前言👀~
紧接着数据库的相关知识，今天讲解MySQL面试中频繁被问到的知识点，索引与事务!!!
如果各位对文章的内容感兴趣的话，请点点小赞，关注一手不迷路，如果内容有什么问题的话，欢迎各位评论纠正 🤞🤞🤞
个人主页：N_0050-CSDN博客
MySQL索引
面试中考察的重点！！！
首先我们知道在查询数据的时候，会先遍历表然后把当前的行数据和我们给的条件进行比较，看条件是否满足，满足条件我们保留，不满足则跳过，如果表的记录数不多还好，但是多的话，我们的效率不高且开销大，我们要知道数据库的存储数据是存储在硬盘上的，每次读取数据的时候就要去读取硬盘，所以开销很大，由此我们引出索引这个针对查询进行优化
索引 属于是针对 查询操作 引入的 优化手段 可以通过索引来加快查询的速度，避免针对表进行遍历，索引通过使用特殊的数据结构，可以快速查找和访问数据库表中的记录，从而避免全表扫描，提高查询效率，可以把索引所起的作用想象成书籍目录，可用于快速定位、检索数据
索引是能提高查询速度的，但是也有代价：
1.占用更多的空间，生成索引，是需要一系列的数据结构，以及一系列的额外的数据，来存储到硬盘空间中的
2.能提高 查询速度，但是可能会降低 插入修改删除 的速度
索引使用场景：
1.数据量较大，且经常对这些列进行 条件查询
2.该数据库表的插入操作，及对 这些列的 修改 操作频率较低
3.索引会占用额外的 磁盘空间
反之，如果非条件查询列 或经常做插入、修改操作，或磁盘空间不足时，不考虑创建索引
索引的相关操作
有些情况下，我们这张表会自带索引，就是有时候索引是我们手动创建的，有时候是数据库自动创建的
手动索引：手动索引会增加数据库的维护成本，因为每次插入、更新或删除操作时，索引也需要更新，选择哪些字段创建手动索引需要考虑查询频率和性能需求，如果一个字段经常出现在查询条件中，手动为其创建索引是有意义的
什么时候数据库自动创建的呢？
主键约束、unique约束、外键约束，这些情况下会自动生成索引
为什么会自动生成呢？
主键 和 unique是要求数据不能出现重复的，怎么判断重不重复 通过查询，因为他们对数据进行操作的时候，都会先触发查询的操作，所以会涉及频繁的查询，为了优化查询的速度，就引入了索引
外键 因为子表要保证在父表那一列中存在，对子表进行操作的时候，就要去父表中查一查，判断记录是不是存在。反之，删除父表中的一条记录也要去子表中查一查，看看当前要操作的记录是不是在子表中被引用了，所以会涉及频繁的查询，为了优化查询的速度，就引入了查询
主键
unique
外键
父表和子表进行外键关联
有了这个索引后，后续在父表中删除一条记录，就拿着父表的id去子表中查，通过这个索引可以快速查到是否存在
1.查看索引
show index from 表名;
一个索引是针对 一个列 来指定的，只有针对这一列进行条件查询的时候，查询速度才能被索引优化
2.创建索引
create index 索引名字 on 表名(列名);
创建索引操作，是一个危险的操作
创建索引的时候，需要针对现有的数据，进行大规模的重新整理
如果当前表是一个空表，或者数据不多，创建索引没什么问题，如果这个表很大，数据很多，创建索引，很容易把数据库服务器给卡住，数据量很多的情况下创建索引，非要创建也不是不行，我们就需要一个新的数据库，然后把表结构和索引设置好，再把之前旧的数据库的数据导出来，然后导入到这个新的数据库中
3.删除索引
drop index 索引名 on 表名;
手动创建的索引，可以手动删除，如果是自动创建的索引（主键/外键，unique）不能删除的！！！
总结
(1)对于插入、删除数据频率高的表，不适用索引
(2)对于某列修改频率高的，该列不适用索引
(3)通过某列或某几列的条件查询频率高的，可以对这些列创建索引
索引背后的原理的理解
索引也是通过一定的数据结构来实现的，数据库引入的索引是一个改进的树形结构，B+树（N叉搜索树）
我们回顾个别适合查找的数据结构，首先是我们的哈希表，哈希表在进行查询的时候，时间复杂度接近O(1)，但是呢我们要知道哈希表进行查询的时候，先计算出哈希值，然后再通过哈希函数计算出我们放在哪个index下，对于单条数据进行查询的时候速度是很快，但是对于我们在查询的时候添加一些条件呢？此时如果我们要查询1-100的数据，那我们要一个一个进行hash然后计算下标，那这效率和开销都不是很理想，所以MySQL没有将其作为索引的数据结构。
