面试WSY(1)

2.Explain的使用

2.1 执行EXPLAIN命令:

输入类似如下的SQL查询，并在查询前加上EXPLAIN 关键字:

EXPLAIN SELECT \* FROM users WHERE id = 1;

2.2 查看执行计划:

• 执行上述命令后，系统会返回该查询语句的执行计划，包括索引|使用情况、访问类型、扫描行数等信息。

+----+-------------+-------+------------+------+---------------+---------+---------+-------+------+----------+-----------------------+
| id | select_type | table | partitions | type | possible_keys | key     | key_len | ref   | rows | filtered | Extra                 |
+----+-------------+-------+------------+------+---------------+---------+---------+-------+------+----------+-----------------------+
|  1 | SIMPLE      | users | NULL       | ALL  | NULL          | NULL    | NULL    | NULL  | 1    | 100.00   | Using where           |
+----+-------------+-------+------------+------+---------------+---------+---------+-------+------+----------+-----------------------+

在查看执行计划时，可以重点关注以下参数来分析查询的性能和效率:

1. select type: 显示了查询的类型，例如SIMPLE、PRIMARY、SUBQUERY 等，帮助你了解查询的复杂程度。
2. table: 显示了涉汲的表名，帮助你确定执行计划中涉及哪些表。
3. type: 表示访问类型，包括ALL (全表扫描)、INDEX (使用索引扫描)、 RANGE (范围扫描)等，指示了系统如何访问数据。
4. possible_ keys和key: possible_ keys 列显示可能用于此查询的索引列表，而key列则显示实际使用的索引。如果key列为NULL，则表示没有使用索引。
5. rows: 表示估计需要检查的行数，这对于评估查询效率很有帮助。行数越大，查询可能越慢。
6. filtered: 表示通过表达式过滤后符合条件的行所占百分比。值为100%表示所有行都符合条件，值越小则表示有更多行被过滤掉。
7. Extra: 提供了关于查询执行的其他信息，例如是否使用了临时表、文件排序等情况。

● 通过分析执行计划，你可以看到数据库是如何执行这个查询的，从而找出可能导致性能问题的地方。
总结回答：

	通过使用 EXPLAIN 关键字，可以深入了解查询优化器的执行策略、索引使用情况、访问类型等重要息。
针对慢查询，分析 SQL 语句的执行计划可以帮助查明慢查询的根本原因，进而调整 SQL 语句结构以提升能。
此外，根据执行计划的指引，你还能判断是否需要创建适当的索引来优化查询，从而改善查询性能。
因此，借助执行计划的分析，你可以更有效地优化查询，提高数据库系统的整体性能。

3.项目讲解

项目经历
2022.04-2022.06--------------------------------------------------------------------- “dd”书城数据分析与可视化展示
技术框架：Hadoop+HDFS+Spark+Sqoop+DataX+ECharts+SpringBoot+Vue+Clickhouse
项目介绍：在基于Hadoop大数据环境下实现的用户行为数据分析项目中，针对Spring Boot框架下的图书购物商城进行用户行为分析。在商品浏览、加入购物车、购买以及商品和用户的增删改查等功能模块下进行了埋点，以便针对用户在线购物行为进行数据挖掘和统计分析。通过这些数据，我们可以生成可视化图表，从而更好地理解用户行为和偏好。
工作内容：
● 负责设计和实现数据埋点功能，收集用户行为数据
● 使用Sqoop对Mysql中的用户行为数据迁移到HDFS
● 利用Hadoop生态系统和spark数据计算引擎工具处理海量用户行为数据
● 使用数据迁移工具DataX把统计指标从HDFS迁移到OLAP列式数据库Clickhouse
● 根据ClickHOUSe的统计指标生成可视化图表，利用WebSocket实时展示用户行为趋势
● 为商城运营提供数据支持和决策参考

在项目"dd"书城数据分析与可视化展示中，涉汲到了多种技术框架和工具，包括:

1. Hadoop:用于搭建大数据环境，处理海量数据。

Hadoop是基础，HDFS,Spark,DataX都是衣着在Hadoop下运行。

2. HDFS (Hadoop Distributed File System) : Hadoop的分布式文件系统，用于存储大规模数

利用Hadoop的分布式文件系统HDHFS来存储用户数据。

3. Sqoop:用于在Hadoop和传统数据库之间进行数据传输。

Sqoop将Mysql中存储的埋点数据迁移到HDFS中。

4. Spark:用作数据计算引擎，处理大规模数据集。

通过编写SparkSQL来处理HDFS中的埋点的用户数据，插入各种统计指标表。

5. DataX:数据迁移工具，用于将数据从HDFS迁移到其他数据存储。

将统计指标表利用DataX把HDFS中的指标表的数据都迁移到Clickhouse数据库。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

csdn.net/topics/618545628)**

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！