關係，並不能保證和Hash運算前徹底同樣；
2. Hash索引沒法被用來避免數據的排序操做，由於Hash值的大小關係並不必定和Hash運算前的鍵值徹底同樣；
3. Hash索引不能利用部分索引鍵查詢，對於組合索引，Hash索引在計算Hash值的時候是組合索引鍵合併後再一塊兒計算Hash值，而不是單獨計算Hash值，因此經過組合索引的前面一個或幾個索引鍵進行查詢的時候，Hash索引也沒法被利用；
4. Hash索引在任什麼時候候都不能避免表掃描，因爲不一樣索引鍵存在相同Hash值，因此即便取知足某個Hash鍵值的數據的記錄條數，也沒法從Hash索引中直接完成查詢，仍是要回表查詢數據；
5. Hash索引遇到大量Hash值相等的狀況後性能並不必定就會比B+樹索引高。

B+Tree索引

MySQL中，只有HEAP/MEMORY引擎才顯示支持Hash索引。

經常使用的InnoDB引擎中默認使用的是B+樹索引，它會實時監控表上索引的使用狀況，若是認爲創建哈希索引能夠提升查詢效率，則自動在內存中的「自適應哈希索引緩衝區」創建哈希索引（在InnoDB中默認開啓自適應哈希索引），經過觀察搜索模式，MySQL會利用index key的前綴創建哈希索引，若是一個表幾乎大部分都在緩衝池中，那麼創建一個哈希索引可以加快等值查詢。

B+樹索引和哈希索引的明顯區別是：

若是是等值查詢，那麼哈希索引明顯有絕對優點，由於只須要通過一次算法便可找到相應的鍵值；固然了，這個前提是，鍵值都是惟一的。若是鍵值不是惟一的，就須要先找到該鍵所在位置，而後再根據鏈表日後掃描，直到找到相應的數據；

若是是範圍查詢檢索，這時候哈希索引就毫無用武之地了，由於原先是有序的鍵值，通過哈希算法後，有可能變成不連續的了，就沒辦法再利用索引完成範圍查詢檢索；

同理，哈希索引沒辦法利用索引完成排序，以及like ‘xxx%’ 這樣的部分模糊查詢（這種部分模糊查詢，其實本質上也是範圍查詢）；

哈希索引也不支持多列聯合索引的最左匹配規則；

B+樹索引的關鍵字檢索效率比較平均，不像B樹那樣波動幅度大，在有大量重複鍵值狀況下，哈希索引的效率也是極低的，由於存在所謂的哈希碰撞問題。

在大多數場景下，都會有範圍查詢、排序、分組等查詢特徵，用B+樹索引就能夠了。

sql查詢語句肯定建立哪一種類型的索引，如何優化查詢

• 性能優化過程當中，選擇在哪一個列上建立索引是最重要的步驟之一，能夠考慮使用索引的主要有兩種類型的列：在where子句中出現的列，在join子句中出現的列。
• 考慮列中值的分佈，索引的列的基數越大，索引的效果越好。
• 使用短索引，若是對字符串列進行索引，應該指定一個前綴長度，可節省大量索引空間，提高查詢速度。
• 利用最左前綴,顧名思義，就是最左優先，在多列索引，有體現:(ALTER TABLE people ADD INDEX lname_fname_age (lame,fname,age);)，所謂最左前綴原則就是先要看第一列，在第一列知足的條件下再看左邊第二列，以此類推
• 不要過分建索引，只保持所需的索引。每一個額外的索引都要佔用額外的磁盤空間，並下降寫操做的性能。
• 在修改表的內容時，索引必須進行更新，有時可能須要重構，所以，索引越多，所花的時間越長。
• MySQL只對一下操做符才使用索引：<,<=,=,>,>=,between,in
• 以及某些時候的like(不以通配符%或_開頭的情形)。

彙集索引和非彙集索引區別？

聚合索引(clustered index) / 非聚合索引(nonclustered index)

