面试冲刺之数据库与事务

1. 数据库的基本概念与原则

1.1 存储引擎

概念
数据库的存储引擎是数据库的底层软件组织，DBMS使用存储引擎进行对数据的CRUD操作。
不同的存储引擎提供了不同的存储机制、索引技巧、锁定水平等功能，都有各自特定的功能。
目前许多DBMS都支持多种存储引擎，常用的有MyISAM、InnoDB、Memory、Archive和Federated。

	MyISAM	InnoDB
特点	1. 查询速度快，占用的内存和存储资源较少 2. 更新数据慢（表锁）且不支持事务处理	1. 支持事务 2. 支持灾难恢复（通过bin-log日志恢复） 3. 支持外键约束（仅InnoDB支持） 4. 支持自动增加列属性auto_increment
说明	写操作是要锁定整张表，效率较低	InnoDB底层存储结构为B+树，树的每个节点对应InnoDB的一个Page，Page大小一般固定是16KB。 其中非叶子节点只有键值，叶子节点包含完整的数据。

1.2 创建索引的原则

常见的创建索引的原则

• 选择唯一性索引
  唯一性索引一般基于Hash算法实现，可以快速、唯一地定位到某条数据。
• 为需要经常排序、分组和联合操作的字段建立索引
• 为经常作为查询条件的字段建立索引
• 限制索引的数量
  索引越多，数据更新表越慢，因为在数据更新时会不断计算和添加索引。
• 尽量使用数据量少的索引
  如果索引的值很长，则占用的磁盘较大，查询速度会受到影响。
• 尽量使用前缀来索引
  如果索引字段值过长，则不但影响索引值的大小，而且会降低索引的执行效率，这时需要使用字段的部分前缀来作为索引。
• 删除不再使用或者很少使用的索引
• 尽量使用区分度高的列作为索引
  区分度表示字段值不重复的比例。
• 尽量扩展现有索引
  联合索引的查询效率比多个独立索引高。

1.3 数据库三范式

关于范式
范式是具有最小冗余的表结构。

1. 第一范式

• 满足条件
  每列都是不可再分的最小数据单元（又称最小原子单元）。
• 目标
  确保每列的原子性。
• 举例
  下图中的Address不满足表列不可再分的原则，需要拆分为Country列和City列以满足第一范式。
  

2. 第二范式

• 定义
  在第一范式的基础上，第二范式规定表中的非主键列不存在对主键列的部分依赖，要求每个表只描述一件事情。
• 举例
  如下图，Orders表既包含订单信息，又包含产品信息，若要满足第二范式，需要将其拆分为两个单独的表。
  

3. 第三范式

• 定义
  在满足第一范式和第二范式的基础上，表列不存在对非主键列的传递依赖。
• 举例
  如下图，除了主键的订单编号，顾客姓名依赖于非主键的顾客编号，要满足第三范式，需要将该列去除。
  

1.4 数据库事务

• 定义
  事务是一个不可分割的工作逻辑单元。数据库事务执行一系列基本操作，这些基本操作组成一个逻辑工作单元一起向数据库提交，要么都执行，要么都不执行。
• ACID特性
  • 原子性（Atomicity）
    事务是一个完整操作，参与事务的逻辑单元要么都执行，要么都不执行。
  • 一致性（Consistency）
    在事务执行完毕时，不论是正常执行完毕还是异常退出，数据都必须处于一致状态。
  • 隔离性（Isolation）
    对数据进行修改的所有并发事务都是彼此隔离的，它不应以任何方式依赖或影响其他事务。
  • 永久性（Durability）
    在事务操作完成后，对数据的修改将被持久化到永久性存储中。

2. 基于数据库的并发操作和锁

2.1 数据库的并发策略

1. 乐观锁

• 乐观锁在读数据时，认为别人不会去写其所读的数据。

2. 悲观锁

• 与乐观锁相反，悲观锁认为在自己读数据时，别人刚好在写自己刚读的数据。
• 悲观锁在修改某条数据时，不允许别人读取该数据，直到自己的整个事务都提交并释放锁，其他用户才能访问该数据。
• 悲观锁分为排它锁（写锁）和共享锁（读锁）。

3. 时间戳

• 时间戳在操作数据时不加锁，通过时间戳来控制并发出现的问题。
• 描述
  时间戳指在数据表中额外加一个时间戳列TimeStamp。每次读数据时，都把时间戳也读出来，在更新数据时把时间戳加1，在提交之前和数据库中该字段比较一次，如果比数据库的值大，就允许保存，否则不允许保存。
• 时间戳方法虽然不使用数据库系统提供的锁机制，但是可以大大提高数据库处理的并发度。

3. 数据库分布式事务

3.1 CAP定理

CAP定理指的是在一个分布式系统中，一致性（Consistency)、可用性（Availability）和分区容错性（Partition tolerance）三者不可兼得。

• 一致性
  在分布式系统的所有数据备份中，在同一时刻是否有同样的值（所有节点都应该访问到同一份最新的数据副本）。
• 可用性
  在集群中一部分节点发生故障后，集群整体能否响应客户端的读写请求（对数据更新具备高可用性）。
• 分区容错性
  系统如果不能在时限内达成数据的一致性，就意味着发生了分区，必须就当前操作在C和A之间做出选择。以实际效果而言，分区相当于对通信的时限要求。