面经精选：数据库高频面试十问

标签：语句事务查询面经十问索引高频数据节点

1.InnoDB和MyISAM存储引擎的区别？

MySQL 默认的存储引擎是 InnoDB，它采用 B+Tree 作为索引的数据结构。

在创建表时，InnoDB 存储引擎默认会创建一个主键索引，也就是聚簇索引，其它索引都属于二级索引。

MySQL 的 MyISAM 存储引擎支持多种索引数据结构，比如 B+ 树索引、R 树索引、Full-Text 索引。MyISAM 存储引擎在创建表时，创建的主键索引默认使用的是 B+ 树索引。

InnoDB存储引擎有2个文件：Frm文件和Ibd文件。Frm文件是表的定义文件，而Ibd文件是数据和索引存储文件（数据以主键进行聚集索引，把真正的数据保存在叶子节点中）。

MyISAM存储引擎有3个文件：Frm文件、MYD文件和MYI文件。Frm文件是表的定义文件，MYD文件是数据文件（所有的数据保存在这个文件中），MYI文件是索引文件。

综上所述，InnoDB 和 MyISAM 都支持 B+ 树索引，但是它们数据的存储结构实现方式不同。不同之处在于：

InnoDB 存储引擎：B+ 树索引的叶子节点保存数据本身，即数据和索引都放在一个文件中；
MyISAM 存储引擎：B+ 树索引的叶子节点保存数据的物理地址，即两个文件分开存储；

2.聚合索引和非聚合索引的区别，以及各自的优缺点？

InnoDB 存储引擎根据索引类型不同，分为聚簇索引（上图就是聚簇索引）和二级索引。它们区别在于，聚簇索引的叶子节点存放的是实际数据，所有完整的用户数据都存放在聚簇索引的叶子节点，而二级索引的叶子节点存放的是主键值，而不是实际数据。

聚簇索引的优点：

当你需要取出一定范围内的数据时，用聚簇索引比用非聚簇索引好
数据访问更快，聚集索引将索引和数据保存在同一个B-Tree中，因此从聚集索引中获取数据通常比在非聚集索引中查找要快。
当通过聚簇索引查找目标数据时理论上比非聚簇索引要快，因为非聚簇索引定位到对应主键时可能还要多一次回表操作
使用覆盖索引扫描的查询可以直接使用叶节点中的主键值

聚簇索引的缺点：

插入速度严重依赖于插入顺序
更新主键的代价很高，因为将会导致被更新的行移动

非聚簇索引的优点：

插入和更新数据时不需要移动其他数据行，因此性能较好。
非聚簇索引能够加速数据查询，提高查询速度。

非聚簇索引的缺点：

查询非索引列的时候，需要进行二次查找，因此相对于聚簇索引，查询速度较慢。
非聚簇索引的叶子节点不存储数据行，因此对于需要查询全部列的查询语句，需要进行额外的I/O操作，降低查询效率。

3.索引失效情景？

当我们使用左或者左右模糊匹配的时候，也就是 like %xx 或者 like %xx% 这两种方式都会造成索引失效。
如果查询条件中对索引字段使用函数，就会导致索引失效。
在查询条件中对索引进行表达式计算，也是无法走索引的。
如果索引字段是字符串类型，但是在条件查询中，输入的参数是整型的话会发生隐式类型转换，此时也是没法走索引的。
如果不符合最左匹配原则，也就无法匹配上联合索引，联合索引就会失效。
在 WHERE 子句中，如果在 OR 前的条件列是索引列，而在 OR 后的条件列不是索引列，那么索引会失效。