根本區別

彙集索引和非彙集索引的根本區別是表記錄的排列順序和與索引的排列順序是否一致。

彙集索引

彙集索引表記錄的排列順序和索引的排列順序一致，因此查詢效率快，只要找到第一個索引值記錄，其他就連續性的記錄在物理也同樣連續存放。彙集索引對應的缺點就是修改慢，由於爲了保證表中記錄的物理和索引順序一致，在記錄插入的時候，會對數據頁從新排序。

彙集索引相似於新華字典中用拼音去查找漢字，拼音檢索表於書記順序都是按照a~z排列的，就像相同的邏輯順序於物理順序同樣，當你須要查找a,ai兩個讀音的字，或是想一次尋找多個傻(sha)的同音字時，也許向後翻幾頁，或緊接着下一行就獲得結果了。

非彙集索引

非彙集索引制定了表中記錄的邏輯順序，可是記錄的物理和索引不必定一致，兩種索引都採用B+樹結構，非彙集索引的葉子層並不和實際數據頁相重疊，而採用葉子層包含一個指向表中的記錄在數據頁中的指針方式。非彙集索引層次多，不會形成數據重排。

非彙集索引相似在新華字典上經過偏旁部首來查詢漢字，檢索表也許是按照橫、豎、撇來排列的，可是因爲正文中是a~z的拼音順序，因此就相似於邏輯地址於物理地址的不對應。同時適用的狀況就在於分組，大數目的不一樣值，頻繁更新的列中，這些狀況即不適合彙集索引。

有哪些鎖（樂觀鎖悲觀鎖），select 時怎麼加排它鎖？

悲觀鎖（Pessimistic Lock）

悲觀鎖的特色是先獲取鎖，再進行業務操做，即「悲觀」的認爲獲取鎖是很是有可能失敗的，所以要先確保獲取鎖成功再進行業務操做。一般所說的「一鎖二查三更新」即指的是使用悲觀鎖。一般來說在數據庫上的悲觀鎖須要數據庫自己提供支持，即經過經常使用的select … for update操做來實現悲觀鎖。當數據庫執行select for update時會獲取被select中的數據行的行鎖，所以其餘併發執行的select for update若是試圖選中同一行則會發生排斥（須要等待行鎖被釋放），所以達到鎖的效果。select for update獲取的行鎖會在當前事務結束時自動釋放，所以必須在事務中使用。

這裏須要注意的一點是不一樣的數據庫對select for update的實現和支持都是有所區別的，例如oracle支持select for update no wait，表示若是拿不到鎖馬上報錯，而不是等待，MySQL就沒有no wait這個選項。另外MySQL還有個問題是select for update語句執行中全部掃描過的行都會被鎖上，這一點很容易形成問題。所以若是在MySQL中用悲觀鎖務必要肯定走了索引，而不是全表掃描。

樂觀鎖（Optimistic Lock）

樂觀鎖，也叫樂觀併發控制，它假設多用戶併發的事務在處理時不會彼此互相影響，各事務可以在不產生鎖的狀況下處理各自影響的那部分數據。在提交數據更新以前，每一個事務會先檢查在該事務讀取數據後，有沒有其餘事務又修改了該數據。若是其餘事務有更新的話，那麼當前正在提交的事務會進行回滾。

樂觀鎖的特色先進行業務操做，不到萬不得已不去拿鎖。即「樂觀」的認爲拿鎖多半是會成功的，所以在進行完業務操做須要實際更新數據的最後一步再去拿一下鎖就好。

樂觀鎖在數據庫上的實現徹底是邏輯的，不須要數據庫提供特殊的支持。通常的作法是在須要鎖的數據上增長一個版本號，或者時間戳，而後按照以下方式實現：

樂觀鎖（給表加一個版本號字段） 這個並非樂觀鎖的定義，給表加版本號，是數據庫實現樂觀鎖的一種方式。

1. SELECT data AS old_data, version AS old_version FROM …;
2. 根據獲取的數據進行業務操做，獲得new_data和new_version
3. UPDATE SET data = new_data, version = new_version WHERE version = old_version
if (updated row > 0) {
    // 樂觀鎖獲取成功，操做完成
} else {
    // 樂觀鎖獲取失敗，回滾並重試
}複製代碼

