基础相关
表引擎
默认使用InnoDB引擎，常用的还有Memory引擎、MyISAM引擎。
Memory引擎通常作为Mysql中间表的引擎，存放查询的中间结果。
InnoDb与MyISAM的区别
| 类型 | MyISAM | InnoDB |
|---|---|---|
| 事务 | 不支持 | 支持 |
| 锁 | 支持表级锁 | 支持行级锁 |
| 并发控制 | 不支持 | 支持（MVCC） |
| 外键 | 不支持 | 支持 |
| 全文索引 | 支持 | 不支持 |
| 数据缓存 | 不支持 | 支持 |
事务
特性
- 原子性：所有操作要么成功，要么回滚
- 隔离性：事务之间相互隔离，不受影响
- 一致性：执行事务前后处于一致性状态
- 持久性：事务提交之后就是永久操作
隔离级别
- Serializable(串行化）
- 最高级别，可避免幻读、不可重复读、脏读，事务串行执行
- Repeatable Read(可重复读)
- 可避免脏读、不可重复度。
- Read Committed(读已提交)
- 可避免脏读
- Read uncommitted(读未提交)
- 最低级别
注：
- Mysql默认隔离级别为可重复读，使用MVCC及间隙锁解决幻读
- Oracle默认隔离级别为读已提交
- 不可重复读的重点是修改，相同的条件，你读取过的数据，发现在读取一次不一样了
- 幻读的终点是新增或者删除，相同的条件，第一次和第二次的读出来的结果不一样（增加或减少）
- Mysql中有行级锁（间隙锁）、表级锁、共享锁（读锁）、排它锁（写锁）、乐观锁（MVCC）
高可用架构
BinLog录入格式
- statement
- 记录单元为语句，每一条sql造成的影响都会记录，使用了函数的sql语句不记录
- row级别
- 记录单元为每一行的改动
- mixed
- 二合一，普通操作使用statement，无法记录的使用row，新版本的mysql做了优化，表结构变更只会记录语句，不会记录所有行。
主从同步
使数据从主数据库服务器复制到其他从服务器上，只有一个主服务器，其他都是从服务器，通常为异步复制，利用binlog进行同步
读写分离
就是写主库，读从库，主库只提供写服务，读请求由从服务提供。
为什么要进行主从同步
通过从服务器复制主服务器的完整数据，提高数据的安全性，增加了整个数据库服务的性能。
主从复制流程
master节点中所有的操作被记录在binlog中，salve拉取master的binlog日志，放入自己的relay中，salve执行relay log中的sql语句进行同步数据。
主从同步复制延迟如何解决
mysql有两个复制的机制
- 半同步复制
- 用来解决主库数据丢失问题，主库数据写如binlog后会立即将数据同步给从库，从库成功将数据写入本地relay log后会返回主库一个ack，主库至少接到一个从库返回的ack才认为此次数据写入成功。
- 并行复制
- 从库并行读取主库的binlog日志，库级别的并行
查询优化
join优化
一般优化驱动表，驱动表是指当指定或未指定查询条件，满足查询条件记录行数较少的一个表就叫驱动表。
一般在被驱动表上建立索引优化。
- 左连接（left join），通常左表为驱动表，右表为被驱动表，在右表建立索引优化查询
- 右连接（right join），通常右表为驱动表，左表为被驱动表，在左表建立索引优化查询
- 内连接（inner join），小表驱动大表，在大表建立索引优化查询
大表数据查询优化
- 优化表结构，热点字段建立索引，利用expain优化sql语句
- 利用缓存
- 读写分离
- 分表，垂直拆分（拆表字段），水平拆分（分表）
超大分页优化
利用延迟关联或子查询进行优化
例如1：
优化前： select * from table from age>20 limit 1000000,10
优化后： select * from table where id in (select id from table where age > 20 limit 1000000,10)
原理：对age字段建立索引，利用索引覆盖，优化查询速度
例如2：
优化前：select * from table from age>20 limit 1000000,10