接着就是二叉搜索树，我们知道二叉搜索树在进行查询的效率也很高，因为它的左子树的节点都是满足小于我们根节点的值的条件，右子树的节点都是大于我们根节点的值，所以在最好的情况下时间复杂度为O(log2N 以二为底的对数)，但是呢如果我们要找的数据在刚好在叶子节点呢，并且我们的数据有很多的时候，那我们树的高度就很高，此时我们的查询效率和开销都不理想，显然它也不适合作为索引的数据结构。
N叉搜索树
N叉搜索树：意思是有N个分叉，每个分叉代表一个区间 （二叉树两个分叉就每个节点下有两个子节点，对于N叉树就是每个分叉代表一个区间，区间存放着键值，当区间中的键值少了的时候会进行合并，多了的时候会进行拆分），可能有点绕，就这样理解区间就是节点，然后我们的节点存放多个键值，下面出现区间这个词的时候可以这样理解
例子：比如根节点中存放3个节点（10、20、30），然后每个节点对应一个区间，你存放了N个键值，就有N+1个键值，拿刚才的例子说，第一个区间就是存放小于值为10的键值，第二个区间就是存放值为10-20之间的键值，第三个区间就是值为20-30之间的键值，最后一个区间则是存放大于值为30的键值
怎么找数据呢？照着图思考，如果我们要找18的话先从根节点中判断在哪个子节点中，很明显在拥有13和17这个键值的节点中，接着继续判断一眼就看出了18在大于17这个键值的节点，下面的B树也是这样的结构
B树
B树的特点
1.就是我们有的节点中有N个键值，就会有N+1个区间
2.B树节点中存储的数据可以理解为行数据，就是数据库表中的行数据
3.B树的开销大，B树会涉及大量读写，因为硬盘上读写1次成本相当于内存上读写1w次成本
B+树
B+树是相对于B树，做出了一定的改进 B+树也是N叉搜索树
B+树的根区间中的节点存放N个节点就有N个区间，有个约定就是保存的N个节点中有一个节点的值是最大的
B+树的搜索步骤：比如我们要找所有大于21的值，照图思考，首先进入根节点进行判断，我们马上锁定在30这个值，然后我们去到它的子节点，接着找到25，再往下走，来到了叶子节点，这个节点包含了大于21的值，并且我们的叶子节点是链表结构组成的，这和前面的B树不同，因为B+树的叶子节点是链式结构，顺序读取范围内的所有数据时，只需要一次顺序扫描即可，就是说进入叶子节点的时候只需要一次硬盘IO就可以读取范围内的所有数据，因为叶子节点是链式结构，所以我们直接就可以找出所有大于21的值，而换做是B树的话，它还要回溯，回到上个节点接着判断，这样效率和开销和B+树比起来差多了。
B+树的查询时间开销是稳定的，比如你要查图中的8，即使一开始就找到了，它还是会往下走，走到叶子节点，所以对于B+树来说，所有的查询最后都会走到叶子节点进行查询，叶子节点中存放的是行的数据，非叶子节点中存放包含的是索引信息比如id我们就能很快定位到对应的数据
B+树的特点
1.B+树开销小并且查询效率高，特别是进范围查询
2.B+树的叶子节点才是存储我们的数据，而非叶子节点呢存储的是key，比如我们给id这列设置了主键然后生成索引了，我们的非叶子节点存储的就是这个id，这样应该能懂吧
注意：对于like %孙这种进行查找的话，不会触发索引，因为%这个具体是什么没法确定，而索引本质是靠大小关系进行排列，类似二分查找，实际是N分查找
事务（重要）
面试中考察的重点！！！
实际开发中有时候有些操作需要一次性完成，例如转账，如果转账的过程中我的钱扣了，但是对方没收到，这时候就需要用到事务
大多数情况下，我们在谈论事务的时候，如果没有特指分布式事务，往往指的就是数据库事务
事务也可以理解是一个数据库操作的单位，包含一个或多个数据库操作，这些操作要么都执行正确，要么"一个都不执行"
事务可以把多个sql语句打包成一个整体作为整体来执行（这样的特点称为"原子性"），可以保证这些sql语句要么都执行正确，要么"一个都不执行",一个都不执行并不是真正的一个都不执行，得执行了才知道失败，此时触发事务的回滚rollback
事务的操作
1.start transaction
2.执行sql语句 此时的sql语句具有原子性 打包成一个整体执行 要么都执行正确要么"一个都不执行"
3.commit和rollback 执行提交，如果出错了则执行回滚（主动触发）
回滚是怎么做到的呢?
