面试八股文--数据库基础知识总结(2) MySQL

本文介绍关于MySQL的相关面试知识

一、关系型数据库

1、定义

关系型数据库（Relational Database）是一种基于关系模型的数据库管理系统（DBMS），它将数据存储在表格（表）中，并通过表格之间的关系来组织和管理数据。

2、常见的关系型数据库

• MySQL：开源的、高性能的关系型数据库，适用于Web应用和中小型企业。

• PostgreSQL：开源的、功能强大的关系型数据库，支持复杂的数据类型和高级功能。

• Oracle Database：商业级的高性能数据库，适用于大型企业和高并发场景。

• Microsoft SQL Server：商业级的数据库系统，与Windows环境和.NET框架集成良好。

• SQLite：轻量级的嵌入式数据库，适用于小型应用和移动设备。

二、MySQL

1、为什么还要用到MySQL，MySQL有什么优点？

• 成熟稳定，功能完善。
• 开源免费。
• 文档丰富，既有详细的官方文档，又有非常多优质文章可供参考学习。
• 开箱即用，操作简单，维护成本低。
• 兼容性好，支持常见的操作系统，支持多种开发语言。
• 社区活跃，生态完善。
• 事务支持优秀， InnoDB 存储引擎默认使用 REPEATABLE-READ 并不会有任何性能损失，并且，InnoDB 实现的 REPEATABLE-READ 隔离级别其实是可以解决幻读问题发生的。
• 支持分库分表、读写分离、高可用

2、MySQL有哪些数据类型？

• 数值类型

• 字符串类型

•  日期和时间类型

3、MySQL索引

（1）索引的介绍

索引是一种用于快速查询和检索数据的数据结构，其本质可以看成是一种排序好的数据结构。

索引底层数据结构存在很多种类型，常见的索引结构有: B 树， B+树 和 Hash、红黑树。在 MySQL 中，无论是 Innodb 还是 MyIsam，都使用了 B+树作为索引结构。

（2）索引的底层结构

• 二叉查找树（BST）

二叉查找树（Binary Search Tree，简称BST）是一种特殊的二叉树，它具有以下性质：

1. 每个节点包含一个键值（key）和两个子树的引用（左子树和右子树）。

2. 左子树上所有节点的键值都小于其根节点的键值。

3. 右子树上所有节点的键值都大于其根节点的键值。

4. 左子树和右子树也都是二叉查找树。

索引为什么不选择二叉树？当二叉查找树是平衡的时候，也就是树的每个节点的左右子树深度相差不超过 1 的时候，查询的时间复杂度为 O(log2(N))，具有比较高的效率。然而，当二叉查找树不平衡时，例如在最坏情况下（有序插入节点），树会退化成线性链表（也被称为斜树），导致查询效率急剧下降，时间复杂退化为 O（N）。

• 红黑树

红黑树是一种自平衡二叉查找树，通过在插入和删除节点时进行颜色变换和旋转操作，使得树始终保持平衡状态，它具有以下特点：

1. 每个节点非红即黑；
2. 根节点总是黑色的；
3. 每个叶子节点都是黑色的空节点（NIL 节点）；
4. 如果节点是红色的，则它的子节点必须是黑色的（反之不一定）；
5. 从任意节点到它的叶子节点或空子节点的每条路径，必须包含相同数目的黑色节点（即相同的黑色高度）。

HashMap 底层用的就是红黑树，它的增删改查性能都很好，但数据库的索引依旧不用它，这是由于红黑树的平衡性相对较弱，可能会导致树的高度较高，这可能会导致一些数据需要进行多次磁盘 IO 操作才能查询到。

• B树&B+树（多叉平衡搜索树）

在 B 树中，一个节点可以有许多个数据，并且它们按序排列起来。不仅如此，原来二叉树中每个节点最多有两个分支，而 B 树中，每个节点可以有很多很多分支。它具有以下特点：

1. 叶节点具有相同的深度，叶节点的指针为空
2. 所有索引元素不重复
3. 节点中的数据索引从左到右递增排列

 为什么不用B树呢？B 树虽然好，但它也存在一些问题：查询效率不太稳定，有些在根节点或者根节点附近就能找到，搜索起来就很快。有些在叶子节点上，那查询起来就很慢。

B+树的特点：

1. 非叶子节点不存储 data，只存储索引（冗余），可以放更多的索引
2. 叶子节点包含所有索引字段
3. 叶子节点用指针连接，提高区间访问的性能

B+ 树在 B 树基础上做了进一步优化，将数据全部放在叶子节点上。这样不管查询哪个数据，最终都要走到叶子节点，从而解决了查询性能不稳定的问题。 

Q：B树和B+树有什么不同呢？

1. 节点存储数据的方式：B树：每个节点既可以存储键值，也可以存储数据记录（或指向数据记录的指针）。数据可以分布在树的任意节点中。而B+树：只有叶节点存储数据记录（或指向数据记录的指针），非叶节点仅存储键值用于索引。这种设计使得B+树的非叶节点只用于引导查找，而数据访问集中在叶节点。