优化后：select * from table a inner join (select id from table where age > 20 limit 1000000,10) b on a.id = b;
原理：延迟关联，在索引列上分页，再回表查询数据
索引
索引的种类有哪些
- 存储结构来划分
- BTree索引(B-Tree和B+Tree)，Hash索引，full-index全文索引，R-Tree索引
- 应用层次划分
- 普通索引，唯一索引，复合索引，主键索引
- 数据与索引的关系
- 聚簇索引，非聚簇索引
注：
- R-Tree索引：空间数据存储的树，常用于坐标搜索，类似的有geohash
- B+Tree相对于B-Tree的区别，只有子叶结点存储数据，每个子叶结点都有一个指向下一个数据的顺序指针。
索引是如何工作的
Mysql分为聚簇索引（主键）和非聚簇索引（二级索引）
- 聚簇索引的B+Tree子叶结点会保存完整的数据
- 非聚簇索引的B+Tree子叶结点只会保存数据的主键 在设置了二级索引的情况下，在查询过程中，查询条件为二级索引，那么首先从二级索引的B+Tree中找到符合查询条件的数据的主键，在去主键的索引中通过主键获取完整的数据，这个过程也叫做回表。
为什么设置了索引，查询也不一定会走索引
- 查询条件中索引列涉及函数计算
- 查询中不包含联合索引的第一列
- 后缀匹配查询
- 因为查询优化器，mysql查询优化器会根据表信息（行数、数据大小）来对使用和不使用索引的查询做策略判断，具体是IO操作及CPU耗时，选择最优的方式进行查询，通过开启optimizer_trace=enable=on来查看优化器生成执行计划的过程。
什么是做引覆盖，什么是回表
- 如果我们查询的数据是索引列或者联合索引覆盖的列，那么查询索引本身就是需要的数据，就不需要进回表查询，这种情况就是索引覆盖。
- 回表指，通过二级索引或者数据的主键，在利用主键去查询完整的数据，这个过程叫回表。
索引实现为什么使用B+Tree而不是BTree
定义
- BTree 允许每个节点有更多的子节点
- B+Tree 所有数据存储在叶子节点中，非叶子节点不存储数据，所有叶子节点都有一个顺序指针。
原因
- B+Tree的查询效率稳定为O(logn)，BTree的查询效率不稳定，最好为O(1),最差为O(logn)，B+Tree更适合区间查询的情况
- 由于B+Tree只有叶子节点保存完整的数据，那么相同条件的查询情况下，B+Tree的IO操作会比BTree少的多，因为B+Tree包含更多的索引。
B+Tree索引与Hash索引的区别
- Hash索引适合等值查询，无法进行范围查询
- Hash索引没办法通过索引进行排序
- Hash索引不支持联合索引的最左匹配原则
- 如果有大量key值重复的情况下，Hash索引效率很低，因为会有Hash碰撞
注
Hash碰撞解决方案：
- 开放地址法，常见实现为线性探测法，简单理解就是产生冲突时，增加增量序列直到不冲突为止
- 拉链法，HashMap解决Hash碰撞的方法，即产生冲突时产生一个链表，将相同hash的值都放在链表中，俗称套娃。
- 再Hash法，就是增加变量进行hash计算。
联合索引
- 联合索引遵循最左匹配原则，但是会在范围查询或者后缀匹配查询时失效
- 优化器会自动调整查询参数位置以便使用联合索引进行查询
- 区分度高的字段放在最左边，反之(性别字段等)放在后面
- in查询也可以乱序，优化器会优化参数位置。
什么是索引下推
mysql5.6中引入，设置optimizer_swich = 'index_condition_pushdown=off'可以关闭，InnoDb引擎默认开启，可以减少回表次数，只针对二级索引。
explain
使用explain查看sql执行计划
-
type:字段是判断查询是否高效的重要依据，性能关系如下：
- All<index<range~index_merge<ref<eq_ref<const<system
-
rows：字段代表扫描行数，原则上rows越小越好
-
possible_keys:字段代表可能有利于查询效率的索引字段
-
table:代表查询涉及的表
-
key:代表使用的索引
