数据库SQL常见面试题

1.聚集索引与非聚集索引的区别

（1）一个表中只能拥有一个聚集索引，而非聚集索引一个表可以存在多个。

（2）聚集索引，索引中键值的逻辑顺序决定了表中相应行的物理顺序；非聚集索引，索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同。

（3）索引是通过二叉树的数据结构来描述的，我们可以这么理解聚簇索引：索引的叶节点就是数据节点。而非聚簇索引的叶节点仍然是索引节点，只不过有一个指针指向对应的数据块。

（4）聚集索引：物理存储按照索引排序；非聚集索引：物理存储不按照索引排序；

2.为什么要用B+树，为什么不用普通二叉树？

可以从几个维度去看这个问题，查询是否够快，效率是否稳定，存储数据多少，以及查找磁盘次数，为什么不是普通二叉树，为什么不是平衡二叉树，为什么不是B树，而偏偏是B+树呢？

（1）为什么不是普通二叉树？

如果二叉树特殊化为一个链表，相当于全表扫描。平衡二叉树相比于二叉查找树来说，查找效率更稳定，总体的查找速度也更快。

（2）为什么不是平衡二叉树？

我们知道，在内存比在磁盘的数据，查询效率快得多。如果树这种数据结构作为索引，那我们每查找一次数据就需要从磁盘中读取一个节点，也就是我们说的一个磁盘块，但是平衡二叉树可是每个节点只存储一个键值和数据的，如果是B树，可以存储更多的节点数据，树的高度也会降低，因此读取磁盘的次数就降下来啦，查询效率就快啦。

（3）为什么不是B树而是B+树？

B+树非叶子节点上是不存储数据的，仅存储键值，而B树节点中不仅存储键值，也会存储数据。innodb中页的默认大小是16KB，如果不存储数据，那么就会存储更多的键值，相应的树的阶数（节点的子节点树）就会更大，树就会更矮更胖，如此一来我们查找数据进行磁盘的IO次数有会再次减少，数据查询的效率也会更快。

B+树索引的所有数据均存储在叶子节点，而且数据是按照顺序排列的，链表连着的。那么B+树使得范围查找，排序查找，分组查找以及去重查找变得异常简单。

3.Hash索引和B+树索引区别是什么？

· B+树可以进行范围查询，Hash索引不能。

· B+树支持联合索引的最左侧原则，Hash索引不支持。

· B+树支持order by排序，Hash索引不支持。

· Hash索引在等值查询上比B+树效率更高。

· B+树使用like进行模糊查询的时候，like后面（比如%开头）的话可以起到优化的作用，Hash索引根本无法进行模糊查询。

4.什么是最左前缀原则？什么是最左匹配原则？

最左前缀原则，就是最左优先，在创建多列索引时，要根据业务需求，where子句中使用最频繁的一列放在最左边。

当我们创建一个组合索引的时候，如(a1,a2,a3)，相当于创建了（a1）、(a1,a2)和(a1,a2,a3)三个索引，这就是最左匹配原则。

5.索引不适合哪些场景?

· 数据量少的不适合加索引

· 更新比较频繁的也不适合加索引=区分度低的字段不适合加索引（如性别）

6.索引有哪些优缺点？

(1)优点：

· 唯一索引可以保证数据库表中每一行的数据的唯一性

· 索引可以加快数据查询速度，减少查询时间

(2)缺点：

· 创建索引和维护索引要耗费时间

· 索引需要占物理空间，除了数据表占用数据空间之外，每一个索引还要占用一定的物理空间

· 以表中的数据进行增、删、改的时候，索引也要动态的维护

7.悲观锁与乐观锁区别？

（1）悲观锁：

每次拿数据时都认为别人会修改，所以每次那数据时都会上锁，别人拿数据时会阻塞直到拿到锁。

（2）乐观锁：

每次拿数据都默认别人不会修改，所以不会上锁，在更新的时候会判断一下在此期间别人有没有去更新这个数据。

实现方式：乐观锁一般会使用版本号机制或CAS算法实现。

MVCC (Multiversion Concurrency Control)，即多版本并发控制技术。

MVCC在MySQL InnoDB中的实现主要是为了提高数据库并发性能，用更好的方式去处理读-写冲突，做到即使有读写冲突时，也能做到不加锁

8.MySQL事务得四大特性以及实现原理？

· 原子性：事务是最小的执行单位，不允许分割。作为一个整体被执行，包含在其中的对数据库的操作要么全部被执行，要么都不执行。

· 一致性：执行事务后，数据从一个正确的状态转换到另一个正确的状态。

· 隔离性：多个事务并发访问时，事务之间是相互隔离的，即一个事务不影响其它事务运行效果。简言之，就是事务之间是进水不犯河水的。

· 持久性：表示事务完成以后，该事务对数据库所作的操作更改，将持久地保存在数据库之中。

事务的隔离级别有哪些？MySQL的默认隔离级别是什么？（注意英文）

· 读取未提交（Read Uncommitted）

· 读取已提交（Read Committed）

· 可重复读（Repeatable Read）

· 可串行化（Serializable）

Mysql默认的事务隔离级别是可重复读(Repeatable Read)

