专栏总结5：mysql相关

请不要付费，只是把历史笔记发布，包含专栏内容总结。

专栏总结1：基础网络相关
专栏总结2：数据结构和算法
专栏总结3：操作系统和计算机原理
专栏总结4：Linux和linux内核
专栏总结5：mysql相关
专栏总结6：redis相关

专栏总结7：中间件Nginx、消息队列中间件Nginx、消息队列
专栏总结java1：类型和String、反射
专栏总结java2：集合
专栏总结java3：类接口相关
专栏总结java4：异常
专栏总结java5：线程/多线程并发
专栏总结java6：jvm
专栏总结java7：jdk
专栏总结java8：Socket编程 nio
专栏总结java9：MyBatis+hibernate
专栏总结java10：Spring MVC
专栏总结java11：springboot
专栏总结java12：springcloud
专栏总结java13：dubbo

专栏总结：场景实践
专栏总结：架构设计总结

 

 

 

 

把MySQL学好，还是特别重要的，千万不能停留在会用的层面上，而是应该要了解一下原理，特别是对于要面试的同学，会问挺多原理，我每次被问到 MySQL 我都会信心大增，因为我虽然不大好写 SQL，但是，知道挺多原理，记得腾讯、shopee面试时，面完 MySQL，面试官好像对我刮目相看了。好了，不吹了，说这些也是强大 MySQL 的重要性。下面就说我学过的一些知识以及推荐的学习资料吧。

一、数据库基础知识

---

1、非关系型数据库和关系型数据库区别，优势比较？

区别：

1. 数据存储结构：
首先关系型数据库一般都有固定的表结构，并且需要通过DDL语句来修改表结构，不是很容易进行扩展，而非关系型数据库的存储机制就有很多了，比如基于文档的，K-V键值对的，还有基于图的等，对于数据的格式十分灵活没有固定的表结构，方便扩展，因此如果业务的数据结构并不是固定的或者经常变动比较大的，那么非关系型数据库是个好的选择

2. 可扩展性
传统的关系型数据库给人一种横向扩展难，不好对数据进行分片等，而一些非关系型数据库则原生就支持数据的水平扩展(比如mongodb的sharding机制)，并且这可能也是很多NoSQL的一大卖点，其实象Mysql这种关系型数据库的水平扩展也并不是难，即使NoSQL水平扩展容易但对于向跨分片进行joins这种场景都没有什么太好的解决办法，不管是关系型还是非关系型数据库，解决水平扩展或者跨分片Joins这种场景，在应用层和数据库层中间加一层中间件来做数据处理也许是个好的办法

3. 数据一致性
非关系型数据库一般强调的是数据最终一致性，而不没有像ACID一样强调数据的强一致性，从非关系型数据库中读到的有可能还是处于一个中间态的数据，因此如果你的业务对于数据的一致性要求很高，那么非关系型数据库并不一个很好的选择，非关系型数据库可能更多的偏向于OLAP场景，而关系型数据库更多偏向于OLTP场景

非关系型数据库的优势：
1. 高性能：性能NOSQL是基于键值对的，可以想象成表中的主键和值的对应关系，而且不需要经过SQL层的解析，所以性能非常高。另外nosql数据库一般将数据存储于缓存之中，查询速度自然很快。
2.水平扩展方便： 可扩展性同样也是因为基于键值对，数据之间没有耦合性，所以非常容易水平扩展。

缺点：数据一致性比较差，不支持事务、不支持复杂sql。

关系型数据库的优势：
1. 支持事务：保持数据的一致性，是关系型数据库的最大优势。
2. 支持复杂sql：复杂查询可以用SQL语句方便的在一个表以及多个表之间做非常复杂的数据查询。
关系型数据库的不足：
1. 不适合处理大量数据的写入
2. 为有数据更新的表做索引或表结构（schema）变更不方便。
3. 处理的数据字段不固定 不方便
4. 对简单查询需要快速返回结果的处理

2、数据库三范式，根据某个场景设计数据表？

什么是范式：简言之就是，数据库设计对数据的存储性能，还有开发人员对数据的操作都有莫大的关系。所以建立科学的，规范的的数据库是需要满足一些

规范的来优化数据数据存储方式。在关系型数据库中这些规范就可以称为范式。

什么是三大范式：

第一范式：当关系模式R的所有属性都不能在分解为更基本的数据单位时，称R是满足第一范式的，简记为1NF。满足第一范式是关系模式规范化的最低要求，否则，将有很多基本操作在这样的关系模式中实现不了。

第二范式：如果关系模式R满足第一范式，并且R得所有非主属性都完全依赖于R的每一个候选关键属性，称R满足第二范式，简记为2NF。

第三范式：设R是一个满足第一范式条件的关系模式，X是R的任意属性集，如果X非传递依赖于R的任意一个候选关键字，称R满足第三范式，简记为3NF.

举例：

第一范式（1NF）：确定每一列的原子性。每一列都是最小的数据单元，既满足第一范式。 例如列属性为地址（中国北京）

就满足，如果列属性分为国家和省份就满足。

第二范式：每一行的数据只能与其中一列相关，即一行数据只做一件事。只要数据列中出现数据重复，就要把表拆分开来。

第三范式：

 数据不能存在传递关系，即没个属性都跟主键有直接关系而不是间接关系。像：a-->b-->c  属性之间含有这样的关系，是不符合第三范式的。

比如Student表（学号，姓名，年龄，性别，所在院校，院校地址，院校电话）

这样一个表结构，就存在上述关系。 学号--> 所在院校 --> (院校地址，院校电话)

这样的表结构，我们应该拆开来，如下。

（学号，姓名，年龄，性别，所在院校）--（所在院校，院校地址，院校电话

3、mysql有哪些数据类型

1、整型

MySQL数据类型	含义（有符号）
tinyint(m)	1个字节  范围(-128~127)
smallint(m)	2个字节  范围(-32768~32767)
mediumint(m)	3个字节  范围(-8388608~8388607)
int(m)	4个字节  范围(-2147483648~2147483647)
bigint(m)	8个字节  范围(+-9.22*10的18次方)

取值范围如果加了unsigned，则最大值翻倍，如tinyint unsigned的取值范围为(0~256)。

 int(m)里的m是表示SELECT查询结果集中的显示宽度，并不影响实际的取值范围，没有影响到显示的宽度，不知道这个m有什么用。

2、浮点型(float和double)

MySQL数据类型	含义	说明
float(m,d)	单精度浮点型    8位精度(4字节)     m总个数，d小数位
double(m,d)	双精度浮点型    16位精度(8字节)    m总个数，d小数位
decimal(m,d)	严格的定点数 参数m<65 是总个数，d<30且 d<m 是小数位。	浮点型在数据库中存放的是近似值， 而定点类型在数据库中存放的是精确值。

设一个字段定义为float(6,3)，如果插入一个数123.45678,实际数据库里存的是123.457，但总个数还以实际为准，即6位。整数部分最大是3位，如果插入数12.123456，存储的是12.1234，如果插入12.12，存储的是12.1200.

 

 

3、字符串(char,varchar,_text)

MySQL数据类型	含义	说明
char(n)	固定长度，最多255个字符	若存入字符数小于n，则以空格补于其后，查询之时再将空格去掉
varchar(n)	固定长度，最多65535个字符	varchar是存入的实际字符数+1个字节
tinytext	可变长度，最多255个字符
text	可变长度，最多65535个字符