Python面试综合--DB相关
关系型数据库：MySQL,Oracle,Postgrel, MariaDB, SQL Server等
- 优点
- 易用性：都是使用表结构，格式一致，支持sql语言
- 支持复杂查询：多表连表查询
- 缺点
- 读写性能较差，海量数据时瓶颈出现
- 灵活度不高
- 高并发情况下硬盘IO出现瓶颈
非关系型数据库（Not Only SQL):Redis,Memcached, MongoDB, Hbase等
- 优点
- 格式灵活
- 扩展性高
- 速度快
- 成本低
MySQL
存储引擎
- MyISAM
- InnoDB
- Merge
- Memory
索引
- 聚集索引
- 非聚集索引
- 普通索引
- 唯一索引
- 组合索引
索引存储原理
B+树结构如下：
版本变迁及特性
Mysql5.7新变化特性有：
- 灵活性上开始支持json串格式字段
- generated column. 即数据库中的这一列由其他列计算而得。例如，知道直角三角形的两条直角边，要求直角三角形的面积。
- 性能提升：自动检测只读事务, 支持并行复制(slave-parallel-type)
Mysql 8.0变化特性有:
- mysql8开始支持文档存储。开发人员可以将无模式 JSON 文档集合与关系表放在一起使用(文档是一堆键值对的集合，表现为 JSON 结构)
- 性能大幅提升。速度比5.7快两倍，在读写工作负载、IO密集型工作负载、高竞争工作负载
- 默认字符编码改为了utf8mb4
事务及事务隔离
RU（readuncommited）未提交读; 缺陷：不可重复读现象
RC(read commited) 提交读; 缺陷：脏读
RR(repeatable read) 可重复读; 缺陷：虚读/幻读
MVCC
MVCC (多版本并发控制)
基本原理：某个时间点快照
- 每行数据都存在一个版本，每次数据更新时都更新该版本
- 修改时Copy出当前版本随意修改，各个事务之间无干扰
- 保存时比较版本号，如果成功（commit），则覆盖原记录；失败则放弃copy（rollback）
InnoDB 中MVCC是如何实现的？
- 创建时版本号
- 删除时版本号
- 事务版本号
MVCC适用场景：RC、RR
MySQL中MVCC 特性：写锁存在，只利用其中的读非阻塞
示例面试（1）
问题：知道mysql的事务隔离吗？/事务隔离分哪几个级别？/事务隔离性怎么保证/...
回答思路：
- 空间线
- ACID
- 事务隔离的四个级别（概念及优缺点）
- MySQL事务隔离性和其他DB区别
思路串联：
事务ACID-->事务隔离级别及分析-->MySQL事务隔离特性（留MVCC和GapLock引子）
示例答案：
数据库支持事务本身需要有具备四个特性：原子性、一致性、隔离性和持久性，也即ACID。其中事务的隔离性简单来说就是并发执行的多个事务之间互不干扰。
事务隔离总体分为四个级别：第一个是RU(未提交读)，该级别事务内容易出现脏读的情况，即事务A读到了事务B没有提交的数据；为了解决脏读问题，可以提高事务隔离级别到RC(提交读)，此时事务A不会读到其他事务未提交的数据，但又产生了一个新的现象：事务A执行的过程中，有可能另外一个事务B提交了数据，此时事务读取的数据和之前不一致，即出现了不可重复读的问题；所以mysql的InnoDB本身默认采用了第三个事务隔离级别RR(可重复读)，该级别使用MVCC(多版本并发控制)解决重复读的问题，一般的RR级别会出现幻读的问题，及同一个事务多次执行同一个select，读取到的数据行发生了改变，这是因为数据行发生了行数减少或者新增；而最高的事务隔离级别是SE(可序列化)，该方式下事务相当于串行执行，解决了脏读、不可重复读、幻读等问题，但对性能和效率的影响很大，生产环境中很少会使用该隔离级别；
具体到mysql中，mysql默认的RR级别有一些特别，因为其引入了GAP LOCK(间隙锁)的概念，可在RR级别即可解决幻读的问题；另外一个特性是mysql里的MVCC只解决读-写的阻塞问题，写-写依然还是阻塞的。
MongoDB
存储引擎
- MMAP
- WiredTiger
- RocksDB
- Memory
WiredTiger:
3.2版本默认存储引擎都改为了wiredtiger
特性：
- 文档级别锁，解决了锁粒度过大的问题
- 磁盘数据压缩
- 删除数据时，数据会立即删除
- MongoDB3.0在多线程、批量插入场景下较之于MongoDB2.6有大约4-7倍的增长
Rocksdb:
特性：
- 顺序写入：LSM Tree结构，随机写入转换为顺序写入
