Oracle面试题

一、in 和 not in 都走索引吗？

where 条件为 in 两个数值 走了索引。

where 条件为 not in 两个数值 没有走索引。

二、delete 和 truncate 的区别？

delete 是 dml 语句 删除数据可以加条件 删除数据可以恢复
truncate 是ddl 语句 删除数据不可以加条件 删除数据不可以恢复

三、Oracle 优化

1、Order By语句加在索引列，最好是主键PK上。
2、用EXISTS替换DISTINCT：EXISTS 使查询更为迅速,因为RDBMS核心模块将在子查询的条件一旦满足后,立刻返回结果.

(低效): SELECT DISTINCT DEPT_NO,DEPT_NAME FROM DEPT D , EMP E WHERE D.DEPT_NO = E.DEPT_NO And E.sex =man
(高效): SELECT DEPT_NO,DEPT_NAME FROM DEPT D WHERE EXISTS ( SELECT ‘X’ FROM EMP E WHERE E.DEPT_NO = D.DEPT_NO And E.sex =man );

四、Oracle 三大范式

1NF、数据库表中列都是单一属性，不可再分。
2NF、非主键字段依赖主键字段。
3NF、非主键字段与主键字段直接相关，而不间接相关

五、in 和 exists

select * from t1 where id in (select id from t2); 
select * from t1 where exists (select 1 from t2 where t1.id=t2.id); 

执行结果显示，两个 sql 分别执行 1.3s 和 3.4s 。
----------t1 表数据量为 100W， t2 表数据量为 200W 。

如果查询的两个表大小相当，那么用in和exists差别不大;如果两个表中一个较小一个较大，则子查询表大的用exists，子查询表小的用in;

对应于此处就是：
当 t1 为小表， t2 为大表时，应该用 exists ，这样效率高。
当 t1 为大表，t2 为小表时，应该用 in，这样效率较高。

select * from t2 where id in (select id from t1); 
select * from t2 where exists (select 1 from t1 where t1.id=t2.id); 

执行结果显示，两个 sql 分别执行 1.8s 和 10.0s 。

对于 in 来说，大表小表调换了内外层关系，执行时间并无太大区别。一个是 1.3s，一个是 1.8s。
对于 exists 来说，大小表调换了内外层关系，执行时间天壤之别，一个是 3.4s ，一个是 10.0s，足足慢了两倍。

六、SQL优化

1、创建索引
优点：查询速度读取快。
缺点：占内存，插入数据变慢。
（整表字段加索引的缺陷）
2、对表数据进行分区
优点

1. 改善查询性能：对分区对象的查询可以仅搜索自己关心的分区，提高检索速度。
2. 增强可用性：如果表的某个分区出现故障，表在其他分区的数据仍然可用；
3. 维护方便：如果表的某个分区出现故障，需要修复数据，只修复该分区即可；
4. 均衡I/O：可以把不同的分区映射到磁盘以平衡I/O，改善整个系统性能。

缺点：

1. 分区表相关，已经存在的表没有方法可以直接转化为分区表。不过 Oracle 提供了在线重定义表的功能。

3、脚本关键词的优化（in、exists）

1. 外表数据量大，内表数据量小可使用 in （ in 可以理解为一个子查询，会先全表扫描再根据条件匹配）
2. 外表数据量小，内表数据量大可使用 exists（ exists 是匹配每行数据匹配上才满足条件）

七、Oracle和sql server的区别

1. Oracle支持多种操作系统，sql server支持window系统
2. Oracle的安全认证获得最高认证级别的ISO标准认证，而SQL Server并没有获得什么安全认证
3. Oracle 性能最高， 保持windowsNT下的TPC-D和TPC-C的世界记录。SQL Server 多用户时性能不佳

八、数仓的基本架构（离线数仓）
ODS-DWD-ADS-BDS
ODS：类源层（源数据备份包导入还原原表）
DWD：整合层（通过逻辑处理整合各个模块的数据）
ADS：集市层（根据不同维度在DWD取数形成一个个宽表）
BDS：备份层（把DWD和ADS中的表每天全量备份到BDS中）

九、拉链表的理解
记录数据在某一时间区间内的状态
以及数据在某一时点上的变化的数据存储方式
存储的数据是数据的状态，新增、字段（金额变化）的数据
不是技术,而是解决方案。目的:节约存储空间

取2022-04-01日当天时间的数据