【Java 面试 八股文】MySQL 篇

1. MySQL中，如何定位慢查询？

候选人：
嗯，我们当时在做压力测试时发现有些接口响应时间非常慢，超过了2秒。因为我们的系统部署了运维监控系统 Skywalking，在它的报表展示中可以看到哪个接口慢，并且能分析出接口中哪部分耗时较多，包括具体的SQL执行时间，这样就能定位到出现问题的SQL。

如果没有这种监控系统，MySQL本身也提供了 慢查询日志功能。可以在MySQL的系统配置文件中开启慢查询日志（调试阶段），并设置SQL执行时间超过多少就记录到日志文件，比如我们之前项目设置的是2秒，超过这个时间的SQL就会记录在日志文件中，我们就可以在那里找到执行慢的SQL。

2. 那这个SQL语句执行很慢，如何分析呢？

候选人：如果一条SQL执行很慢，我们通常会使用MySQL的 EXPLAIN 命令来分析这条SQL的执行情况。

• 通过 key 和 key_len 可以 检查是否命中了索引，如果已经添加了索引，也可以判断索引是否有效。
• 通过 type 字段可以查看SQL 是否有优化空间，比如是否存在全索引扫描或全表扫描。
• 通过extra 建议可以判断是否出现回表情况，如果出现，可以尝试添加索引或修改返回字段来优化。

3. 了解过索引吗？（什么是索引）

候选人：嗯，索引在项目中非常常见，它是一种帮助MySQL 高效获取数据 的 数据结构，主要用来提高数据检索效率，降低数据库的I/O成本。同时，索引列可以对数据进行排序，降低数据排序的成本，也能减少CPU的消耗。

4. 索引的底层数据结构了解过吗？

候选人：MySQL的默认存储引擎 InnoDB 使用的是 B+树 作为索引的存储结构。选择B+树的原因包括：

• 节点可以有更多子节点，路径更短；
• 磁盘读写代价更低，非叶子节点只存储键值和指针，叶子节点存储数据；
• B+树适合范围查询和扫描，因为叶子节点形成了一个双向链表。

5. B树和B+树的区别是什么呢？

候选人：B树和B+树的主要区别在于：

1. B树的非叶子节点和叶子节点都存放数据，而B+树的所有 数据只出现在叶子节点，这使得B+树在查询时效率更稳定。
2. B+树在进行范围查询时效率更高，因为所有数据都在叶子节点，并且 叶子节点之间形成了双向链表。

6. 什么是聚簇索引什么是非聚簇索引？

候选人：
聚簇索引 （聚集索引）是指 数据与索引放在一起，B+树的叶子节点保存了整行数据，通常只有一个聚簇索引，一般是由主键构成。
非聚簇索引（二级索引）则是数据与索引分开存储，B+树的叶子节点保存的是主键值，可以有多个非聚簇索引，通常我们自定义的索引都是非聚簇索引。

7. 知道什么是回表查询吗？

候选人：回表查询是指通过二级索引找到对应的主键值，然后再通过主键值查询聚簇索引中对应的整行数据的过程。

8. 知道什么叫覆盖索引吗？

候选人：覆盖索引是指在SELECT查询中，返回的列全部能在索引中找到，避免了回表查询，提高了性能。 使用覆盖索引可以减少对主键索引的查询次数，提高查询效率。

9. MySQL超大分页怎么处理？

候选人：超大分页通常发生在数据量大的情况下，使用LIMIT分页查询且需要排序时效率较低。可以通过 覆盖索引 和 子查询 来解决。首先查询数据的ID字段进行分页，然后根据ID列表用子查询来过滤只查询这些ID的数据，因为查询ID时使用的是覆盖索引，所以效率可以提升。

10. 索引创建原则有哪些？

候选人：创建索引的原则包括：

• 表中的数据量超过10万以上时考虑创建索引。
• 选择查询频繁的字段作为索引，如查询条件、排序字段或分组字段。
• 尽量使用复合索引，覆盖SQL的返回值。
• 如果字段区分度不高，可以将其放在组合索引的后面。
• 对于内容较长的字段，考虑使用前缀索引。
• 控制索引数量，因为索引虽然可以提高查询速度，但也会影响插入、更新的速度。

11. 什么情况下索引会失效？

候选人：索引可能在以下情况下失效：

• 没有遵循最左匹配原则。 指的是查询从索引的最左前列开始，并且不跳过索引中的列。
• 使用了模糊查询且%号在前面。
• 在索引字段上进行了运算或类型转换。
• 使用了复合索引但在中间使用了范围查询，导致右边的条件索引失效。
• 字符串不加单引号，导致类型转换。

通常情况下，想要判断 SQL 是否有索引失效的情况，可以使用 explain 执行计划来分析。

12. SQL的优化经验有哪些？

候选人：SQL优化可以从以下几个方面考虑：

• 表的设计优化，建表时选择合适的字段类型。
• 索引优化，遵循创建索引的原则。
• SQL语句优化，比如避免使用SELECT *，尽量使用UNION ALL代替UNION，以及在表关联时使用INNER JOIN。
• 采用主从复制和读写分离提高性能。
• 在数据量大时考虑分库分表。

