面试官常问的 数据库 问题 11-21

• 11.Oracle 跟 SQL Server 的区别？
• 12.关系型数据库和非关系型数据库区别，优势比较?
• 13.MYSQL 的两种存储引擎区别（事务、锁级别等等），各自的适用场景
• 14.MongoDB 与 Redis 区别
• 15.Memcached 和 redis 的区别
• 16.在项目中缓存用在哪里
• 17.Redis 如何持久化
• 18.Redis 的内存淘汰策略有那些
• 19.redis 有哪些数据类型
• 20.Redis 一般用在那些场景
• 21.SQL 题目

11.Oracle 跟 SQL Server 的区别？

oracle：可在不同平台运行（ISO标准认证）；支持PL-SQL脚本语言；性能很高；
sqlserver：只可在 windows 平台运行（不安全、不稳定）；支持T-SQL脚本语言；多用户性能低；

一般不用SQL Server ！！！

区别：

1、最大的区别在于平台。oracle 可以运行在不同的平台上；sqlserver 只能运行在 windows 平台上。windows 平台的稳定性和安全性，影响了 sqlserver 的稳定性和安全性。

2、oracle 使用的脚本语言为 PL-SQL，而 sqlserver 使用的脚本为 T-SQL 。
文体结构不同

3、体系结构不同。
oracle的文件体系结构为：

数据文件 .dbf（真实数据）
日志文件 .rdo
控制文件 .ctl
参数文件 .ora

sql server的文件体系结构为：

.mdf （数据字典）
.ndf （数据文件）
.ldf （日志文件）

4、存储结构不同。

oracle存储结构：

在oracle里有两个块参数pctfree(填充因子)和pctused(复用因子)，可控制块确定块本身何时有，何时没有足够的空间接受新信息(对块的存储情况的分析机制)。这样可降低数据行连接与行迁移的可能性。块的大小可设置(oltp块和dss块)。

在oracle中，将连续的块组成区，可动态分配区(区的分配可以是等额的也可以是自增长的)可减少空间分配次数。

在oraclel里表可以分为多个段，段由多个区组成，每个段可指定分配在哪个表空间里(段的类型分为：数据段、索引段、回滚段、临时段、cash段。oracle里还可对表进行分区，可按照用户定义的业务规则、条件或规范，物理的分开磁盘上的数据。

这样大大降低了磁盘争用的可能性。

oracle有七个基本表空间：

·system表空间(存放数据字典和数据管理自身所需的信息)
·rbs回滚表空间
·temp临时表空间
·tools交互式表空间
·users用户默认表空间
·indx索引表空间
·dbsys福数据表空间

不同的数据分别放在不同的表空间(数据字典与真实数据分开存放),在oracle里基表(存储系统参数信息)是加密存储，任何人都无法访问。只能通过用户可视视图查看。

sql server 存储结构：

以页为最小分配单位，每个页为8k(不可控制，缺乏对页的存储情况的分析机制),可将8个连续的页的组成一个‘扩展’，以进一步减少分配时所耗用的资源。(分配缺乏灵活性)，在sql server里数据以表的方式存放，而表是存放在数据库里。

sql server有五个基本数据库： www.2cto.com

·master(数据字典)
·mode(存放样版)
·tempdb(临时数据库)
·msdb(存放调度信息和日志信息)
·pubs(示例数据库)

真实数据与数据字典存放在一起。对系统参数信息无安全机制。

12.关系型数据库和非关系型数据库区别，优势比较?

关系型数据库：可用 SQL 语句在一个以上表之间做非常复杂的数据查询；安全性高；数据存储在硬盘；
非关系型数据库：性能高；可扩展（水平扩展）；数据存储在缓存，比关系型数据库查询快；

非关系型数据库的优势：
性能：NOSQL 是基于键值对的，可以想象成表中的主键和值的对应关系，而且不需要经过 SQL 层的解析，所以性能非常高。
可扩展性：同样也是因为基于键值对，数据之间没有耦合性，所以非常容易水平扩展。

关系型数据库的优势：
复杂查询：可以用 SQL 语句在一个表以及多个表之间做非常复杂的数据查询。
事务支持：使得对于安全性能很高的数据访问要求得以实现。

13.MYSQL 的两种存储引擎区别（事务、锁级别等等），各自的适用场景

MySql主要有两种存储引擎：InnoDB和MyISAM。
InnoDB：支持事务、外键；支持行级锁；聚集索引；不保存行数；不支持全文类型索引（查表总行数时，不需要全表扫描）；
MyISAM：不支持事务、外键；支持表级锁（性能低）；非聚集索引；保存行数；支持全文类型索引（查表总行数时，全表扫描）；
使用场景：一般默认InnoDB，当表比较小，读取操作较多，插入和更新少，不要考虑事务，可以考虑MyIsam。

