共计 3512 个字符，预计需要花费 9 分钟才能阅读完成。
面试官 ： 要不你来讲讲你们对 MySQL 是怎么调优的？
候选者：哇，这命题很大阿…我认为，对于开发者而言，对 MySQL 的调优重点个别是在「开发标准」、「数据库索引」又或者说解决线上慢查问上。
候选者：而对于 MySQL 外部的参数调优，由业余的 DBA 来搞。
面试官：扯了这么多，你就是想表白你不会 MySQL 参数调优，对吧
候选者：草，被发现了。
面试官 ： 那你来聊聊你们平时开发的标准和索引这块，平时是怎么样的吧。
候选者：嗯，首先，咱们在生产环境下，创立数据库表，都是在工单零碎下实现的（那就天然须要 DBA 审批）。如果在创立表时检测到没有创立索引，那就会间接提醒 warning（：
候选者：实践上来说，如果表有肯定的数据量，那就应该要创立对应的索引。从数据库查问数据须要留神的中央还是蛮多的，其中很多都是平时积攒来的。比如说：
候选者：1. 是否能应用「笼罩索引」，缩小「回表」所耗费的工夫。意味着，咱们在 select 的时候，肯定要指明对应的列，而不是 select *
候选者：2. 思考是否组建「联结索引」，如果组建「联结索引」，尽量将区分度最高的放在最右边，并且须要思考「最左匹配准则」
候选者：3. 对索引进行函数操作或者表达式计算会导致索引生效
候选者：4. 利用子查问优化超多分页场景。比方 limit offset , n 在 MySQL 是获取 offset + n 的记录，再返回 n 条。而利用子查问则是查出 n 条，通过 ID 检索对应的记录进去，进步查问效率。
面试官：嗯…
候选者：5. 通过 explain 命令来查看 SQL 的执行打算，看看本人写的 SQL 是否走了索引，走了什么索引。通过 show profile 来查看 SQL 对系统资源的损耗状况（不过个别还是比拟少用到的）
候选者：6. 在开启事务后，在事务内尽可能只操作数据库，并无意识地缩小锁的持有工夫（比方在事务内须要插入 && 批改数据，那能够先插入后批改。因为批改是更新操作，会加行锁。如果先更新，那并发下可能会导致多个事务的申请期待行锁开释）
面试官 ：嗯，你提到了事务，之前也讲过了事务的隔离级别嘛， 那你线上用的是什么隔离级别？
候选者：嗯，咱们这边用的是 Read Commit（读已提交），MySQL 默认用的是 Repeatable read（可反复读）。选用什么隔离级别，次要看利用场景嘛，因为隔离级别越低，事务并发性能越高。
候选者：（个别互联网公司都抉择 Read Commit 作为次要的隔离级别）
候选者：像 Repeatable read（可反复读）隔离级别，就有可能因为「间隙锁」导致的死锁问题。
候选者：但可能你曾经晓得，MySQL 默认的隔离级别为 Repeatable read。很大一部分起因是在最开始的时候，MySQL 的 binlog 没有 row 模式，在 read commit 隔离级别下会存在「主从数据不统一」的问题
候选者：binlog 记录了数据库表构造和表数据「变更」，比方 update/delete/insert/truncate/create。在 MySQL 中，主从同步实际上就是利用了 binlog 来实现的（：
候选者：有了该历史起因，所以 MySQL 就将默认的隔离级别设置为 Repeatable read
面试官 ：嗯，那我顺便想问下，你们遇到过相似的问题吗： 即使走对了索引，线上查问还是慢。
候选者：嗯嗯，当然遇到过了
面试官 ： 那你们是怎么做的？
候选者：如果走对了索引，但查问还是慢，那一般来说就是表的数据量切实是太大了。
候选者：首先，思考能不能把「旧的数据」给”删掉”，对于咱们公司而言，咱们都会把数据同步到 Hive，阐明曾经离线存储了一份了。
候选者：那如果「旧的数据」曾经没有查问的业务了，那最简略的方法必定是”删掉”局部数据咯。数据量升高了，那天然，检索速度就快了…
面试官：嗯，但个别不会删的
候选者：没错，只有极少局部业务能够删掉数据（：
候选者：随后，就思考另一种状况，能不能在查问之前，间接走一层缓存（Redis）。
候选者：而走缓存的话，又要看业务能不能忍耐读取的「非真正实时」的数据（毕竟 Redis 和 MySQL 的数据一致性须要保障），如果查问条件绝对简单且多变的话（波及各种 group by 和 sum），那走缓存也不是一种好的方法，保护起来就不不便了…
