前言

文本已收录至我的 GitHub 仓库，欢送 Star：https://github.com/bin3923282…
种一棵树最好的工夫是十年前，其次是当初

Tips

面试指南系列，很多状况下不会去深挖细节，是小六六以被面试者的角色去回顾常识的一种形式，所以我默认大部分的货色，作为面试官的你，必定是懂的。

https://www.processon.com/vie…

下面的是脑图地址

叨絮

可能大家感觉有点陈词滥调了，的确也是。面试题，面试宝典，轻易一搜，基本看不完，也看不过去，那我写这个的意义又何在呢？其实嘛我写这个的有以下的目标

• 第一就是通过一个体系的温习，让本人后面的写的文章再从新的过一遍，总结升华嘛
• 第二就是通过写文章帮忙大家建设一个温习体系，我会将大部分会问的的知识点以点带面的模式给大家做一个导论

而后上面是后面的文章汇总

• 2021-Java 后端工程师面试指南 -(引言)
• 2021-Java 后端工程师面试指南 -(Java 根底篇）
• 2021-Java 后端工程师面试指南 -(并发 - 多线程)
• 2021-Java 后端工程师面试指南 -(JVM）

明天大家一起来温习温习 MySQL 吧

## 聊聊 MySql 的构造吧
大体来说，MySQL 能够分为 Server 层和存储引擎层两局部。

Server 层包含连接器、查问缓存、分析器、优化器、执行器等，涵盖 MySQL 的大多数外围服 务性能，以及所有的内置函数（如日期、工夫、数学和加密函数等），所有跨存储引擎的性能都 在这一层实现，比方存储过程、触发器、视图等。

而存储引擎层负责数据的存储和提取。其架构模式是插件式的，反对 InnoDB、MyISAM、Memory 等多个存储引擎。当初最罕用的存储引擎是 InnoDB，它从 MySQL 5.5.5 版本开始成 为了默认存储引擎。

聊聊 InnoDB 和 MyISAM 的区别吧

• 第一个也是最重要的一个 InnoDB 反对事务，MyISAM 不反对
• 在 MySQL 中，表级锁有两种模式：表共享读锁，表独占写锁。也就是说对于 MyISAM 引擎的表，多个用户能够对同一个表发动读的申请，然而如果一个用户对表进行写操作，那么则会阻塞其余用户对这个表的读和写。InnoDB 引擎的表是通过索引项来加锁实现的，即只有通过索引条件检索数据的时候，InnoDB 才会应用行级锁，否则也会应用表级锁。
• InnoDB 汇集索引，MyISAM 非汇集索引
• 企业级生成环境强制用 InnoDB，所以上面的面试题都是基于 InnoDB。

说说一个查问 SQL 的执行过程

• 连接器：首先必定和 mysql 建设连贯的过程
• 查问缓存: 在 8 以前，mysql 会把雷同的 sql，缓存起来，然而因为发现效率不是那么好，8 之后删除了
• 分析器: 如果没有命中查问缓存，就要开始真正执行语句了。首先，MySQL 须要晓得你要做什么，因而 须要对 SQL 语句做解析
• 优化器：优化器是在表外面有多个索引的时候，决定应用哪个索引
• 执行器：MySQL 通过分析器晓得了你要做什么，通过优化器晓得了该怎么做，于是就进入了执行器阶 段，开始执行语句
• 返回数据给到客户端

说说一条 SQL 的插入流程

update T set c=c+1 where ID=2;

• 执行器先找引擎取 ID=2 这一行。ID 是主键，引擎间接用树搜寻找到这一行。如果 ID=2 这一行所在的数据页原本就在内存中，就间接返回给执行器；否则，须要先从磁盘读入内 存，而后再返回。
• 执行器拿到引擎给的行数据，把这个值加上 1，比方原来是 N，当初就是 N+1，失去新的 一行数据，再调用引擎接口写入这行新数据。
• 引擎将这行新数据更新到内存中，同时将这个更新操作记录到 redo log 外面，此时 redo log 处于 prepare 状态。而后告知执行器执行实现了，随时能够提交事务
• 执行器生成这个操作的 binlog，并把 binlog 写入磁盘。
• 执行器调用引擎的提交事务接口，引擎把刚刚写入的 redo log 改成提交（commit）状 态，更新实现。

说说 Buffer Pool 吧

• 它是 mysql 一个十分重要的内存组件，因为是在内存中操作的，所以速度比拟快
• 倡议设置正当的 buffer pool 的大小，如果大小在内存的百分 60 适合
• 要明确的是 pool 的构造是一页一页的
• 如果内存够大，能够多设计几个 pool