区别

1. InnoDB支持事务，后者不支持
2. InnoDB支持外键，MyIsam不支持
3. InnoDB支持行级锁，MyIsam是表级锁，表级锁性能低
4. InnoDB是聚集索引，即索引中键值的逻辑顺序决定了表中相应行的物理顺序，而MyIsam是非聚集索引，即索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同。
5. InnoDB不保存行数，后者保存。

使用场景，一般默认都是InnoDB，如果表比较小，读取操作较多，插入和更新操作少，不需要考虑事务，可以考虑MyIsam

14.MongoDB 与 Redis 区别

①.性能方面：redis 要大于 mongodb ；
②.操作便利性：Mongodb 支持丰富的数据表达、索引，最类似关系型数据库，支持的查询语言非常丰富 ；Redis 数据结构方面丰富
③.内存空间大小和数据量大小：Mongodb 适合大量数据的存储 ；
④.数据一致性：Redis 事务支持比较弱 ；Mongodb 不支持事务 ；
⑤.应用场景：Redis 用在数据量较小的操作和运算上；Mongodb 主要解决海量数据的访问效率问题。

redis、memcache、mongoDB 对比
从以下几个维度，对redis、memcache、mongoDB 做了对比，欢迎拍砖

1、性能
都比较高，性能对我们来说应该都不是瓶颈
总体来讲，TPS方面redis和memcache差不多，要大于mongodb

2、操作的便利性
memcache数据结构单一
redis丰富一些，数据操作方面，redis更好一些，较少的网络IO次数
mongodb支持丰富的数据表达，索引，最类似关系型数据库，支持的查询语言非常丰富

3、内存空间的大小和数据量的大小
redis在2.0版本后增加了自己的VM特性，突破物理内存的限制；可以对key value设置过期时间（类似memcache）
memcache可以修改最大可用内存,采用LRU算法
mongoDB适合大数据量的存储，依赖操作系统VM做内存管理，吃内存也比较厉害，服务不要和别的服务在一起

4、可用性（单点问题）

对于单点问题，
redis，依赖客户端来实现分布式读写；主从复制时，每次从节点重新连接主节点都要依赖整个快照,无增量复制，因性能和效率问题，
所以单点问题比较复杂；不支持自动sharding,需要依赖程序设定一致hash 机制。
一种替代方案是，不用redis本身的复制机制，采用自己做主动复制（多份存储），或者改成增量复制的方式（需要自己实现），一致性问题和性能的权衡

Memcache本身没有数据冗余机制，也没必要；对于故障预防，采用依赖成熟的hash或者环状的算法，解决单点故障引起的抖动问题。

mongoDB支持master-slave,replicaset（内部采用paxos选举算法，自动故障恢复）,auto sharding机制，对客户端屏蔽了故障转移和切分机制。

5、可靠性（持久化）

对于数据持久化和数据恢复，

redis支持（快照、AOF）：依赖快照进行持久化，aof增强了可靠性的同时，对性能有所影响

memcache不支持，通常用在做缓存,提升性能；

MongoDB从1.8版本开始采用binlog方式支持持久化的可靠性

6、数据一致性（事务支持）

Memcache 在并发场景下，用cas保证一致性

redis事务支持比较弱，只能保证事务中的每个操作连续执行

mongoDB不支持事务

7、数据分析

mongoDB内置了数据分析的功能(mapreduce),其他不支持

8、应用场景
redis：数据量较小的更性能操作和运算上

memcache：用于在动态系统中减少数据库负载，提升性能;做缓存，提高性能（适合读多写少，对于数据量比较大，可以采用sharding）

MongoDB:主要解决海量数据的访问效率问题

15.Memcached 和 redis 的区别

①.存储方式：Memcached 数据都在内存中，断电后会挂掉，数据不可超过内存大小；Redis 部分存在硬盘上，保证数据的持久性 ；
②.数据支持类型：Memcached 对数据类型支持相对简单 ；Redis 有复杂的数据类型 ；
③.Value 大小：Redis 最大可以达到 1G；Memcached 只有 1MB。

