java面经 MySQL

存储引擎--MyISAM和InnoDB的区别

使用场景

对比

MySQL隔离级别--未提交读，提交读，可重复读，序列化

 隔离级别含义

隔离级别

英文名称

含义

脏读

不可重复读

幻读

未提交读

READ UNCOMMITTED

可读取其它事务未提交的结果

√

√

√

提交读

READ COMMITTED

一个事务开始时，只能读到其他事务已经提交的修改。 例：如果A事务已经修改了XX，但还没提交，则B事务读XX时还是未修改的值。 （Oracle等多数数据库默认是该级别）。

×

√

√

可重复读

REPEATABLE READ

在开启事务时，同一条件的查询返回的结果是一样的。 例：A事务开启，查询一条记录；B事务更新这条记录并提交，A事务再次查询这条记录（查到的结果跟第一次查到的一样，而不是B修改过的结果）。 （MySQL默认级别）

×

×

√

可序列化

SERIALIZABLE

当一个事务执行时，会对所涉及的数据行进行加锁，其他事务无法对这些数据行进行修改或读取，直到当前事务提交或回滚。

×

×

×

脏读、不可重复读、幻读的含义

      

索引的分类

索引的优点/缺点

优点

索引优点就是提高了查询性能，主要是以下几个方面

1. 索引大大减少了服务器需要扫描的数据量。
2. 索引可以帮助服务器避免排序和临时表。
3. 索引可以将随机I/O 变为顺序I/O

缺点

1. 降低了数据写入的效率。原因：当对表中的数据进行增加、删除和修改的时候，索引也要动态的维护
2. 索引增加了查询优化器的选择时间。查询优化器在对一条sql语句进行分析时，会结合一系列的分析计算出一条最优的查询sql。添加了索引之后，相当于是在原来的基础上，添加了对索引因素的分析，若在很多字段上创建了索引，会增加这个选择的时间。
3. 索引占物理空间。除了数据表占数据空间之外，每一个索引还要占一定的物理空间，如果要建立聚簇索引，那么需要的空间就会更大。

创建索引的原则

索引原则	说明/示例
对查询频率高的字段创建索引	查询频率高的字段有：作为查询条件的字段（where子句中的列）、连接子句中指定的列
为经常需要排序、分组和联合操作的字段建立索引	经常需要ORDER BY、GROUP BY、DISTINCT和UNION等操作的字段，排序操作会浪费很多时间。         如果为其建立索引，可以有效地避免排序操作。
尽量使用唯一索引	唯一性索引的值是唯一的，可以更快速的通过该索引来确定某条记录。  唯一性索引的值是唯一的，可以更快速的通过该索引来确定某条记录。
使用短索引	如果索引的值很长，那么查询的速度会受到影响。例如，对一个CHAR(100)类型的字段进行全文检索需要的时间肯定要比对CHAR(10)类型的字段需要的时间要多。
使用前缀来索引	如果索引字段的值很长，最好使用值的前缀来索引。例如，TEXT和BLOG类型的字段，进行全文检索会很浪费时间。如果只检索字段的前面的若干个字符，这样可以提高检索速度。
索引的数目不要太多	过多的索引会导致insert、update、delete语句的执行效率降低； 每创建一个索引都会占用相应的物理空间；
对查询频率高的字段创建索引	查询频率高的字段有：作为查询条件的字段（where子句中的列）、连接子句中指定的列
对查询频率高的字段创建索引	查询频率高的字段有：作为查询条件的字段（where子句中的列）、连接子句中指定的列

索引失效的原因/解决方案

联合索引--使用/原理/优化

使用联合索引可以做到覆盖索引，从而避免会表查询。举个例子，从user表中查询用户id，姓名和性别，查询条件为姓名，这时候就可以对用户姓名和性别创建联合索引，这样可以做到覆盖查询和避免会表查询。

另一个场景是，如果存在多个查询条件，针对于查询字段建立联合索引，可以提高多个查询条件组合的查询性能。

索引的优化--LIKE模糊查询

聚集索引/辅助索引/回表查询/覆盖索引

回表查询，先查询辅组索引，再查询聚集索引。

覆盖索引，只用查询辅组索引或者聚集索引。

尽量将回表查询转换为覆盖查询，转换的方法为对要查询的字段建立联合索引，从而避免回表查询。

分库分表--垂直分表与水平分表

垂直（纵向）切分

垂直分库就是根据业务耦合性，将关联度低的不同表存储在不同的数据库，如下图。

 