Buffer Pool 脏数据页到底为什么会脏

• 是因为咱们新增 更新 删除操作的时候只是对内存进行操作，和对咱们 redo log 日志进行操作，所以呢就会有脏数据
• 在 buffer pool 外面 有一个保护脏数据页的双向链表，用来明确哪个数据页须要刷
• 而后还有就是 lru 链表，就是假如咱们的 pool 满了，那么咱们必定要把一些数据删除，就是 lru 算法了（基于冷热数据拆散的思维的 lru）

说说 InnoDB 页

InnoDB 是一个将表中的数据存储到磁盘上的存储引擎，所以即便关机后重启咱们的数据还是存在的。而真正解决数据的过程是产生在内存中的，所以须要把磁盘中的数据加载到内存中，如果是解决写入或批改申请的话，还须要把内存中的内容刷新到磁盘上。而咱们晓得读写磁盘的速度十分慢，和内存读写差了几个数量级，所以当咱们想从表中获取某些记录时，InnoDB 存储引擎须要一条一条的把记录从磁盘上读出来么？不，那样会慢死，InnoDB 采取的形式是：将数据划分为若干个页，以页作为磁盘和内存之间交互的根本单位，InnoDB 中页的大小个别为 16 KB。也就是在个别状况下，一次起码从磁盘中读取 16KB 的内容到内存中，一次起码把内存中的 16KB 内容刷新到磁盘中。

说说 InnoDB 行格局是怎么样的

就是咱们 mysql 外面一行的数据，再 innodb 外面分为了 2 个局部

• 一个是咱们原始的数据，实在的数据，也就是列的值
• 还有一个额定的数据 一个是变长字段的列表，一个是 NUll 值，还有一个是记录头信息

聊聊整个磁盘的存储的构造

首先是 InnoDB 的页存储构造，咱们晓得最大的构造是表，表外面能够分为很多个区，每个区外面又有很多的页 多个不同的页组成的是一个双向链表，而每个页外面的数据行会按主键的大小组成一个单向链表，并且每 4 到 8 个数据组成一个槽，每个槽存储在 pageDirectoy 外面，当咱们要查问页的行数据的时候，能够先定位到页，而后用 2 分法定位到槽，而后遍历槽，来定位到以后行的数据。

## 聊聊索引吧
首先哈 索引的实质是什么呢？其实索引就是始终放慢磁盘查问速度的一些数据结构，因为咱们磁盘 i / o 的性能比较慢，索引能够放慢咱们的查问速度。
### 聊聊有哪些数据结构适宜做索引构造的，优缺点是什么

• Hash 索引：hash 表，我置信大家都很相熟了，他的长处查问速度快，然而他不反对范畴查问，哈希表这种构造实用于只有等值查问的场景
• 二叉树：如果数据多了，树高会很高，查问的老本就会随着树高的减少而减少。
• B 树：B 树曾经是不错的一个索引构造了，然而他的子节点也存储数据，所以还是不能管制数高，因为树的高度，其实就是代表咱们的 io
• B+ 树：其实很简略，咱们看一下下面的数据结构，最开始的 Hash 不反对范畴查问，二叉树树高很高，只有 B 树跟 B + 有的一比。B 树一个节点能够存储多个元素，绝对于齐全均衡二叉树整体的树高升高了，磁盘 IO 效率进步了。而 B + 树是 B 树的升级版，只是把非叶子节点冗余一下，这么做的益处是为了进步范畴查找的效率。

你能够说说 InnoDB 的索引模型吗？

• 主键索引，在 InnoDB 里，主键索引也被称为聚簇索引
• 一般索引，就是咱们个别的索引
• 惟一索引，具体排他性的索引
• 组合索，能够多个列的索引

说说怎么从磁盘上加载数据，也就是查问的执行形式

MySQL 的查问的执行形式大抵分为下边两种：

• 应用全表扫描进行查问

• 应用索引进行查问

  • 针对主键或惟一二级索引的等值查问
  • 针对一般二级索引的等值查问
  • 针对索引列的范畴查问
  • 间接扫描整个索引

  磁盘拜访形式的分类

  • const：通过主键或者惟一二级索引列与常数的等值比拟来定位一条记录
  • ref：对于某个蕴含多个索引列的二级索引来说，只有是最右边的间断索引列是与常数的等值比拟就可能采纳 ref 的拜访办法
  • range：相似于范畴查问的形式
  • index：这个是什么意思呢？就是比方咱们的 where 条件不合乎查问的索引，然而查问的条件在一个组合索引中，那咱们遍历索引数，比遍历数据数要快。
  • all: 最间接的查问执行形式就是全表扫描，对于 InnoDB 表来说也就是间接扫描聚簇索引.