13. 创建表的时候，你们是如何优化的呢？

候选人：创建表时，我们主要参考《嵩山版》开发手册，选择字段类型时结合字段内容，比如数值类型选择TINYINT、INT、BIGINT等，字符串类型选择CHAR（定长效率高）、VARCHAR（可变长度效率稍低）或TEXT。

14. 在使用索引的时候，是如何优化呢？

候选人：在使用索引时，我们 遵循索引创建原则，确保索引字段是查询频繁的，使用复合索引覆盖SQL返回值，避免在索引字段上进行运算或类型转换，以及控制索引数量。

15. 你平时对SQL语句做了哪些优化呢？

候选人：我对SQL语句的优化包括

• 指明字段名称而不是使用SELECT *
• 避免造成索引失效的写法
• 聚合查询时使用UNION ALL代替UNION
• 表关联时优先使用INNER JOIN，以及在必须使用LEFT JOIN或RIGHT JOIN时，确保小表作为驱动表。

16. 事务的特性是什么？可以详细说一下吗？

候选人：事务的特性是 ACID，即 原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）、持久性（Durability）。例如，A向B转账500元，这个操作要么都成功，要么都失败，体现了原子性。转账过程中数据要保持一致，A扣除了500元，B必须增加500元。隔离性体现在A向B转账时，不受其他事务干扰。持久性体现在事务提交后，数据要被持久化存储。

17. 并发事务带来哪些问题？

候选人：并发事务可能导致脏读、不可重复读和幻读。

• 脏读是指一个事务读到了另一个事务未提交的“脏数据”。
• 不可重复读是指在一个事务内多次读取同一数据，由于其他事务的修改导致数据不一致。
• 幻读是指一个事务读取到了其他事务插入的“幻行”。

18. 怎么解决这些问题呢？MySQL的默认隔离级别是？

候选人：解决这些问题的方法是使用 事务隔离。MySQL支持四种隔离级别：

1. 未提交读（READ UNCOMMITTED）：解决不了所有问题。
2. 读已提交（READ COMMITTED）：能解决脏读，但不能解决不可重复读和幻读。
3. 可重复读（REPEATABLE READ）：能解决脏读和不可重复读，但不能解决幻读，这也是MySQL的默认隔离级别。
4. 串行化（SERIALIZABLE）：可以解决所有问题，但性能较低。

19. undo log和redo log的区别是什么？

候选人：
redo log记录的是数据页的物理变化，用于服务宕机后的恢复，保证事务的持久性。
undo log记录的是逻辑日志，用于事务回滚时恢复原始数据，保证事务的原子性和一致性。

20. 事务中的隔离性是如何保证的呢？（你解释一下MVCC）

候选人：事务的隔离性通过 锁 和 多版本并发控制（MVCC） 来保证。MVCC通过维护数据的多个版本来避免读写冲突。底层实现包括 隐藏字段、undo log 和 read view。

• 隐藏字段包括 trx_id 和 roll_pointer。
  • trx_id （事务id），记录每一次操作的事务id，是自增的。
  • roll_pointer（回滚指针），指向上一个版本的事务版本记录地址。
• undo log记录了不同版本的数据，通过roll_pointer形成版本链。
  • 回滚日志，存储老版本数据。
  • 版本链：多个事务并行操作某一行记录，记录不同事务修改数据的版本，通过 roll_pointer 形成一个链表。
• read view 定义了不同隔离级别下的快照读，决定了事务访问哪个版本的数据。
  • 根据 readView 的匹配规则和当前的一些事务 id 判断该访问哪个版本的数据。
  • 不同的隔离级别快照读是不一样的，最终的访问的结果不一样。
    • RC（读已提交）：每一次执行快照读时生成 readView
    • RR（可重复读）：仅在事务中第一次执行快照读时生成ReadView，后续复用。

21. MySQL主从同步原理是什么？

候选人：MySQL主从复制的核心是 二进制日志（Binlog）。
Binlong 记录了所有的 DDL（数据定义语言）语句和 DML（数据操纵语言）语句，但不包括数据查询（SELECT、SHOW）语句。步骤如下：

1. 主库在事务提交时记录数据变更到 Binlog。
2. 从库读取主库的Binlog并写入中继日志（Relay Log）。
3. 从库重做中继日志中的事件，反映到自己的数据中。

22. 你们项目用过MySQL的分库分表吗？

候选人：我们采用微服务架构，每个微服务对应一个数据库，是根据业务进行拆分的，这个其实就是垂直拆分。

23. 那你之前使用过水平分库吗？

候选人：使用过。当时业务发展迅速，某个表数据量超过1000万，单库优化后性能仍然很慢，因此采用了水平分库。我们首先部署了3台服务器和3个数据库，使用mycat进行数据分片。旧数据也按照ID取模规则迁移到了各个数据库中，这样各个数据库可以分摊存储和读取压力，解决了性能问题。