樂觀鎖在不發生取鎖失敗的狀況下開銷比悲觀鎖小，可是一旦發生失敗回滾開銷則比較大，所以適合用在取鎖失敗機率比較小的場景，能夠提高系統併發性能

樂觀鎖還適用於一些比較特殊的場景，例如在業務操做過程當中沒法和數據庫保持鏈接等悲觀鎖沒法適用的地方。

總結

悲觀鎖和樂觀鎖是數據庫用來保證數據併發安全防止更新丟失的兩種方法，例子在select ... for update前加個事務就能夠防止更新丟失。悲觀鎖和樂觀鎖大部分場景下差別不大，一些獨特場景下有一些差異，通常咱們能夠從以下幾個方面來判斷。

• 響應速度：若是須要很是高的響應速度，建議採用樂觀鎖方案，成功就執行，不成功就失敗，不須要等待其餘併發去釋放鎖。

• 衝突頻率：若是衝突頻率很是高，建議採用悲觀鎖，保證成功率，若是衝突頻率大，樂觀鎖會須要屢次重試才能成功，代價比較大。

• 重試代價：若是重試代價大，建議採用悲觀鎖。

非關係型數據庫和關係型數據庫區別，優點比較？

非關係型數據庫的優點：

1. 性能

NOSQL是基於鍵值對的，能夠想象成表中的主鍵和值的對應關係，並且不須要通過SQL層的解析，因此性能很是高。

2. 可擴展性

一樣也是由於基於鍵值對，數據之間沒有耦合性，因此很是容易水平擴展。

關係型數據庫的優點：

1. 複雜查詢

能夠用SQL語句方便的在一個表以及多個表之間作很是複雜的數據查詢。

2. 事務支持

使得對於安全性能很高的數據訪問要求得以實現。

總結

對於這兩類數據庫，對方的優點就是本身的弱勢，反之亦然。

NOSQL數據庫慢慢開始具有SQL數據庫的一些複雜查詢功能，好比MongoDB。

對於事務的支持也能夠用一些系統級的原子操做來實現例如樂觀鎖之類的方法來曲線救國，好比Redis set nx。

數據庫三範式，根據某個場景設計數據表？

• 全部字段值都是不可分解的原子值。
• 在一個數據庫表中，一個表中只能保存一種數據，不能夠把多種數據保存在同一張數據庫表中。
• 數據表中的每一列數據都和主鍵直接相關，而不能間接相關。

第一範式(確保每列保持原子性)

第一範式是最基本的範式。若是數據庫表中的全部字段值都是不可分解的原子值，就說明該數據庫表知足了第一範式。

第一範式的合理遵循須要根據系統的實際需求來定。好比某些數據庫系統中須要用到「地址」這個屬性，原本直接將「地址」屬性設計成一個數據庫表的字段就行。可是若是系統常常會訪問「地址」屬性中的「城市」部分，那麼就非要將「地址」這個屬性從新拆分爲省份、城市、詳細地址等多個部分進行存儲，這樣在對地址中某一部分操做的時候將很是方便。這樣設計纔算知足了數據庫的第一範式，以下表所示。

上表所示的用戶信息遵循了第一範式的要求，這樣在對用戶使用城市進行分類的時候就很是方便，也提升了數據庫的性能。

第二範式(確保表中的每列都和主鍵相關)

第二範式在第一範式的基礎之上更進一層。第二範式須要確保數據庫表中的每一列都和主鍵相關，而不能只與主鍵的某一部分相關（主要針對聯合主鍵而言）。也就是說在一個數據庫表中，一個表中只能保存一種數據，不能夠把多種數據保存在同一張數據庫表中。

好比要設計一個訂單信息表，由於訂單中可能會有多種商品，因此要將訂單編號和商品編號做爲數據庫表的聯合主鍵。

第三範式(確保每列都和主鍵列直接相關,而不是間接相關)