  说说常见的 sql 须要留神到的点，也就是 sql 优化

  • 对查问进行优化，应尽量避免全表扫描，首先应思考在 where 及 order by 波及的列上建设索引。
  • 应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃应用索引而进行全表扫描
  • 应尽量避免在 where 子句中应用!= 或 <> 操作符，否则将引擎放弃应用索引而进行全表扫描。
  • 尽量避免在 where 子句中应用 or 来连贯条件，否则将导致引擎放弃应用索引而进行全表扫描，如：
  • 应尽量避免在 where 子句中对字段进行函数操作，这将导致引擎放弃应用索引而进行全表扫描
  • 不要在 where 子句中的“=”右边进行函数、算术运算或其余表达式运算，否则零碎将可能无奈正确应用索引
  • 并不是所有索引对查问都无效，SQL 是依据表中数据来进行查问优化的，当索引列有大量数据反复时，SQL 查问可能不会去利用索引，如一表中有字段 sex，male、female 简直各一半，那么即便在 sex 上建了索引也对查问效率起不了作用。
  • 索引并不是越多越好，索引诚然能够进步相应的 select 的效率，但同时也升高了 insert 及 update 的效率，因为 insert 或 update 时有可能会重建索引，所以怎么建索引须要慎重考虑，视具体情况而定。一个表的索引数最好不要超过 6 个，若太多则应思考一些不常应用到的列上建的索引是否有必要
• 任何中央都不要应用 select from t，用具体的字段列表代替“”，不要返回用不到的任何字段
• 尽量避免大事务操作，进步零碎并发能力
• 尽量避免向客户端返回大数据量，若数据量过大，应该思考相应需要是否正当。
• 最左准则，是设计组合索引的准则。
• 尽可能的应用 varchar/nvarchar 代替 char/nchar，因为首先变长字段存储空间小，能够节俭存储空间，其次对于查问来说，在一个绝对较小的字段内搜寻效率显然要高些。

说说 EXPLAIN 关键字吧

小六六筛选几个有参考价值的列来说说。

• id 每个单查问都有，id 越大越先执行,id 雷同示意加载表的程序是从上到下。
• type：这个字段就是咱们后面说的查问的分类了 重点关注
• possible_keys 可能的索引
• key 理论用到的索引 重点关注
• key_len 理论应用的索引长度
• rows 预估要读取的行数 重点关注

• Extra 额定的信息 比方看是否用到回表 Using index, 或者是否用到了长期表之类的

  说说 count(字段) count(主键 id) count(1) count(*)

  • count(主键 id)，InnoDB 引擎会遍历整张表，把每一行的 id 值都取出来，返回给 server 层。server 层拿到 id 后，判断是不可能为空的，就按行累加

• count(1)，InnoDB 引擎遍历整张表，但不取值。server 层对于返回的每一行，放一个数字“1”进去，判断是不可能为空的，按行累加。

  • count(字段)，如果这个“字段”是定义为 not null 的话，一行行地从记录外面读出这个字段，判断不能为 null，按行累加；
  • count()，并不会把全副字段取出来，而是专门做了优化，不取值。count() 必定不是 null，按行累加
  • 依照效率排序的话，count(字段)<count(主键 id)<count(1)≈count()，所以我倡议你，尽量应用 count()。

  事务

说说 mysql 的事务吧

ACID 这个必定得背的

• 原子性(A)：事务是最小单位，不可再分
• 一致性©：事务要求所有的 DML 语句操作的时候，必须保障同时胜利或者同时失败
• 隔离性(I)：事务 A 和事务 B 之间具备隔离性
• 持久性(D)：是事务的保障，事务终结的标记(内存的数据长久到硬盘文件中)

聊聊它的隔离级别吧

• 读未提交 会产生脏读
• 读已提交 会产生 不可反复读
• 可反复读 会产生 幻读
• 串行化，没有问题

说说 sping 默认的事务流传级别

• Spring 中事务的默认实现应用的是 AOP，也就是代理的形式，如果大家在应用代码测试时，同一个 Service 类中的办法互相调用须要应用注入的对象来调用，不要间接应用 this. 办法名来调用，this. 办法名调用是对象外部办法调用，不会通过 Spring 代理，也就是事务不会起作用
• REQUIRED(Spring 默认的事务流传类型)，如果以后没有事务，则本人新建一个事务，如果以后存在事务，则退出这个事务，这个咱们个别用的最多
• SUPPORTS 以后存在事务，则退出以后事务，如果以后没有事务，就以非事务办法执行
• MANDATORY 以后存在事务，则退出以后事务，如果以后事务不存在，则抛出异样。
• REQUIRES_NEW 创立一个新事务，如果存在以后事务，则挂起该事务。
• NOT_SUPPORTED 始终以非事务形式执行, 如果以后存在事务，则挂起以后事务