- 速度稳定：和WiredTiger相比，写速度稳定
版本变迁及特性
MongoDB 3.0特性（2015年）：
特性：
- 顺序写入：LSM Tree结构，随机写入转换为顺序写入
- 速度稳定：和WiredTiger相比，写速度稳定
- 顺序写入：LSM Tree结构，随机写入转换为顺序写入
- 速度稳定：和WiredTiger相比，写速度稳定
MongoDB 4.0特性（2018年6月）：
特性：
- 多文档事务支持
- 4.2版本开始支持分片集群分布式事务
底层存储机制
空间局部性原理
B树：
- 尽可能少减少磁盘IO
- 查询性能快（O(1) --O(LogN)）
B树(4阶)结构如下：
和MySQL对比
海量数据读写，频次高 -- MongoDB
关系型结构较多，应用场景事务要求高 -- MySQL
其他：成本、意愿、技术栈
集群及发展
常见的扩展方法：
a. 水平扩展：分库，分collection
b. 垂直扩展：分片（类似于mysql中分区）
Redis
存储类型
- string
- list
- set
- zset
- hash
使用场景
- 缓存高频次访问的数据，降低数据库io
- 分布式架构，做session共享
- 利用zset类型可以存储排行榜
- 利用list做简易MQ或存储最新的n个数据
存储机制
- list键：双向链表
- hash键：字典dict
- zset键：跳跃表zskiplist
- ziplist:节省内存空间
集群
- Twitter开发的twemproxy
- 豌豆荚开发的codis
- redis官方的redis-cluster
Bloom
Bloom Filter算法：
对于有n个元素的集合S={x1, x2,……,xn}，我们用k个哈希函数(h1,h2,……,hn)，分别将S中的每一个元素映射到一个m位的位数组(bm-1bm-2……b1b0)中。该位数组在初始化时所有置为0，每当用哈希函数映射到该位时则将该位置为1。对于已经置为1的位则不在反复置1。
如下图展示x1,x2, x3的插入过程：
查找时性能：
- 线性结构： O(N)
- 二叉树：O(logN)
- Bloom：O(1)
列式数据库
OLTP（on-line transaction processing ）: 联机事务处理
OLAP（on-line Analytical Processing）：联机分析处理
交易性数据库：oracle、sqlserver、mysql
分析性数据库：hbase、hive、clickhouse
数据库仓库
一般使用列式数据库：
- 数据来源多个系统
- 多维度统计数据
- 更新数据少
- ...
行式和列式对比
行存储：数据存储一行接一行；
列存储：一列的所有数据放一起；
示例面试（2）
问题：MySQL和MongoDB区别？
思路：
- 时间线
- 2015年，MySQL5.7发布，开始支持json
- 2018年，MySQL8.0版本，支持文档存储
- 2018年，MongoDB4.0发布，支持多文档事务
- 空间线
- MySQL存储引擎及底层存储B+树
- Mongodb存储引擎及底层存储B树
- DB选型考虑因素
思路串联：
MySQL存储引擎及结构介绍--MongoDB存储引擎及结构介绍-->MySQL和MongoDB区别（夹杂时间线）--> DB选型因素--> 埋下一个问题引子（事务相关）
示例答案：
MySQL是关系型数据库的一种，其存储引擎有MyISam, InnoDB，Merge等，目前在业界中大多使用的支持事务InnoDB存储引擎，从15年MySQL5.7开始，MySQL开始支持json格式（开始向nosql数据库靠近）；而MongoDB去年8月份发布的最新版本4.0开始支持多文档事务，当前其默认的存储引擎wiredtiger性能非常卓越；
mysql和MongoDB数据库发展越来越类似，都在取其精华，在具体的数据库选型时，两种DB底层的实现机制可能是一大考虑因素。mysql索引底层是用B+树实现的，而MongoDB则是采取的B树，B树的结构也就决定了MongoDB在海量读写的情况下性能比mysql卓越（时间复杂度是O(1)-O(logN)）, 而MySQL B+树的特性也决定了MySQL更适合多区间范围查询的业务需求。
当然，在具体的项目DB选择过程中，我们还需要考虑到成本、团队成员的意愿、技术栈等情况。总的来说，在当前的情况下，如果是海量数据高并发读写，从技术的角度推荐使用MongoDB，如果数据结构相对统一，同时对于事务有较高要求，个人倾向于MySQL。