第三範式須要確保數據表中的每一列數據都和主鍵直接相關，而不能間接相關。

好比在設計一個訂單數據表的時候，能夠將客戶編號做爲一個外鍵和訂單表創建相應的關係。而不能夠在訂單表中添加關於客戶其它信息（好比姓名、所屬公司等）的字段。

數據庫的讀寫分離、主從複製，主從複製分析的 7 個問題？

主從複製的幾種方式

同步複製

• 所謂的同步複製，意思是master的變化，必須等待slave-1,slave-2,...,slave-n完成後才能返回。 這樣，顯然不可取，也不是MySQL複製的默認設置。好比，在WEB前端頁面上，用戶增長了條記錄，須要等待很長時間。

異步複製

• 如同AJAX請求同樣。master只須要完成本身的數據庫操做便可。至於slaves是否收到二進制日誌，是否完成操做，不用關心,MySQL的默認設置。

半同步複製

• master只保證slaves中的一個操做成功，就返回，其餘slave無論。 這個功能，是由google爲MySQL引入的。

主從複製分析的 7 個問題

問題1：master的寫操做，slaves被動的進行同樣的操做，保持數據一致性，那麼slave是否能夠主動的進行寫操做？

假設slave能夠主動的進行寫操做，slave又沒法通知master，這樣就致使了master和slave數據不一致了。所以slave不該該進行寫操做，至少是slave上涉及到複製的數據庫不能夠寫。實際上，這裏已經揭示了讀寫分離的概念。

問題2：主從複製中，能夠有N個slave,但是這些slave又不能進行寫操做，要他們幹嗎？

以實現數據備份。

相似於高可用的功能，一旦master掛了，可讓slave頂上去，同時slave提高爲master。

異地容災，好比master在北京，地震掛了，那麼在上海的slave還能夠繼續。

主要用於實現scale out,分擔負載,能夠將讀的任務分散到slaves上。

【極可能的狀況是，一個系統的讀操做遠遠多於寫操做，所以寫操做發向master，讀操做發向slaves進行操做】

問題3：主從複製中有master,slave1,slave2,...等等這麼多MySQL數據庫，那好比一個JAVA WEB應用到底應該鏈接哪一個數據庫?

當 然，咱們在應用程序中能夠這樣，insert/delete/update這些更新數據庫的操做，用connection(for master)進行操做，select用connection(for slaves)進行操做。那咱們的應用程序還要完成怎麼從slaves選擇一個來執行select，例如使用簡單的輪循算法。

這樣的話，至關於應用程序完成了SQL語句的路由，並且與MySQL的主從複製架構很是關聯，一旦master掛了，某些slave掛了，那麼應用程序就要修改了。能不能讓應用程序與MySQL的主從複製架構沒有什麼太多關係呢？

找一個組件，application program只須要與它打交道，用它來完成MySQL的代理，實現SQL語句的路由。

MySQL proxy並不負責，怎麼從衆多的slaves挑一個？能夠交給另外一個組件(好比haproxy)來完成。

這就是所謂的MySQL READ WRITE SPLITE，MySQL的讀寫分離。

問題4：若是MySQL proxy , direct , master他們中的某些掛了怎麼辦？

總統通常都會弄個副總統，以防不測。一樣的，能夠給這些關鍵的節點來個備份。

問題5：當master的二進制日誌每產生一個事件，都須要發往slave，若是咱們有N個slave,那是發N次，仍是隻發一次？

若是隻發一次，發給了slave-1，那slave-2,slave-3,...它們怎麼辦？

顯 然，應該發N次。實際上，在MySQL master內部，維護N個線程，每個線程負責將二進制日誌文件發往對應的slave。master既要負責寫操做，還的維護N個線程，負擔會很重。能夠這樣，slave-1是master的從，slave-1又是slave-2,slave-3,...的主，同時slave-1再也不負責select。 slave-1將master的複製線程的負擔，轉移到本身的身上。這就是所謂的多級複製的概念。

