大家好，我是Tom哥~
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
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。
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
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
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
- 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
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
