八股总结----数据库（MySQL和Redis）

1.MySQL部分

10.关系型数据库、非关系型数据库

关系型数据库一般将数据存储在表格中，核心思想是数据之间的关系可以通过表格中的键（如主键和外键）来表示和管理。如：MySQL。

非关系型数据库通常不使用表格结构，而是采用其他模型，如键值对、文档、图、列族等。如：Redis。NoSQL数据库在处理海量、快速变化的数据时表现出色。

11.基本写法

列出数据库：show databases；创建数据库：create database mysql_test；切换数据库：use mysql_test；列出表：show tables；创建表：create table student（s_id int，s_name varchar(8)，s_birth date)；表的列名在前，数据类型在后。在表中插入数据：insert into student values (1,'赵雷','1990-01-01'), (8,'王菊','1990-01-20');

12.执行一条 SQL 查询语句，期间发生了什么？

• 连接器：建立连接，管理连接、校验用户身份；
• 查询缓存：查询语句如果命中查询缓存则直接返回，否则继续往下执行。
• 解析 SQL，通过解析器对 SQL 查询语句进行词法分析、语法分析，然后构建语法树，方便后续模块读取表名、字段、语句类型；
• 执行 SQL：执行 SQL 共有三个阶段：1. 预处理阶段：检查表或字段是否存在；将 select * 中的 * 符号扩展为表上的所有列。2. 优化阶段：基于查询成本的考虑， 选择查询成本最小的执行计划。3. 执行阶段：根据执行计划执行 SQL 查询语句，从存储引擎读取记录，返回给客户端。

13.索引部分

131.索引的定义

索引是数据的目录，就是帮助存储引擎快速获取数据的一种数据结构。存储引擎，说白了就是如何存储数据、如何为存储的数据建立索引和如何更新、查询数据等技术的实现方法。MySQL 存储引擎有 MyISAM 、InnoDB、Memory，其中 InnoDB 是在 MySQL 5.5 之后成为默认的存储引擎。索引和数据就是位于存储引擎中。

132.索引的分类

• 按「数据结构」分类：B+tree索引、Hash索引、Full-text索引。
• 按「物理存储」分类：聚簇索引（主键索引）、二级索引（辅助索引）。
• 按「字段特性」分类：主键索引、唯一索引、普通索引、前缀索引。
• 按「字段个数」分类：单列索引、联合索引。

为什么 MySQL InnoDB 选择 B+tree 作为索引的数据结构？这是因为：B+树和B树相比，B+Tree 只在叶子节点存储数据，而 B 树 的非叶子节点也要存储数据，所以 B+Tree 的单个节点的数据量更小，在相同的磁盘 I/O 次数下，就能查询更多的节点。另外，B+Tree 叶子节点采用的是双链表连接，适合 MySQL 中常见的基于范围的顺序查找，而 B 树无法做到这一点。B+树和二叉树相比，对于有 N 个叶子节点的 B+Tree，其搜索复杂度为O

(logdN)

，其中 d 表示节点允许的最大子节点个数为 d 个。而二叉树的每个父节点的儿子节点个数只能是 2 个，意味着其搜索复杂度为

O(logN)

，这已经比 B+Tree 高出不少，因此二叉树检索到目标数据所经历的磁盘 I/O 次数要更多。B+树和Hash表相比， Hash 表不适合做范围查询，它更适合做等值的查询。

从物理存储的角度来看，索引分为聚簇索引（主键索引）、二级索引（辅助索引）。

• 主键索引的 B+Tree 的叶子节点存放的是实际数据，所有完整的用户记录都存放在主键索引的 B+Tree 的叶子节点里；
• 二级索引的 B+Tree 的叶子节点存放的是主键值，而不是实际数据。

主键索引就是去用一个B+树去查主键字段，叶子节点存储的是整行数据，通过主键就可以获知全部信息，而二级索引则是去查其他字段，比如学生表中的姓名、成绩等列的字段，叶子节点存储的是该二级字段以及主键，通过二级字段可以获知主键，然后通过回表去查该主键对应的整行数据，所以这种方式可能需要两个B+树才能查到数据。

133.什么时候需要索引？

134.什么时候不需要索引？

135.优化索引的办法

• 前缀索引优化；
• 覆盖索引优化；
• 主键索引最好是自增的；
• 防止索引失效；

136.为什么 MySQL 采用 B+ 树作为索引？

要设计一个适合 MySQL 索引的数据结构，至少满足以下要求：能在尽可能少的磁盘的 I/O 操作中完成查询工作；要能高效地查询某一个记录，也要能高效地执行范围查找。

1361.什么是二分查找？

索引数据最好能按顺序排列，这样可以使用「二分查找法」高效定位数据。

1362.什么是二分查找树？

用数组来实现线性排序的数据虽然简单好用，但是插入新元素的时候性能太低。二叉查找树的特点是一个节点的左子树的所有节点都小于这个节点，右子树的所有节点都大于这个节点。当每次插入的元素都是二叉查找树中最大的元素，二叉查找树就会退化成了一条链表，查找数据的时间复杂度变成了 O(n)。由于树是存储在磁盘中的，访问每个节点，都对应一次磁盘 I/O 操作（假设一个节点的大小「小于」操作系统的最小读写单位块的大小），也就是说树的高度就等于每次查询数据时磁盘 IO 操作的次数，所以树的高度越高，就会影响查询性能。

**1363.**什么是自平衡二叉树？

主要是在二叉查找树的基础上增加了一些条件约束：每个节点的左子树和右子树的高度差不能超过 1。不管平衡二叉查找树还是红黑树，都会随着插入的元素增多，而导致树的高度变高，这就意味着磁盘 I/O 操作次数多，会影响整体数据查询的效率。当树的节点越多的时候，并且树的分叉数 M 越大的时候，M 叉树的高度会远小于二叉树的高度。

1364.什么是 B 树

为了解决降低树的高度的问题，后面就出来了 B 树，它不再限制一个节点就只能有 2 个子节点，而是允许 M 个子节点 (M>2)，从而降低树的高度。但是 B 树的每个节点都包含数据（索引+记录），而用户的记录数据的大小很有可能远远超过了索引数据，这就需要花费更多的磁盘 I/O 操作次数来读到「有用的索引数据」。

1365.什么是 B+ 树？

B+ 树与 B 树差异的点，主要是以下这几点：

• 叶子节点（最底部的节点）才会存放实际数据（索引+记录），非叶子节点只会存放索引；
• 所有索引都会在叶子节点出现，叶子节点之间构成一个有序链表；
• 非叶子节点的索引也会同时存在在子节点中，并且是在子节点中所有索引的最大（或最小）；
• 非叶子节点中有多少个子节点，就有多少个索引；

所以，性能差距如下：

B+ 树可以比 B 树更「矮胖」，查询底层节点的磁盘 I/O次数会更少。

B+ 树的插入和删除效率更高。

B+ 树所有叶子节点间还有一个链表进行连接，这种设计对范围查找非常有帮助。

14.事务部分

141.什么是事务？事务的特性？

事务是数据库操作的基本单元，事务内的语句具有一致性，要么全部执行成功，要么全部执行失败。事务的四个特性ACID：原子性，一致性，隔离性，持久性。原子性要么全成功，要么全失败。一致性数据库状态要保持一致性。隔离性并发进程不会互相影响。持久性事务结束操作之后数据库的修改永久保存。

2.Redis部分