問題6：當一個select發往MySQL proxy，可能此次由slave-2響應，下次由slave-3響應，這樣的話，就沒法利用查詢緩存了。

應該找一個共享式的緩存，好比memcache來解決。將slave-2,slave-3,...這些查詢的結果都緩存至mamcache中。

問題7：隨着應用的日益增加，讀操做不少，咱們能夠擴展slave，可是若是master知足不了寫操做了，怎麼辦呢？

scale on ?更好的服務器？ 沒有最好的，只有更好的，太貴了。。。

scale out ? 主從複製架構已經知足不了。

能夠分庫【垂直拆分】，分表【水平拆分】。

使用explain優化sql和索引？

對於複雜、效率低的sql語句，咱們一般是使用explain sql 來分析sql語句，這個語句能夠打印出，語句的執行。這樣方便咱們分析，進行優化

• table：顯示這一行的數據是關於哪張表的
• type：這是重要的列，顯示鏈接使用了何種類型。從最好到最差的鏈接類型爲const、eq_reg、ref、range、index和ALL
• all: full table scan ;MySQL將遍歷全表以找到匹配的行；
• index ： index scan; index 和 all的區別在於index類型只遍歷索引；
• range：索引範圍掃描，對索引的掃描開始於某一點，返回匹配值的行，常見與between ，< ,>等查詢；
• ref：非惟一性索引掃描，返回匹配某個單獨值的全部行，常見於使用非惟一索引即惟一索引的非惟一前綴進行查找；
• eq_ref：惟一性索引掃描，對於每一個索引鍵，表中只有一條記錄與之匹配，經常使用於主鍵或者惟一索引掃描；
• const，system：當MySQL對某查詢某部分進行優化，並轉爲一個常量時，使用這些訪問類型。若是將主鍵置於where列表中，MySQL就能將該查詢轉化爲一個常量。
• possible_keys：顯示可能應用在這張表中的索引。若是爲空，沒有可能的索引。能夠爲相關的域從WHERE語句中選擇一個合適的語句
• key： 實際使用的索引。若是爲NULL，則沒有使用索引。不多的狀況下，MySQL會選擇優化不足的索引。這種狀況下，能夠在SELECT語句中使用USE INDEX（indexname）來強制使用一個索引或者用IGNORE INDEX（indexname）來強制MySQL忽略索引
• key_len：使用的索引的長度。在不損失精確性的狀況下，長度越短越好
• ref：顯示索引的哪一列被使用了，若是可能的話，是一個常數
• rows：MySQL認爲必須檢查的用來返回請求數據的行數
• Extra：關於MySQL如何解析查詢的額外信息。將在表4.3中討論，但這裏能夠看到的壞的例子是Using temporary和Using filesort，意思MySQL根本不能使用索引，結果是檢索會很慢。

MySQL慢查詢怎麼解決？

• slow_query_log 慢查詢開啓狀態。
• slow_query_log_file 慢查詢日誌存放的位置（這個目錄須要MySQL的運行賬號的可寫權限，通常設置爲MySQL的數據存放目錄）。
• long_query_time 查詢超過多少秒才記錄。

什麼是 內鏈接、外鏈接、交叉鏈接、笛卡爾積等？

內鏈接

內鏈接查詢操做列出與鏈接條件匹配的數據行，它使用比較運算符比較被鏈接列的 列值。

內鏈接分三種：

1. 等值鏈接：在鏈接條件中使用等於號(=)運算符比較被鏈接列的列值，其查詢結 果中列出被鏈接表中的全部列，包括其中的重複列。

例，下面使用等值鏈接列出authors和publishers表中位於同一城市的做者和出版社：

SELECT * FROM authors AS a INNER JOIN publishers AS p ON a.city=p.city 複製代碼

1. 不等鏈接： 在鏈接條件使用除等於運算符之外的其它比較運算符比較被鏈接的 列的列值。這些運算符包括>、>=、<=、<、!>、!<和<>。

2. 天然鏈接：在鏈接條件中使用等於(=)運算符比較被鏈接列的列值，但它使用選 擇列表指出查詢結果集合中所包括的列，並刪除鏈接表中的重複列。

例，在選擇列表中刪除authors 和publishers 表中重複列(city和state)：

SELECT a.*,p.pub_id,p.pub_name,p.country FROM authors AS a INNER JOIN publishers AS p ON a.city=p.city複製代碼