候选者：再看看是不是有「字符串」检索的场景导致查问低效，如果是的话，能够思考把表的数据导入至 Elasticsearch 类的搜索引擎，后续的线上查问就间接走 Elasticsearch 了。
候选者：MySQL->Elasticsearch 须要有对应的同步程序(个别就是监听 MySQL 的 binlog，解析 binlog 后导入到 Elasticsearch)
候选者：如果还不是的话，那思考要不要依据查问条件的维度，做绝对应的聚合表，线上的申请就查问聚合表的数据，不走原表。
候选者 ：比方，用户下单后，有一份订单明细，而订单明细表的量级太大。但在产品侧(前台) 透出的查问性能是以「天」维度来展现的，那就能够将每个用户的每天数据聚合起来，在聚合表就是一个用户一天只有一条汇总后的数据。
候选者：查问走聚合后的表，那速度必定杠杠的（聚合后的表数据量必定比原始表要少很多）
候选者：思路大抵的就是「以空间换工夫」，雷同的数据换别的中央也存储一份，进步查问效率
面试官 ： 那我还想问下，除了读之外，写性能同样有瓶颈，怎么办？
候选者：你说到这个，我就不困了。
候选者：如果在 MySQL 读写都有瓶颈，那首先看下目前 MySQL 的架构是怎么样的。
候选者：如果是单库的，那是不是能够思考降级至主从架构，实现读写拆散。
候选者：简略了解就是：主库接管写申请，从库接管读申请。从库的数据由主库发送的 binlog 进而更新，实现主从数据统一（在个别场景下，主从的数据是通过异步来保障最终一致性的）
面试官：嗯…
候选者：如果在主从架构下，读写仍存在瓶颈，那就要思考是否要分库分表了
候选者：至多在我前公司的架构下，业务是辨别的。流量有流量数据库，广告有广告的数据库，商品有商品的数据库。所以，我这里讲的分库分表的含意是：在原来的某个库的某个表进而拆分。
候选者：比方，当初我有一张业务订单表，这张订单表在广告库中，假设这张业务订单表曾经有 1 亿数据量了，当初我要分库分表
候选者：那就会将这张表的数据分至多个广告库以及多张表中（：
候选者：分库分表的最显著的益处就是把申请进行均摊（原本单个库单个表有一亿的数据，那假如我离开 8 个库，那每个库 1200+ W 的数据量，每个库下分 8 张表，那每张表就 150W 的数据量）。
面试官 ： 你们是以什么来作为分库键的？
候选者：依照咱们这边的教训，一般来说是依照 userId 的（因为依照用户的维度查问比拟多），如果要依照其余的维度进行查问，那还是参照下面的的思路（以空间换工夫）。
面试官 ： 那分库分表后的 ID 是怎么生成的？
候选者：这就波及到分布式 ID 生成的形式了，思路有很多。有借助 MySQL 自增的，有借助 Redis 自增的，有基于「雪花算法」自增的。具体应用哪种形式，那就看公司的技术栈了，个别应用 Redis 和基于「雪花算法」实现用得比拟多。
候选者：至于为什么强调自增（还是跟索引是有序无关，后面曾经讲过了，你应该还记得）
面试官：嗯，那如果我要分库分表了，迁徙的过程是怎么样的呢
候选者：咱们个别采取「双写」的形式来进行迁徙，大抵步骤就是：
候选者：一、增量的音讯各自往新表和旧表写一份
候选者：二、将旧表的数据迁徙至新库
候选者：三、迟早新表的数据都会追得上旧表（在某个节点上数据是同步的）
候选者：四、校验新表和老表的数据是否失常（次要看能不能对得上）
候选者：五、开启双读（一部分流量走新表，一部分流量走老表），相当于灰度上线的过程
候选者：六、读流量全副切新表，进行老表的写入
候选者：七、提前准备回滚机制，长期切换失败能恢复正常业务以及有修数据的相干程序。
面试官：嗯…明天就到这吧
本文总结：
- 数据库表存在肯定数据量，就须要有对应的索引
- 发现慢查问时，查看是否走对索引，是否能用更好的索引进行优化查问速度，查看应用索引的姿态有没有问题
- 当索引解决不了慢查问时，个别因为业务表的数据量太大导致，利用空间换工夫的思维
- 当读写性能均遇到瓶颈时，先思考是否降级数据库架构即可解决问题，若不能则须要思考分库分表
- 分库分表尽管能解决掉读写瓶颈，但同时会带来各种问题，须要提前调研解决方案和踩坑
线上不是给你炫技的中央，安稳才是硬道理。能用简略的形式去解决，不要用简单的形式
欢送关注我的微信公众号【Java3y】来聊聊 Java 面试，对线面试官系列继续更新中！
【对线面试官 - 挪动端】系列 一周两篇继续更新中！
【对线面试官 - 电脑端】系列 一周两篇继续更新中！
原创不易！！求三连！！