通过记录日志的方式，记录事务中的关键操作（日志会记录我们在事务中的每一步操作，操作之前是一个什么样的结果，操作之后是一个什么样的结果都会被记录下来），这样的记录就是回滚的依据，什么意思呢你进行插入操作，后续回滚的时候就执行删除，反之，你执行删除操作，后续回滚的时候就执行插入
日志是什么？就是一些打印出来的内容存放在文件里，以文件的形式存放在磁盘里,即使系统崩溃，日志也不会丢失，系统可以通过读取日志文件恢复数据。在上述操作中，日志记录事务的每一步操作
事务的特性
我们知道mysql是一个客户端和服务器结构的程序，所以肯定会遇到多个客户端让服务器执行多个事务的情况，并且得出并发程度越高，整体效率越高。
什么是并发程度呢？指的是在多个任务的情况下，系统能够同时处理的任务的数量
1.原子性（A） 主要通过回滚的方式 保证这一系列的操作要么都执行正确，要么都"不执行"
2.一致性（C） 就刚才那个转账的例子，给某某转1000，你总不能转1000，某某收2000
事务的一致性很多时候是靠数据库（数据库管理系统DBMS）约束以及一系列的检查机制完成
精确解释就是事务执行前后，数据的状态从一个一致性的状态到另外一个一致性的状态,就是在执行事务前数据该是什么样子的就是什么样子的，执行事务后数据该是什么样子的也就是什么样子的，执行事务前后的数据要符合预期,保证数据库始终处于合法的状态,通过这种方式确保数据库的准确性
3.持久性（D） 事务做出的修改，都是在硬盘上持久保存的，即使重启了服务器，数据仍然还在，事务执行的修改也还是有效的
4.隔离性（I） 多个事务并发执行时，一个事务的执行不应影响其他事务的执行。即事务之间相互隔离。简单点说就是在一场考试中 我写我的 你写你的 它写它的 相互不影响
注意：只有保证了事务的持久性、原子性、隔离性之后，一致性才能得到保障。也就是说 A、I、D 是手段，C 是目的！
并发执行多个事务引发的问题（重要）
1.脏读：可以这么理解就是事务A在进行写操作的时候，事务B进行读操作读取的是事务A未提交的数据，接着事务A又对数据进行了修改，之前事务B所读取的数据属于脏数据也可以说是无效数据,如果是串行化执行的话没什么问题，并发执行的话就会出现脏读
解决方式：对写操作加锁（只能进行写操作，不能进行读操作）只能在事务进行提交之后才能在进行读操作
并发程度降低，隔离性提高（就是两个事务之间的影响小了），效率降低，准确性提高
2.丢失更新：有两类丢失更新，第一类丢失更新就是第一个事务执行更新操作的后，第二个事务回滚了第一个事务的更新操作
第二类丢失更新就是两个事务都先执行读操作，然后都执行更新操作，会导致其中的一个事务更新的结果被覆盖了（最终谁的修改先提交，谁的修改就会被覆盖）
解决方式：使用读锁和写锁，确保事务A在读或写数据时，其他事务不能对数据进行操作。
3.不可重复读：事务A和事务B在对同一条数据执行操作的时候，例如事务A在对这条数据进行修改，事务B第一次读的时候是一个数据，第二次读的时候发现数据变了（前面加写锁后，事务在进行写操作的时候，另外一个事务不能读操作，但是没说一个事务在进行读的时候，另外一个事务不能执行写操作）。这个强调的是对单条记录的两次(多次)读操作受到的影响
解决方式：对读操作加锁 (只能进行读操作，不能进行写操作) 就是现在一个事务在进行读操作的时候，另外一个事务不能进行写操作了
并发程度降低，隔离性提高（就是两个事务之间的影响小了），效率降低，准确性提高
4.幻读：事务A在执行插入操作的时候，事务B在执行读的操作的时候，事务B第一次读的时候是一个结果集，第二次读取的一个结果集中突然多了条记录,就像幻觉一样。这个强调的是两次(多次)读操作对结果集的记录数受到的影响
解决方式：引入串行化的方式执行事务，此时并发所引发的所有问题都不存在了，并且此时的效率最低、隔离性最高、没有并发程度这一说因为都使用串行化执行了哪来的并发，准确性最高
不可重复读和幻读的区别：数据范围的区别，不可重复读我认为是对同一条数据进行操作，多次读操作同一条数据会有影响（注重数据的内容），而幻读呢是一个范围，执行两次读操作，一个结果集的记录数（注重数据的数量）会有影响
隔离级别
实际开发中，在不同的场景有时候我们需要效率高（例如点赞10000和10100、评论）有时候呢需要准确性高（例如充值、转账），这时候就引出隔离级别这个概念，mysql提供了四种隔离级别来应对不同的场景的不同要求,可以在mysql的配置文件中，修改隔离级别
默认的隔离级别是repeatable read（可重复读）
这四种隔离级别对应并发执行引发的一系列问题
1.read uncommitted（读未提交）此时并发程度最高、效率最高、隔离性最低、准确性最低，会引发脏读、不可重复读、幻读
2.read commit（读已提交）引入写加锁，只能读取已经提交的版本，此时并发程度降低、效率降低、隔离性提高、准确性提高，解决了脏读问题
3.repeatable read（可重复读）引入加锁和读加锁，读的时候不能写，写的时候不能读，此时并发程度再一步降低、效率也再一步降低、隔离性再提高、准确性也再提高，解决了脏读和不可重复读问题
4.serializable（串行化）按照串行的方式一个一个执行事务，此时没有并发程度这么一说，效率最低、隔离性最高、准确性最高
以上便是索引和事务的知识点，这一章的内容相当重要，面试中频繁出现，所以大家好好吸收和理解，知识量还是很多的，我们下一章再见爱心💕
10万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