4.说一说B+T是一个怎么样的数据结构？相对于平衡二叉树、红黑树、跳表，以及BT来说，为什么使用B+T？

B+T一个节点有多个叶子节点，并且非叶子节点只存储索引，叶子节点存放实际数据；叶子节点间用双向链表维护，实现了高效的范围查询。

为什么使用B+T

MySQL是基于磁盘的数据库，磁盘的性能瓶颈在于磁盘IO，我们知道磁盘是按照页进行存取的，每一页是固定大小，比如16KB，对于平衡二叉树和红黑树等，当数据量大的时候，它们的树通常是很高的，每次查询都只能取一个节点放入内存中查找，这样就会增加IO次数，查询效率低下。因此B树一族的优化思路就是不再限制一个节点就只能有 2 个子节点，而是允许 M 个子节点 (M>2)，从而降低树的高度。

B 树的每一个节点最多可以包括 M 个子节点，M 称为 B 树的阶，所以 B 树就是一个多叉树。每一次都取一批节点放入内存中查找，极大降低了磁盘IO。

相对于B树，B+树做了两方面优化，一方面是非叶子节点只存放索引，另一方面是叶子节点间使用双向链表维护。对于非叶子节点的优化，其实还是针对减少磁盘IO的进一步优化。磁盘IO每一页的大小是固定的，我们希望一页存取的元素个数越多，那么每个元素的大小就得越小，因此B+树的优化就是非叶子节点不再存放完整记录，这样节点的大小就极大减小了，磁盘IO次数也就减少了，进一步提升了查询效率。针对于叶子节点用双向链表维护，这种设计对范围查找非常有帮助。而 B 树没有将所有叶子节点用链表串联起来的结构，因此只能通过树的遍历来完成范围查询，这会涉及多个节点的磁盘 I/O 操作，范围查询效率不如 B+ 树。

5.事务的隔离级别分别怎么实现的？

对于「读未提交」隔离级别的事务来说，因为可以读到未提交事务修改的数据，所以直接读取最新的数据就好了；
对于「串行化」隔离级别的事务来说，通过加读写锁的方式来避免并行访问；
对于「读提交」和「可重复读」隔离级别的事务来说，它们是通过 *Read View 来实现的，它们的区别在于创建 Read View 的时机不同，大家可以把 Read View 理解成一个数据快照，就像相机拍照那样，定格某一时刻的风景。 *** 「读提交」隔离级别是在「每个语句执行前」都会重新生成一个 Read View，而「可重复读」隔离级别是「启动事务时」生成一个 Read View，然后整个事务期间都在用这个 Read View。

注意，执行「开始事务」命令，并不意味着启动了事务。在 MySQL 有两种开启事务的命令，分别是：

这两种开启事务的命令，事务的启动时机是不同的：
- 执行了 begin/start transaction 命令后，并不代表事务启动了。只有在执行这个命令后，执行了第一条 select 语句，才是事务真正启动的时机；
- 执行了 start transaction with consistent snapshot 命令，就会马上启动事务。
- 第一种：begin/start transaction 命令；
- 第二种：start transaction with consistent snapshot 命令；

6.可重复读解决幻读问题了吗？

首先说一下什么是幻读。当同一个查询在不同的时间产生不同的结果集时，事务中就会出现所谓的幻象问题。例如，如果 SELECT 执行了两次，但第二次返回了第一次没有返回的行，则该行是“幻像”行。

可重复读隔离级是由 MVCC（多版本并发控制）实现的，实现的方式是开始事务后（执行 begin 语句后），在执行第一个查询语句后，会创建一个 Read View，后续的查询语句利用这个 Read View，通过这个 Read View 就可以在 undo log 版本链找到事务开始时的数据，所以事务过程中每次查询的数据都是一样的，即使中途有其他事务插入了新纪录，是查询不出来这条数据的，所以就很好了避免幻读问题。

MySQL 里除了普通查询是快照读，其他都是当前读，比如 update、insert、delete，这些语句执行前都会查询最新版本的数据，然后再做进一步的操作。

针对当前读是仍存在幻读问题的，因为行锁并不影响其他事务的插入操作。因此Innodb 引擎为了解决「可重复读」隔离级别使用「当前读」而造成的幻读问题，就引出了间隙锁，通过记录锁+间隙锁形成next-key lock（临键锁）的方式解决了幻读。

