03-数据库必会问题

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)