说说 MVCC 呗，谈谈你本人的认识

• 在 Mysql 的 InnoDB 引擎中就是指在已提交读 (READ COMMITTD) 和可反复读 (REPEATABLE READ) 这两种隔离级别下的事务对于 SELECT 操作会拜访版本链中的记录的过程。
• 在 InnoDB 引擎表中，它的聚簇索引记录中有两个必要的暗藏列：trx_id 和 roll_pointer
• mvcc 通过排它锁的模式来批改数据
• 批改之前会把数据放到 undolog 日志，如果事务提交，那就条件到数据外面，如果事务回滚，则放弃这个事务链
• 读已提交和可反复读的 MVcc 的区别就是 再这个事务级别下，一个事务操作外面每次查问都会生成一个新的视图，更新本人最小事务 id 和最大事务 id, 而后可反复读不会，它只会在事务开始的时候生成一个一致性视图。

Mysql 的主从架构聊聊

说说什么是 mysql 主从复制？

主从复制是指将主数据库的 DDL 和 DML 操作通过二进制日志传到从数据库上，而后在从数据库上对这些日志进行从新执行，从而使从数据库和主数据库的数据保持一致。

那你聊聊主从复制的原理

• MySql 主库在事务提交时会把数据变更作为事件记录在二进制日志 Binlog 中；
• 主库推送二进制日志文件 Binlog 中的事件到从库的中继日志 Relay Log 中，之后从库依据中继日志重做数据变更操作，通过逻辑复制来达到主库和从库的数据一致性；
• MySql 通过三个线程来实现主从库间的数据复制，其中 Binlog Dump 线程跑在主库上，I/ O 线程和 SQL 线程跑着从库上；
• 当在从库上启动复制时，首先创立 I / O 线程连贯主库，主库随后创立 Binlog Dump 线程读取数据库事件并发送给 I / O 线程，I/ O 线程获取到事件数据后更新到从库的中继日志 Relay Log 中去，之后从库上的 SQL 线程读取中继日志 Relay Log 中更新的数据库事件并利用，如下图所示。

聊聊 Mysql 的分库分表吧

首先来说说分库分表的各种类型吧

• 垂直分表：这个就是咱们说的把大表变成小表，也就是分字段
• 程度分表，就是说咱们把数据分到多个表外面
• 按月分表，也就是这些数据不会变了，而后按工夫分。查问的时候不能跨月查问
• 分库的话，个别当初一个库就是一个服务（按业务分库），这样分，或者是多个库一个服务（按表分库）

说说罕用的分库分表中间件

• mycat：阿里开源的，然而目前生态不那么好了，
• Sharding Sphere 这个很好，交融了 Sharding-JDBC、Sharding-Proxy、Sharding-Sidecar 文档齐全
• 其实分库分表你不必中间件本人也能做，就是他们也是代理的模式帮你去聚合查问，如果你有 5 个库，那你要查排序，是不是每个库都要查出来，最初总的合起来排序这样。分页这些都是，实现起来还是很麻烦
• ShardingSphere-JDBC 在 Java 的 JDBC 层提供的额定服务。它应用客户端直连数据库，以 jar 包模式提供服务，无需额定部署和依赖，可了解为增强版的 JDBC 驱动，齐全兼容 JDBC 和各种 ORM 框架。
• ShardingSphere-Proxy 是 Apache ShardingSphere 的第二个产品。它定位为透明化的数据库代理端，提供封装了数据库二进制协定的服务端版本，用于实现对异构语言的反对。

说说如何满足“逾越多个程度切分数据库，且分库根据与排序根据为不同属性，并须要进行分页”的查问需要

• 服务层通过 uid 取模将数据分布到两个库下来之后，每个数据库都失去了全局视线，数据依照 time 部分排序之后因为不分明到底是哪种状况，所以必须每个库都返回 3 页数据
• 业务折衷法 - 禁止跳页查问 用失常的办法获得第一页数据，并失去第一页记录的 time_max

完结

Mysql 就这些吧，也不是很全，分库分表有很多实战，然而咱们在公司用的 hbase, 所以对于这块波及没有那么多，接下来 Redis 吧

日常求赞

好了各位，以上就是这篇文章的全部内容了，能看到这里的人呀，都是 真粉。

创作不易，各位的反对和认可，就是我创作的最大能源，咱们下篇文章见

微信 搜 “ 六脉神剑的程序人生 ” 回复 888 有我找的许多的材料送给大家