但是可重复读隔离级别下仍然没彻底解决幻读问题，举两个例子：

对于快照读， MVCC 并不能完全避免幻读现象。因为当事务 A 更新了一条事务 B 插入的记录，那么事务 A 前后两次查询的记录条目就不一样了，所以就发生幻读。
对于当前读，如果事务开启后，并没有执行当前读，而是先快照读，然后这期间如果其他事务插入了一条记录，那么事务后续使用当前读进行查询的时候，就会发现两次查询的记录条目就不一样了，所以就发生幻读。

所以，MySQL 可重复读隔离级别并没有彻底解决幻读，只是很大程度上避免了幻读现象的发生。

要避免这类特殊场景下发生幻读的现象的话，就是尽量在开启事务之后，马上执行 select ... for update 这类当前读的语句，因为它会对记录加 next-key lock，从而避免其他事务插入一条新记录。

7.数据库都有哪些锁？

一、按锁的区间划分

间隙锁（gap locks） ：
- 是开区间的，是一个在索引记录之间的间隙上的锁。
- 作用是保证某个间隙内的数据在锁定情况下不会发生任何变化。例如在默认隔离级别（可重复读）下，当使用非唯一索引搜索或没有索引时等情况会产生间隙锁。
临键锁（next - key locks）
- 是行锁 + 间隙锁，即临键锁是是一个左开右闭的区间。
- InnoDB 的默认事务隔离级别是可重复读，在这种级别下，如果使用特定语句（如select... for update 等）会触发临键锁，可以防止幻读。

二、按锁的粒度划分

表级锁（table - level lock）
- 直接给整个表添加锁。如 select * from student where name = 'tom' for update（InnoDB 在不通过索引检索数据时也是表锁）。
- 开销小，加锁快；不会出现死锁；但锁定粒度大，发生锁冲突的概率最高，并发度最低。
- MyISAM在执行查询语句（select）前，会自动给涉及的所有表加读锁，在执行更新操作（update、delete 、insert 等）前，会自动给涉及的表加写锁。
行级锁（record locks）
- InnoDB中给指定的行添加锁：如 select * from student where id > 10 for update 。
- 是通过给索引上的索引项加锁来实现的，如果没有索引则会类似表锁（比如通过隐藏的聚簇索引）。
- 行锁的劣势是开销大、加锁慢、会出现死锁；优势是锁的粒度小，发生锁冲突的概率低；处理并发的能力强。
页级锁
- 页级锁的颗粒度介于行级锁与表级锁之间。
- 主要应用于BDB存储引擎（现在使用相对较少）。

三、按锁级别划分

共享锁（share lock，即 S 锁）
- 又称读锁，允许一个事务去读取一行，阻止其他事务获得相同数据集的排它锁。若事务 t 对数据对象 a 加上 S 锁，则事务 t 可以读 a，但不能修改 a，其他事务只能对再对 a 加 S 锁，而不能加 X 锁，直到 t 释放 a 上的锁。这保证了其他事务可以读 a，但在释放 a 上的 S 锁之前不能对 a 做任何修改。
排它锁 / 独占锁（exclusive lock，即 X 锁）
- 又称写锁，允许获取排它锁的事物更新数据，阻止其他事务取得相同的数据集共享读锁和排它写锁。若事务 t 对数据对象 a 加上 X 锁，事物 t 可以读 a 也可以修改 a，其他事务不能再对 a 加任何锁，直到 t 释放 a 上的锁。
意向锁
- 意向共享锁（IS）：表示事务准备给数据行加入共享锁，也就是说一个数据行加共享锁前必须先取得该表的 IS 锁；
- 意向排他锁（IX）：类似上面，表示事务准备给数据行加入排他锁，说明事务在一个数据行加排他锁前必须先取得该表的 IX 锁。意向锁是 InnoDB 自动加的，不需要用户干预。

四、按加锁方式分类

自动锁（automatic locks） ：数据库自动根据操作和场景加的锁。
显示锁（lock tables） ：通过特定的命令（如lock tables... ）手动显示加的锁。