垂直分表是基于数据库中的"列"进行，某个表字段较多，可以新建一张扩展表，将不经常用或字段长度较大的字段拆分出去到扩展表中。

在字段很多的情况下（例如一个大表有100多个字段），通过"大表拆小表"，更便于开发与维护，也能避免跨页问题，MySQL底层是通过数据页存储的，一条记录占用空间过大会导致跨页，造成额外的性能开销。

另外数据库以行为单位将数据加载到内存中，这样表中字段长度较短且访问频率较高，内存能加载更多的数据，命中率更高，减少了磁盘IO，从而提升了数据库性能。如下图。

 

优缺点
优点：

解决业务系统层面的耦合，业务清晰
与微服务的治理类似，也能对不同业务的数据进行分级管理、维护、监控、扩展等
高并发场景下，垂直切分一定程度的提升IO、数据库连接数、单机硬件资源的瓶颈

缺点：

部分表无法join，只能通过接口聚合方式解决，提升了开发的复杂度
分布式事务处理复杂
依然存在单表数据量过大的问题（需要水平切分）

水平（横向）切分

• 切分时机：当一个应用难以再细粒度的垂直切分，或切分后数据量行数巨大，存在单库读写、存储性能瓶颈，这时候就需要进行水平切分了。
• 分类：水平切分分为库内分表和分库分表，是根据表内数据内在的逻辑关系，将同一个表按不同的条件分散到多个数据库或多个表中，每个表中只包含一部分数据，从而使得单个表的数据量变小，达到分布式的效果。库内分表只解决了单一表数据量过大的问题，但没有将表分布到不同机器的库上，因此对于减轻MySQL数据库的压力来说，帮助不是很大，大家还是竞争同一个物理机的CPU、内存、网络IO，最好通过分库分表来解决。
• 

优缺点

水平分库优点：

• 不存在单库数据量过大、高并发的性能瓶颈，提升系统稳定性和负载能力

• 应用端改造较小，不需要拆分业务模块

水平分库缺点：

• 跨分片的事务一致性难以保证

• 跨库的join关联查询性能较差

• 数据多次扩展难度和维护量极大

 分片规则

1. 取余/取模
   1. 均匀存放数据
   2. 缺点: 不能扩容
2. 按照数量范围
   1. 1-500万      501万-1000万
3. 按照日期范围
   1. 日志 ，订单信息，统计
4. 按照月份
5. 按照枚举值
   1. 常量
6. 二进制取模范围
   1. 类似HashMap
   2. 缺点：数据存放不均匀
7. 一致性hash分片           

典型的数据分片规则

1、根据数值范围

按照时间区间或ID区间来切分。例如：将userId为1~9999的记录分到第一个库，10000~20000的分到第二个库，以此类推。

优点：

1. 单表大小可控
2. 天然便于水平扩展，后期如果想对整个分片集群扩容时，只需要添加节点即可，无需对其他分片的数据进行迁移

3. 使用分片字段进行范围查找时，连续分片可快速定位分片进行快速查询，有效避免跨分片查询的问题。

缺点：

热点数据成为性能瓶颈。连续分片可能存在数据热点，例如按时间字段分片，有些分片存储最近时间段内的数据，可能会被频繁的读写，而有些分片存储的历史数据，则很少被查询

2、根据数值取模

一般采用hash取模mod的切分方式，例如：将 Customer 表根据 id字段的hash值取模的余数切分到各个库中。这样同一个用户的数据会分散到同一个库中，如果查询条件带有id字段，则可明确定位到相应库去查询。

优点：数据分片相对比较均匀，不容易出现热点和并发访问的瓶颈。

缺点：

1、后期分片集群扩容时，需要迁移旧的数据。
2、容易面临跨分片查询的复杂问题。比如上例中，如果频繁用到的查询条件中不带id时，将会导致无法定位数据库，从而需要同时向4个库发起查询，分库反而成为拖累。