9.什么是幻读，脏读，不可重复读？

事务A、B交替执行，事务A被事务B干扰到了，因为事务A读取到事务B未提交的数据，这就是脏读。

在一个事务范围内，两个相同的查询，读取同一条记录，却返回了不同的数据，这就是不可重复读。

事务A查询一个范围的结果集，另一个并发事务B往这个范围中插入/删除了数据，并静悄悄地提交，然后事务A再次查询相同的范围，两次读取得到的结果集不一样了，这就是幻读。

10.InnoDB与MyIsam的区别？

InnoDB 和 MyISAM 是 MySQL 数据库管理系统中最常用的两种存储引擎。它们各自有不同的特性和用途，适合不同的应用场景。

10.1. 事务支持：

• InnoDB 支持事务（Transaction），具有提交（COMMIT）和回滚（ROLLBACK）的能力，适合需要高可靠性和数据完整性的应用。
• MyISAM 不支持事务，适合读密集型的应用场景。

10.2. 行级锁与表级锁：

• InnoDB 支持行级锁（Row-level locking）和外键约束，能够更有效地支持并发访问，减少锁竞争。
• MyISAM 只支持表级锁（Table-level locking），并发写操作时可能会锁定整个表，影响性能。

10.3. 数据恢复：

• InnoDB 提供了更加强大的数据恢复能力，通过日志（如事务日志）来实现。
• MyISAM 在遇到崩溃后的数据恢复方面表现不如 InnoDB。

10.4. 全文索引：

• MyISAM 早期支持全文索引（Full-text indexing），适合文本搜索应用。但从 MySQL 5.6 版本开始，InnoDB 也支持全文索引。
• InnoDB 现在也支持全文索引，且随着版本更新，其全文索引的性能和功能都在不断增强。

10.5. 存储限制：

• InnoDB 文件大小一般受到操作系统文件大小的限制，可以支持较大的数据量。
• MyISAM 的表大小限制较小，这在一些操作系统上可能成为限制。

11.delete drop的区别？

DELETE 和 DROP 是 SQL 语句中用于删除数据的两个不同命令，它们的作用范围和影响也不同。

DELETE：

• DELETE 用于删除表中的一行或多行记录，并且可以有条件地选择删除哪些行。
• 使用 DELETE 删除记录后，表的结构仍然存在，且可以再次插入新的数据。
• DELETE 操作可以回滚（如果在事务中使用），不会立即释放空间，除非执行了数据库的压缩或清理操作。
• DELETE 操作相对较慢，因为它逐行删除数据，并且记录日志以便于事务回滚。

DROP：

• DROP 用于删除整个表或数据库，包括表中的数据和表的结构。
• 使用 DROP 命令后，表或数据库被完全移除，无法回滚（在非事务性存储引擎中），且相关的空间会被立即释放。
• DROP 操作执行速度快，因为它不逐行处理数据，而是直接移除整个结构。
• DROP 除了用于删除表和数据库外，也可以用于删除索引、视图等数据库对象。

简而言之，DELETE 主要用于删除表中的部分或全部数据，而不影响表结构；而 DROP 用于彻底删除表或数据库，包括其结构和数据。

12 连接 （内连接，外连接）

在 SQL 中，连接（JOIN）用于结合两个或多个表中的行。连接主要分为内连接和外连接，每种连接都有其特定用途。

内连接（INNER JOIN）：

• 内连接返回两个表中匹配的行。如果在一个表中的行在另一个表中有对应的行，则这些行会被内连接返回。
• 如果某行在任一表中没有匹配，则不会返回该行。
• 内连接可以看作两个表的交集。

外连接（OUTER JOIN）：

• 外连接返回至少包含一个表中的所有行，即使另一个表中没有匹配的行。外连接分为左外连接（LEFT OUTER JOIN）、右外连接（RIGHT OUTER JOIN）和全外连接（FULL OUTER JOIN）。
• 左外连接（LEFT OUTER JOIN）：返回左表的所有行，即使右表中没有匹配的行。如果右表中没有匹配的行，则结果集中右表的部分将为 NULL。
• 右外连接（RIGHT OUTER JOIN）：返回右表的所有行，即使左表中没有匹配的行。如果左表中没有匹配的行，则结果集中左表的部分将为 NULL。
• 全外连接（FULL OUTER JOIN）：返回左表和右表中的所有行。如果某些行在另一表中没有匹配，则那一部分将为 NULL。

13 数据库三大范式

数据库的范式（Normalization）是为了减少数据冗余和提高数据完整性而设计的一组规则。每一级范式都建立在前一级范式的基础上：

第一范式（1NF）：

• 数据表中的所有字段都是不可分割的原子值，确保每列的原子性。
• 数据表的每一列都是唯一的。

第二范式（2NF）：

• 在第一范式的基础上，所有非主属性完全依赖于主键。即表必须有一个主键，非主属性不能依赖于主键的一部分（对于复合主键而言）。
• 解决了部分依赖问题。

第三范式（3NF）：

• 在第二范式的基础上，非主属性不依赖于其他非主属性，即消除了传递依赖。
• 一个表中没有任何属性依赖于其他非主键的属性。

范式化的目标是减少数据冗余，避免数据异常，提高数据的逻辑一致性。然而，过度范式化可能会导致查询性能下降，因为可能需要更多的表连接操作。在实际应用中，设计数据库时需要在范式化和性能之间做出平衡。

以及数据库的查询等等的语句，建议多刷题！！