五、按锁的使用方式分类

乐观锁（optimistic lock） ：并不是真正的锁机制，通常是通过在表中增加版本号等字段来实现，在更新时检查版本等标识是否符合预期来判断是否发生并发冲突等。
悲观锁（pessimistic lock） ：通过实实在在的锁来控制并发访问，如前面提到的共享锁、排它锁等都属于悲观锁策略。

六、其他特殊锁

死锁：两个或多个事务相互等待对方持有的资源，从而导致都无法继续执行的情况。
全局锁：
- 对整个数据库实例加锁，让整个数据库处于只读状态。如MySQL提供了flush tables with read lock(ftwrl) 命令加全局读锁，加锁之后整个数据库实例处于只读状态，相关数据操作命令都会被阻塞。一般仅用于全库备份等特殊场景（且在InnoDB等支持一致性读的引擎中全库备份不一定需要）。

8.说一说意向锁？

首先为什么需要引入意向锁呢？

我们在引入意向锁前有这样一个场景：其他事务对当前数据表进行了锁行操作（独占锁），而我们当前事务需要对该表加表级锁（独占表锁）。此时我们能加表锁的前提是当前表不存在独占锁，就需要遍历表里所有记录，查看是否有记录存在独占锁，这样效率会很慢。那么有了「意向锁」，由于在对记录加独占锁前，先会加上表级别的意向独占锁，那么在加「独占表锁」时，直接查该表是否有意向独占锁，如果有就意味着表里已经有记录被加了独占锁，这样就不用去遍历表里的记录。

那么什么是意向锁呢

在使用 InnoDB 引擎的表里对某些记录加上「共享锁」之前，需要先在表级别加上一个「意向共享锁」；
在使用 InnoDB 引擎的表里对某些纪录加上「独占锁」之前，需要先在表级别加上一个「意向独占锁」；

也就是，当执行插入、更新、删除操作，需要先对表加上「意向独占锁」，然后对该记录加独占锁。

而普通的 select 是不会加行级锁的，普通的 select 语句是利用 MVCC 实现一致性读，是无锁的。

意向锁带来的影响有哪些呢？（优点）

意向共享锁和意向独占锁是表级锁，不会和行级的共享锁和独占锁发生冲突，而且意向锁之间也不会发生冲突，只会和共享表锁（lock tables ... read）和独占表锁（lock tables ... write）发生冲突。因此引入了意向锁不仅解决了上述问题，而且并发性能也是很高的。

9.Redo Log 和 Binlog 的区别？

Redo Log 和 BinLog 是 MySQL 中两种重要的日志，它们的区别如下：

功能：
- Redo Log 主要用于实现事务的持久性，确保在数据库发生故障（如停电、系统崩溃等）时，能够恢复未完成事务对数据的修改，从而保证数据不会丢失。
- BinLog 则用于记录数据库的变更操作，包括数据的插入、更新和删除等，主要用于数据备份、主从复制和数据恢复等场景。
写入方式：
- Redo Log 是循环写入的，空间固定大小，写满时会覆盖旧的日志。
- BinLog 可以通过配置来控制文件大小，当达到一定大小或其他条件时，会生成新的文件进行续写。
存储位置：
- Redo Log 是存储在 InnoDB 存储引擎特有的文件中。
- BinLog 是存储在服务器级别的日志文件中。
写入时机：

