MYSQL 那点破事！索引、SQL调优、事务、B+树、分表 ....

水深无声 2023-10-07 20:26 9阅读 0赞

为了便于大家查找问题，了解全貌，整理个目录，我们可以快速全局了解关于mysql数据库，面试官一般喜欢问哪些问题

![596be92fdc5cf07ea5ce8a58bb13f2d3.png][]

接下来，我们逐条来看看每个问题及答案

**MyISAM 和 InnoDB 的区别？**

答案：InnoDB 支持 事务、外键、聚集索引，通过MVCC来支持高并发，索引和数据存储在一起。InnoDB 不保存表的具体行数，执行 `select count(*) from table` 时需要全表扫描。而MyISAM 用一个变量保存了整个表的行数。

InnoDB 最小的锁粒度是行锁，MyISAM 最小的锁粒度是表锁，并发能力低。MySQL 将默认存储引擎是 InnoDB

**mysql 锁有哪些类型？**

答案：mysql锁分为共享锁( S lock ) 、排他锁 ( X lock )，也叫做读锁和写锁。根据粒度，可以分为表锁、页锁、行锁。

**什么是间隙锁？**

答案：间隙锁是可重复读级别下才会有的锁，mysql会帮我们生成了若干`左开右闭`的区间，结合MVCC和间隙锁可以解决幻读问题。

**如何避免死锁？**

答案：死锁的四个必要条件：1、互斥 2、请求与保持 3、环路等待 4、不可剥夺。

*  合理的设计索引，区分度高的列放到组合索引前面，使业务 SQL 尽可能通过索引定位更少的行，减少锁竞争。
 *  调整业务逻辑 SQL 执行顺序， 避免 update/delete 长时间持有锁的 SQL 在事务前面。
 *  避免大事务，将大事务拆成多个小事务
 *  以固定的顺序访问表和行。比如两个更新数据的事务，事务 A 更新数据的顺序为 1，2;事务 B 更新数据的顺序为 2，1。这样更可能会造成死锁。
 *  在并发比较高的系统中，不要显式加锁，特别是是在事务里显式加锁。如 select … for update 语句，如果是在事务里（运行了 start transaction 或设置了autocommit 等于0）,那么就会锁定所查找到的记录。
 *  尽量用主键/索引去查找记录
 *  优化 SQL 和表设计，减少同时占用太多资源的情况。比如说，避免多个表join，将复杂 SQL 分解为多个简单的 SQL。

**数据库的隔离级别？**

答案：读未提交、读已提交、可重复读（mysql的默认级别，每次读取结果都一样，但是有可能产生幻读）、串行化。

**Mysql有哪些类型的索引？**

答案：

*  普通索引：一个索引只包含一个列，一个表可以有多个单列索引。
 *  唯一索引：索引列的值必须唯一，但允许有空值
 *  复合索引：多列值组成一个索引，专门用于组合搜索，其效率大于索引合并
 *  聚簇索引：也称为主键索引，是一种数据存储方式。B+Tree结构，非叶子节点包含健值和指针，叶子节点包含索引列和行数据。一张表只能有一个聚簇索引。
 *  非聚簇索引：不是聚簇索引，就是非聚簇索引。叶子节点只是存索引列和主键id。如果sql还要返回除了索引列的其他字段信息，需要回表，第一次索引一般是顺序IO，回表的操作属于随机IO。回表的次数越多，性能越差。此时我们推荐`覆盖索引`

**什么是覆盖索引和回表？**

答案：

1、覆盖索引，指的是在一次查询中，一个索引包含所有需要查询的字段的值，可能是返回值或where条件

select buyer_id from order where money>100

假如我们创建了一个(money，buyer\_id)的联合索引，索引的叶子节点包含了`buyer_id`的信息，则不会再`回表`查询。

2、回表，指查询时一些字段值拿不到，需要到主键索引B+树再查一次。

**Mysql的最左前缀原则？**

答案：即最左优先，在检索数据时从联合索引的最左边开始匹配，直到遇到范围查询（如：> 、< 、between、like等）

例子：where a = 1 and b = 2 and c > 3 and d = 4 ，如果建立(a,b,c,d)组合索引，d是用不到索引的；如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。