2. 叶节点结构：B树：叶节点之间没有直接的连接。B+树：叶节点之间通过指针连接成一个双向链表。这种结构使得范围查询更加高效，因为可以直接在叶节点链表中顺序扫描。

3. 空间利用率：B树：由于数据分散在各个节点，可能导致空间利用率较低，尤其是在频繁更新数据时。B+树：由于所有数据都集中在叶节点，非叶节点只存储键值，因此空间利用率更高，更适合存储大量数据。

4. 查找效率：B树：对于单点查询效率较高，因为数据可能在任意节点。B+树：对于范围查询效率更高，因为所有数据都在叶节点，且叶节点通过链表连接，便于顺序扫描。

5. 插入和删除操作：B树：插入和删除操作可能涉及多个节点的调整，因为数据分布在树的各个节点。B+树：插入和删除操作主要集中在叶节点，非叶节点的调整相对较少，因此更适合频繁更新的场景

4、MySQL事务

（1）事务的概念和特性 

什么是事务？MySQL的事务是逻辑上的一组操作，要么都执行，要么都不执行。

它具有以下四个核心特性，通常被称为ACID特性：

• 原子性（Atomicity）：事务中的所有操作要么全部完成，要么全部不做，不会出现部分完成的情况。

• 一致性（Consistency）：事务执行前后，数据库必须从一个一致的状态转换到另一个一致的状态。例如，转账操作中，金额的总和在事务前后必须保持不变。

• 隔离性（Isolation）：多个事务并发执行时，一个事务的执行不应受到其他事务的干扰。MySQL提供了不同的隔离级别来控制事务之间的可见性。

• 持久性（Durability）：事务一旦提交，其对数据库的更改就是永久性的，即使系统故障也不会丢失。

（2）多事务并发产生的问题

• 脏读：一个事务1读取数据并且对数据进行了修改，这个修改对其他事务来说是可见的，即使当前事务没有提交。这时另外一个事务2读取了这个还未提交的数据，但事务1突然回滚，导致数据并没有被提交到数据库，那事务2读取到的就是脏数据，这也就是脏读的由来。

• 不可重复读： 事务1执行过程中，若对同一条数据进行两次读取，在这两次读取之间，事务2修改了这条数据，并且进行了完整提交。A事务的两次读取，却读到了两次不同的数据。

•  幻读：幻读与不可重复读类似。它发生在一个事务读取了几行数据，接着另一个并发事务插入了一些数据时。在随后的查询中，第一个事务就会发现多了一些原本不存在的记录，就好像发生了幻觉一样，所以称为幻读。

（3）并发事务的控制方式

 MySQL 中并发事务的控制方式无非就两种：锁 和 MVCC。锁可以看作是悲观控制的模式，多版本并发控制（MVCC，Multiversion concurrency control）可以看作是乐观控制的模式。

锁 控制方式下会通过锁来显式控制共享资源而不是通过调度手段，MySQL 中主要是通过 读写锁 来实现并发控制。

• 共享锁（S 锁）：又称读锁，事务在读取记录的时候获取共享锁，允许多个事务同时获取（锁兼容）。
• 排他锁（X 锁）：又称写锁/独占锁，事务在修改记录的时候获取排他锁，不允许多个事务同时获取。如果一个记录已经被加了排他锁，那其他事务不能再对这条记录加任何类型的锁（锁不兼容）。

读写锁可以做到读读并行，但是无法做到写读、写写并行。另外，根据根据锁粒度的不同，又被分为 表级锁(table-level locking) 和 行级锁(row-level locking) 。InnoDB 不光支持表级锁，还支持行级锁，默认为行级锁。行级锁的粒度更小，仅对相关的记录上锁即可（对一行或者多行记录加锁），所以对于并发写入操作来说， InnoDB 的性能更高。不论是表级锁还是行级锁，都存在共享锁（Share Lock，S 锁）和排他锁（Exclusive Lock，X 锁）这两类。

MVCC 是多版本并发控制方法，即对一份数据会存储多个版本，通过事务的可见性来保证事务能看到自己应该看到的版本。通常会有一个全局的版本分配器来为每一行数据设置版本号，版本号是唯一的。

（4）事务的隔离级别

 可串行化原理：对于 select 查询语句，会自动给这条记录加上共享锁（S 锁），此时其他线程就只能读，因为共享锁之间相互兼容（S锁还可以加S锁），但修改操作会被阻塞，以此实现可串行化的效果。对于 update、delete、insert 语句，会自动加一把排他锁（X 锁加了之后不允许加其他锁），此时其他线程什么都做不了，只能被阻塞，因为排他锁和其他锁都互斥，以此实现可串行化的效果

都看到这里了，给个小心心♥呗~