redo log写入时机（InnoDB存储引擎层面）

在事务执行过程中：
1. 事务中的操作会先在内存中的redo log buffer（重做日志缓冲）中记录相应的redo log 条目。以下是后续几种触发刷到磁盘（redo log文件）的情况：
- 由参数innodb_flush_log_at_trx_commit控制：
  - 当设置为 1（默认）：每次事务提交时都将redo log buffer中的redo log强制持久化到磁盘。
  - 当设置为 0：每次事务提交的时候都只是把redo log留在redo log buffer中；后台线程每隔1s进行一次刷盘操作，但如果MySQL进程崩溃可能丢失1s内的事务日志。
  - 当设置为 2 ：每次事务提交时都只是把redo log写到page cache（文件系统缓存），由操作系统决定何时刷到磁盘；如果MySQL进程崩溃，操作系统不崩溃则数据不会丢失，但如果系统崩溃则可能丢失1s内的数据（因为后台线程1s刷新一次）。
- 当redo log buffer占用的空间即将达到innodb_log_buffer_size一半的时候，后台线程会主动写盘（write，没有fsync）。
- 并行的事务提交的时候，顺带将这个事务的redo log buffer持久化到磁盘（事务a执行一半，部分redo log到buffer中；事务b提交，且innodb_flush_log_at_trx_commit设置为1或2，会把redo log buffer里的log全部持久化到磁盘中）。
binlog写入时机
1. 在事务执行期间：
  - 先把日志写到binlog cache（每个线程都有自己的binlog cache，binlog cache大小由参数binlog_cache_size控制，如果超过了这个大小就要暂存磁盘）。
2. 在事务提交时：
  - 执行器把binlog cache里完整的事务写入binlog文件中，并清空binlog cache。
- 由参数sync_binlog控制真正刷盘（write后进行fsync）的时机：
  - 当sync_binlog = 0 时，每次提交事务都只write，不fsync；如果操作系统崩溃，可能丢失部分事务的binlog 。
  - 当sync_binlog = 1 时，每次提交事务都会执行fsync，保证binlog完整持久化；这是最安全但性能相对低的方式。
  - 当sync_binlog = n（n > 1）时，表示每次提交事务都write，但累积n个事务后才fsync；这种方式可以减少磁盘IO操作次数提升性能，但如果主机发生异常重启，会丢失最近n个事务的binlog日志。

10.Binlog 有哪几种日志格式？

1. statement（基于语句的复制，SBR ）

优点：

每一条会修改数据的 SQL 语句都会被记录在 binlog 中，日志量相对较小（如果不是批量、整表等操作情况下），相比于 row 格式在很多常规单一语句执行时节省空间和 I/O 。
直观显示执行的语句，方便理解。

缺点：

一些语句在主从环境下可能出现不一致结果，例如使用了不确定函数（如UUID() 每次生成不同值）等情况。
特定存储过程、函数、触发器调用和触发在从库可能无法正确复制。
对于有依赖上下文的语句（如依赖于当前数据分布等）可能导致主从结果不同。

2. row（基于行的复制，RBR）

优点：

不记录 SQL 语句上下文信息，只记录数据行的变化情况（哪条记录被修改以及被修改成什么样等）。
能准确地进行数据复制，不会出现由于语句逻辑在主从不同环境下的不一致性问题。

缺点：

产生的日志内容会非常多，特别是在执行批量更新、整表删除、alter 表等操作时，日志量极大，会造成大量的磁盘 I/O 开销。
查看日志相对不够直观，不能直接看出执行的语句逻辑。

3. mixed（混合模式，MBR）

从 MySQL 5.1.8 版本开始推出。

特点和运行机制：

是 statement 和 row 的混合体。
系统自动判断语句该用 statement 还是 row 格式来记录日志。一般情况下，常规的语句修改使用 statement 格式保存 binlog ；对于一些 statement 无法准确完成主从复制的复杂操作（如函数使用等导致潜在不一致的语句）则采用 row 格式保存 binlog 。
可以一定程度上兼顾日志量和数据复制的准确性。但有时在切换格式时可能会存在一些边界情况需要关注和处理（比如切换瞬间数据的一致性保障等）。

欢迎关注 ❤

我们搞了一个免费的面试真题共享群，互通有无，一起刷题进步。

没准能让你能刷到自己意向公司的最新面试题呢。

感兴趣的朋友们可以加我微信：wangzhongyang2024，备注：博客园面试群。

标签：语句,事务,查询,面经,十问,索引,高频,数据,节点
From： https://www.cnblogs.com/wangzhongyang/p/18354457