**线上SQL的调优经验？**

答案：

*  1、`slow_query_log` 日志中收集到的慢 SQL ，结合 `explain` 分析是否命中索引。
 *  2、减少索引扫描行数，有针对性的优化慢 SQL。
 *  3、建立联合索引，由于联合索引的每个叶子节点包含检索字段的信息，按最左前缀原则匹配后，再按其它条件过滤，减少回表的数据量。
 *  4、还可以使用虚拟列和联合索引来提升复杂查询的执行效率。

**官方为什么建议采用自增id 作为主键？**

答案：自增id是连续的，插入过程也是顺序的，总是插入在最后，减少了页分裂，有效减少数据的移动。所以尽量不要使用字符串（如：UUID）作为主键。

**索引为什么采用B+树，而不用B-树，红黑树？**

答案：提升查询速度，首先要减少磁盘IO次数，也就是要降低树的高度。

*  平衡二叉树、红黑树，都属于二叉树。时间复杂度为O(n)，当表的数据量上千万时，树的深度很深，mysql读取时消耗大量 IO。另外，InnoDB引擎采用`页`为单位读取，每个节点一页，但是二叉树每个节点储存一个关键词，导致空间浪费。
 *  B-树，非叶子节点存储数据，占用较多空间，导致每个节点的`指针`少很多，无形增加了树的深度。
 *  B+树数据都存储在叶子节点，非叶子节点只存储`健值+指针`，索引树更加扁平，三层深度可以支持千万级表存储。同时叶子节点之间通过链表关联，范围查找更快。
 *  更多内容，参考 mysql 一棵 B+ 树能存多少条数据？

**事务的特性有哪些？**

答案：ACID。

*  原子性。一个事务中的操作要么全部成功，要么全部失败。
 *  持久性。永久保存在数据库中。
 *  一致性。总是从一个一致性的状态转换到另一个一致性的状态
 *  隔离性。一个事务的修改在提交前，其他事务是感知不到的

**如何实现分布式事务？**

答案：

*  1、流水任务，最终一致性，前提是接口要支持幂等性
 *  2、事务消息
 *  3、二阶段提交
 *  4、三阶段提交
 *  5、TCC
 *  6、Seata 框架
 *  7、更多内容，参考 如何解决分布式事务

**日常工作中，MySQL 如何做优化？**

答案：

*  1、分页优化。比如电梯直达，`limit 100000,10` 先查找起始的主键id，再通过`id>#{value}`往后取10条
 *  2、尽量使用`覆盖索引`，索引的叶节点中已经包含要查询的字段，减少`回表查询`
 *  3、SQL优化（索引优化、小表驱动大表、虚拟列、适当增加冗余字段减少连表查询、联合索引、排序优化、慢日志 Explain 分析执行计划）。
 *  4、设计优化（避免使用NULL、用简单数据类型如int、减少 text 类型、分库分表）。
 *  5、硬件优化（使用SSD 减少 I/O 时间、足够大的网络带宽、尽量大的内存）

**mysql 主从同步具体过程？**

答案：

*  master主库，有数据更新，将此次更新的事件类型写入到主库的binlog文件中
 *  主库会创建`log dump 线程`通知slave有数据更新
 *  slave，向master节点的 log dump线程请求一份指定binlog文件位置的副本，并将请求回来的`binlog`存到本地的`Relay log` 中继日志中
 *  slave 再开启一个`SQL 线程`读取`Relay log`事件，并在本地执行`redo`操作。将发生在主库的事件在本地重新执行一遍，从而保证主从数据同步

![4cb4ee3b0e02f6069a25e3e7c2e20975.png][]