外鏈接

外鏈接，返回到查詢結果集合中的不只包含符合鏈接條件的行，並且還包括左表(左外鏈接或左鏈接)、右表(右外鏈接或右鏈接)或兩個邊接表(全外鏈接)中的全部數據行。   

• left join(左聯接) 返回包括左表中的全部記錄和右表中聯結字段相等的記錄。
• right join(右聯接) 返回包括右表中的全部記錄和左表中聯結字段相等的記錄。

例如1：

SELECT a.*,b.* FROM luntan LEFT JOIN usertable as b ON a.username=b.username複製代碼

例如2：

SELECT a.*,b.* FROM city as a FULL OUTER JOIN user as b ON a.username=b.username複製代碼

交叉鏈接

交叉鏈接不帶 WHERE 子句，它返回被鏈接的兩個表全部數據行的「笛卡爾積」，返回到結果集合中的數據行數等於第一個表中符合查詢條件的數據行數乘以第二個表中符合查詢條件的數據行數。

例，titles表中有6類圖書，而publishers表中有8家出版社，則下 列交叉鏈接檢索到的記錄數將等於6*8=48行。   

例如：

SELECT type,pub_name FROM titles CROSS JOIN publishers  ORDER BY type複製代碼

笛卡爾積

笛卡爾積是兩個表每個字段相互匹配，去掉where 或者inner join的等值 得出的結果就是笛卡爾積。笛卡爾積也等同於交叉鏈接。

總結

• 內鏈接: 只鏈接匹配的行。
• 左外鏈接: 包含左邊表的所有行（無論右邊的表中是否存在與它們匹配的行），以及右邊表中所有匹配的行。
• 右外鏈接: 包含右邊表的所有行（無論左邊的表中是否存在與它們匹配的行），以及左邊表中所有匹配的行。
• 全外鏈接: 包含左、右兩個表的所有行，無論另一邊的表中是否存在與它們匹配的行。
• 交叉鏈接 生成笛卡爾積－它不使用任何匹配或者選取條件，而是直接將一個數據源中的每一個行與另外一個數據源的每一個行都一一匹配。

MySQL都有什麼鎖，死鎖斷定原理和具體場景，死鎖怎麼解決？

MySQL都有什麼鎖

MySQL有三種鎖的級別：頁級、表級、行級。

• 表級鎖：開銷小，加鎖快；不會出現死鎖；鎖定粒度大，發生鎖衝突的機率最高,併發度最低。
• 行級鎖：開銷大，加鎖慢；會出現死鎖；鎖定粒度最小，發生鎖衝突的機率最低,併發度也最高。
• 頁面鎖：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，併發度通常

什麼狀況下會形成死鎖

• 所謂死鎖: 是指兩個或兩個以上的進程在執行過程當中。
• 因爭奪資源而形成的一種互相等待的現象,若無外力做用,它們都將沒法推動下去。
• 此時稱系統處於死鎖狀態或系統產生了死鎖,這些永遠在互相等竺的進程稱爲死鎖進程。
• 表級鎖不會產生死鎖.因此解決死鎖主要仍是針對於最經常使用的InnoDB。