16.在项目中缓存用在哪里

缓存数据（查询多删改少的数据）比如：数据字典（改动少，基本不改动）

为什么使用缓存？：
缓存主要用途有两个，高性能和高并发。
高并发的场景不常见，所以项目用它的目的是高性能。
如果一个数据被大量的读取，那么可以将它放入缓存中，被读取时直接从缓存中通过key查出value，这样可以大幅提升性能。

使用缓存存在哪些问题？
①缓存雪崩。
②缓存穿透。
③缓存与数据量双写不一致。
④缓存并发竞争。

17.Redis 如何持久化

持久化：将内存中的数据写入到硬盘中。
Redis实现数据持久化的两种实现方式：1、RDB实现Redis数据持久化（默认方式）；2、AOF持久化方案；
RDB：指定的时间间隔内保存数据快照；
AOF：先把命令追加到操作日志的尾部，保存所有的历史操作；

RDB：将数据写入到一个临时文件(dump.rdb)，持久化结束之后，用这个临时文件替换上次持久化的文件，达到数据恢复。
间隔一段时间进行持久化，如果持久化之间 redis 发生故障，会发生数据丢失，所以这种方式更适合数据要求不严谨的时候，

默认开启的 AOF：是将执行过的指令记录下来，数据恢复时按照从前到后的顺序再将指令执行一遍，实现数据恢复。

AOF 相比于RDB的优点：可以保证数据完整，可对历史操作进行处理；

但是 AOF 文件比 RDB 文件大，且恢复速度慢，默认是关闭的。

18.Redis 的内存淘汰策略有那些

①.noeviction:默认策略，不删除任意数据，但是内存不够时，会直接返回错误
②.Allkeys-lru:从数据集中(包括设置过期时间和未设置过期时间的数据集)，优先移除最近未使用的 key
③.Volatile-lru:在设置了过期时间的数据集中，优先移除最近未使用的 key
④.Allkeys-random:从数据集中(包括设置过期时间和未设置过期时间的数据集)，随机移除某个 key
⑤.Volatile-random:在设置了过期时间的数据集中，随机移除某个 key Volatile-ttl:在设置了过期时间的数据集中，具有更早过期时间的 key 优先移除。

Redis 的内存淘汰：用户存储的一些键可以被 redis 主动从实例中删除，从而产生读 miss 的情况，
内存淘汰是为了更好的使用内存，用一定的缓存 miss 来换取内存的使用率。

Redis 提供的内存淘汰策略有：
①.noeviction:默认策略，不删除任意数据，但是内存不够时，会直接返回错误
②.Allkeys-lru:从数据集中(包括设置过期时间和未设置过期时间的数据集)，优先移除最近未使用的 key
③.Volatile-lru:在设置了过期时间的数据集中，优先移除最近未使用的 key
④.Allkeys-random:从数据集中(包括设置过期时间和未设置过期时间的数据集)，随机移除某个 key
⑤.Volatile-random:在设置了过期时间的数据集中，随机移除某个 key Volatile-ttl:在设置了过期时间的数据集中，具有更早过期时间的 key 优先移除。

redis 的雪崩、穿透

1. 缓存穿透

   什么是缓存穿透？
   一般的缓存系统，都是按照key（键）去缓存查询，如果不存在对应的value（值），就应该去DB（数据库）中查找 。
   这个时候，如果请求的并发量很大，就会对后端的DB系统造成很大的压力。这就叫做缓存穿透！

   
   造成的原因：

   1. 业务自身代码或数据出现问题；
   2. 一些恶意攻击、爬虫造成大量空的命中，此时会对数据库造成很大压力。

   解决方法：

   1. 设置布隆过滤器，将所有可能存在的数据哈希到一个足够大的bitmap中，一个一定不存在的数据会被这个bitmap拦截掉，
      从避免了对底层存储系统的查询压力。
   2. 如果一个查询返回的数据为空，不管是数据不存在还是系统故障，我们仍然把这个结果进行缓存，但是它的过期时间会很短
      最长不超过5分钟。

2. 服务雪崩

   什么是雪崩？

   因为缓存层承载了大量的请求，有效的保护了存储层。但是如果缓存由于某些原因，整体不能够提供服务，于是所有的请求，就会到达存储层，存储层的调用量就会暴增，造成存储层也会挂掉的情况。
   缓存雪崩的英文解释是奔逃的野牛，指的是缓存层当掉之后，并发流量会像奔腾的野牛一样，大量后端存储。