**什么是主从延迟？**

答案：指一个写入SQL操作在主库执行完后，将数据完整同步到从库会有一个时间差，称之为主从延迟。计算公式：

*  主库生成一条写入SQL的binlog，里面会有一个时间字段，记录写入的时间戳 t1
 *  binlog 同步到从库后，一旦开始执行，取当前时间 t2
 *  `t2-t1`，就是延迟时间

注意：不同服务器要保持时钟一致

**主从延迟排查方法？**

答案：通过 `show slave status` 命令输出的`Seconds_Behind_Master`参数的值来判断

![58834c6da9aeb779cdb7a1b6b771f231.png][]

*  为零：表示主从复制良好
 *  正值：表示主从已经出现延时，数字越大，表示从库延迟越严重

**主从延迟要怎么解决？**

答案：

*  看业务的接受程度。如果不能接受延迟，那么建议强制走主库查询
 *  可以考虑引入缓存，更新主库后同步写入缓存，保证缓存的及时性
 *  提升从库的机器配置，提高从库binlog的同步效率
 *  缩短主、从库的网络距离，减少binlog的网络传输时间
 *  一主多从，每个从库都启一个线程从主库同步 binlog，导致主库压力过大，可以采用`canal` 增量订阅&消费组件，缓解主库压力。
 *  因为数据库必须要等到事务完成之后才会写入binlog，所以减少大事务的执行，尽量控制数量，分批执行。
 *  5.6版本之前，从库是单线程复制，当遇到执行慢的sql时，就会阻塞后面的同步。5.7 版本后支持多线程复制，可以在从服务上设置`slave_parallel_workers`为一个大于0的数，然后把`slave_parallel_type`参数设置为`LOGICAL_CLOCK`
 *  为从库增加浮动IP，并通过脚本检测从库的延迟，延迟大于指定阈值时，将浮动IP切换至Master库，追平后再切换回从库。

**如果数据量太大怎么办？**

答案：mysql表的数据量一般控制在千万级别，如果再大的话，就要考虑分库分表。除了分表外，列举了面对海量数据业务的一些常见优化手段

*  缓存加速
 *  读写分离
 *  垂直拆分
 *  分库分表
 *  冷热数据分离
 *  ES助力复杂搜索
 *  NoSQL
 *  NewSQL
 *  更多内容，参考 海量数据业务有哪些优化手段？

**分表后ID如何保证全局唯一呢？**

答案：分库分表后，多张表共用一套全局id，原来单表主键自增方式满足不了要求。我们需要重新设计一套id生成器。特点：全局唯一、高性能、高可用、方便接入。

*  UUID
 *  数据库自增ID
 *  数据库的号段模式，每个业务定义起始值、步长，一次拉取多个id号码
 *  基于Redis，通过`incr`命令实现ID的原子性自增。
 *  雪花算法（Snowflake）
 *  市面的一些开源框架，如：百度（uid-generator），美团（Leaf）， 滴滴（Tinyid）等

**分表后可能遇到的哪些问题？**

答案：分表后，与单表的最大区别是有分表键`sharding_key`，用来路由具体的物理表，以电商为例，有买家和卖家两个维度，以`buyer_id`路由，无法满足卖家的需求，反之同样道理。如何解决？

*  分买家库和卖家库，将买家库做为写库，保存完整的数据关系。同时将数据异构同步一份到卖家库，卖家库可以只存储`seller_id，order_id，buyer_id` 等几个简单关系字段即可，以`seller_id`作为分表键
 *  多线程扫描，分段查找，然后再聚合结果
 *  另外也可以存到ES中，支持多维度复杂搜索

--------------------

[596be92fdc5cf07ea5ce8a58bb13f2d3.png]: https://img-blog.csdnimg.cn/img_convert/596be92fdc5cf07ea5ce8a58bb13f2d3.png
[4cb4ee3b0e02f6069a25e3e7c2e20975.png]: https://img-blog.csdnimg.cn/img_convert/4cb4ee3b0e02f6069a25e3e7c2e20975.png
[58834c6da9aeb779cdb7a1b6b771f231.png]: https://img-blog.csdnimg.cn/img_convert/58834c6da9aeb779cdb7a1b6b771f231.png