死鎖的關鍵在於：兩個(或以上)的Session加鎖的順序不一致。

那麼對應的解決死鎖問題的關鍵就是：讓不一樣的session加鎖有次序。

死鎖的解決辦法

• 查出的線程殺死 kill

SELECT trx_MySQL_thread_id FROM information_schema.INNODB_TRX;複製代碼

• 設置鎖的超時時間

Innodb 行鎖的等待時間，單位秒。可在會話級別設置，RDS 實例該參數的默認值爲 50（秒）。

生產環境不推薦使用過大的 innodb_lock_wait_timeout參數值

該參數支持在會話級別修改，方便應用在會話級別單獨設置某些特殊操做的行鎖等待超時時間，以下：

set innodb_lock_wait_timeout=1000; —設置當前會話 Innodb 行鎖等待超時時間，單位秒。複製代碼

varchar和char的使用場景？

char的長度是不可變的，而varchar的長度是可變的。

定義一個char[10]和varchar[10]。

若是存進去的是‘csdn’,那麼char所佔的長度依然爲10，除了字符‘csdn’外，後面跟六個空格，varchar就立馬把長度變爲4了，取數據的時候，char類型的要用trim()去掉多餘的空格，而varchar是不須要的。

char的存取數度仍是要比varchar要快得多，由於其長度固定，方便程序的存儲與查找。

char也爲此付出的是空間的代價，由於其長度固定，因此不免會有多餘的空格佔位符佔據空間，可謂是以空間換取時間效率。

varchar是以空間效率爲首位。

char的存儲方式是：對英文字符（ASCII）佔用1個字節，對一個漢字佔用兩個字節。

varchar的存儲方式是：對每一個英文字符佔用2個字節，漢字也佔用2個字節。

二者的存儲數據都非unicode的字符數據。

MySQL 高併發環境解決方案？

MySQL 高併發環境解決方案 分庫 分表 分佈式 增長二級緩存。。。。。

需求分析：互聯網單位 天天大量數據讀取，寫入，併發性高。

• 現有解決方式：水平分庫分表，由單點分佈到多點數據庫中，從而下降單點數據庫壓力。
• 集羣方案：解決DB宕機帶來的單點DB不能訪問問題。
• 讀寫分離策略：極大限度提升了應用中Read數據的速度和併發量。沒法解決高寫入壓力。

數據庫崩潰時事務的恢復機制（REDO日誌和UNDO日誌）？

Undo Log

Undo Log是爲了實現事務的原子性，在MySQL數據庫InnoDB存儲引擎中，還用了Undo Log來實現多版本併發控制(簡稱：MVCC)。

• 事務的原子性(Atomicity)事務中的全部操做，要麼所有完成，要麼不作任何操做，不能只作部分操做。若是在執行的過程當中發生了錯誤，要回滾(Rollback)到事務開始前的狀態，就像這個事務歷來沒有執行過。

• 原理Undo Log的原理很簡單，爲了知足事務的原子性，在操做任何數據以前，首先將數據備份到一個地方（這個存儲數據備份的地方稱爲UndoLog）。而後進行數據的修改。若是出現了錯誤或者用戶執行了ROLLBACK語句，系統能夠利用Undo Log中的備份將數據恢復到事務開始以前的狀態。

之因此能同時保證原子性和持久化，是由於如下特色：

• 更新數據前記錄Undo log。
• 爲了保證持久性，必須將數據在事務提交前寫到磁盤。只要事務成功提交，數據必然已經持久化。
• Undo log必須先於數據持久化到磁盤。若是在G,H之間系統崩潰，undo log是完整的， 能夠用來回滾事務。
• 若是在A-F之間系統崩潰,由於數據沒有持久化到磁盤。因此磁盤上的數據仍是保持在事務開始前的狀態。

缺陷：每一個事務提交前將數據和Undo Log寫入磁盤，這樣會致使大量的磁盤IO，所以性能很低。

若是可以將數據緩存一段時間，就能減小IO提升性能。可是這樣就會喪失事務的持久性。所以引入了另一種機制來實現持久化，即Redo Log。

Redo Log

• 原理和Undo Log相反，Redo Log記錄的是新數據的備份。在事務提交前，只要將Redo Log持久化便可，不須要將數據持久化。當系統崩潰時，雖然數據沒有持久化，可是Redo Log已經持久化。系統能夠根據Redo Log的內容，將全部數據恢復到最新的狀態。