   造成的原因：
   当缓存服务器重启或者大量缓存集中在某一个时间段失效，这样在失效的时候，大量数据会去直接访问DB，此时给DB很大的压力。
   
   解决方法：

   1. 设置redis集群和DB集群的高可用，如果redis出现宕机情况，可以立即由别的机器顶替上来。这样可以防止一部分的风险。

   2. 使用互斥锁

      在缓存失效后，通过加锁或者队列来控制读和写数据库的线程数量。比如：对某个key只允许一个线程查询数据和写缓存，其他线程等待。单机的话，可以使用synchronized或者lock来解决，如果是分布式环境，可以是用redis的setnx命令来解决。

   3. 不同的key,可以设置不同的过期时间，让缓存失效的时间点不一致，尽量达到平均分布。

   4. 永远不过期

      redis中设置永久不过期，这样就保证了，不会出现热点问题，也就是物理上不过期。

   5. 资源保护

      使用netflix的hystrix，可以做各种资源的线程池隔离，从而保护主线程池。

19.redis 有哪些数据类型

String（字符串）、Hash（哈希）、List（列表）、Sets（集合）、ZSet（有序集合）

①.String(字符串)：redis 最基本的数据类型，一个 key 对应一个 value，一个键最大能存储 512MB
②.Hash(哈希)：是一个键值对集合，特别适合用于存储对象
③.List(列表)：存放多个字符串值，可以重复，按照插入顺序进行排序，也可以添加一个元素到列表的头部和尾部
④.Sets(集合)：存放多个值，不可以重复，没有顺序
⑤.ZSet(有序集合)：存放多个值，不可以重复，有顺序。不同的是每个元素都会关联一个 double 类型的分数，redis 正是通过分 数来为集合中的成员进行从小到大的排序

20.Redis 一般用在那些场景

①.缓存热数据（热数据：查询多删改少的数据 ）
②.计数器，诸如统计点击数等应用
③.队列
④.位操作(大数据处理)，比如统计 QQ 用户在线
⑤.分布式锁和单线程机制
⑥.最新列表
⑦.排行榜，使用 zadd 添加有序集合

redis使用场景：会话缓存（Session Cache）、全页缓存（FPC）、排行榜/计数器

redis优点:

1. 速度快，因为数据存在内存中，类似于HashMap，HashMap的优势就是查找和操作的时间复杂度都是O(1)
2. 支持丰富数据类型，支持string，list，set，sorted set，hash
3. 支持事务，操作都是原子性，所谓的原子性就是对数据的更改要么全部执行，要么全部不执行
4. 丰富的特性：可用于缓存，消息，按key设置过期时间，过期后将会自动删除

21.SQL 题目

1. 在GRADE表中查找80-90份的学生学号和分数

   select 学号,分数 from grade where 分数 between 80 and 90

2. 在GRADE 表中查找课程编号为003学生的平均分

   select avg(分数) from grade where 课程编号='003'

3. 在GRADE 表中查询学习各门课程的人数

   select 课程编号,count(学号) as 人数 from grade group by 课程编号

4. 查询所有姓张的学生的学号和姓名

   select 姓名,学号 from student_info where 姓名 like'张%'

5. 查询和学号’0001’的这位同学性别相同的所有同学的姓名和出生年月

   select 姓名,出生年月 from student_info where 性别 in(select 性别 from student_info where sno='0001')

6. 查询所有选修课程编号为0002 和0003的学生的学号、姓名和性别

   select 学号,姓名,性别 from student_infowhere 学号 in(select 学号 from grade where 课程编号='0002' and 学号 in(select 学号 from grade where 课程编号='0001'))

7. 查询出学号为0001的学生的分数比0002号学生最低分高的课程编号的课程编号和分数

   select 课程编号, 分数 from grade where 学号='0001'and 分数>(select min(分数) from grade where 学号='0002')

8. 查询分数在80-90分的学生的学号、姓名、分数

   select student_info.学号,student_info.姓名,grade.分数 from student_info,grade where grade.分数 between 80 and 90

9. 查询学习了’C语言’课程的学生学号、姓名和分数

   select student_info.学号,student_info.姓名,grade.成绩 from student_info,grade,curriculum where student_info.学号=grade.学号  and grade.课程号=curriculum.课程号 and curriculum.课程名='C 语言'

10. 查询所有学生的总成绩，要求列出学号、姓名、总成绩，没有选课的学生总成绩为空。

    select grade.学号,student_info.姓名,sum(grade.成绩) as 总成绩 from student_info,grade where grade.学号=student_info.学号 group by grade.学号,student_info.姓名