企业官网建设流程全解析

金牛区网站建设,科技网站 石家庄,网站开发肇庆培训,不花钱建网站一、Redis 1.1、你在最近的项目中哪些场景使用了redis呢#xff1f; 一是验证你的项目场景的真实性#xff0c;二是为了作为深入发问的切入点。 缓存 缓存三兄弟#xff08;穿透、击穿、雪崩#xff09;、双写一致、持久化、数据过期策略#xff0c;数据淘汰策略 分布…一、Redis1.1、你在最近的项目中哪些场景使用了redis呢一是验证你的项目场景的真实性二是为了作为深入发问的切入点。缓存缓存三兄弟穿透、击穿、雪崩、双写一致、持久化、数据过期策略数据淘汰策略分布式锁setnx、redisson消息队列、延迟队列何种数据类型1.2、缓存穿透缓存穿透是指查询一个一定不存在的数据如果从存储层查不到数据则不写入缓存这将导致这个不存在的数据每次请求都要到 DB 去查询可能导致 DB 挂掉。这种情况大概率是遭到了攻击。解决方案一缓存空数据查询返回的数据为空仍把这个空结果进行缓存{key:1,value:null}一键获取完整项目代码json1优点简单缺点消耗内存可能会发生不一致的问题解决方案二布隆过滤器优点内存占用较少没有多余key缺点实现复杂存在误判1.3、布隆过滤器bitmap位图相当于是一个以bit位为单位的数组数组中每个单元只能存储二进制数0或1。布隆过滤器主要是用于检索一个元素是否在一个集合中。我们当时使用的是redisson实现的布隆过滤器。它的底层主要是先去初始化一个比较大数组里面存放的二进制0或1。在一开始都是0当一个key来了之后经过3次hash计算模于数组长度找到数据的下标然后把数组中原来的0改为1这样的话三个数组的位置就能标明一个key的存在。查找的过程也是一样的。当然是有缺点的布隆过滤器有可能会产生一定的误判我们一般可以设置这个误判率大概不会超过5%其实这个误判是必然存在的要不就得增加数组的长度其实已经算是很划分了5%以内的误判率一般的项目也能接受不至于高并发下压倒数据库。误判率数组越小误判率就越大数组越大误判率就越小但是同时带来了更多的内存消耗。1.4、缓存击穿缓存击穿的意思是对于设置了过期时间的key缓存在某个时间点过期的时候恰好这时间点对这个Key有大量的并发请求过来这些请求发现缓存过期一般都会从后端 DB 加载数据并回设到缓存这个时候大并发的请求可能会瞬间把 DB 压垮。解决方案有两种方式使用互斥锁当缓存失效时不立即去load db先使用如 Redis 的 setnx 去设置一个互斥锁当操作成功返回时再进行 load db的操作并回设缓存否则重试get缓存的方法。可以设置当前key逻辑过期大概是思路如下在设置key的时候设置一个过期时间字段一块存入缓存中不给当前key设置过期时间当查询的时候从redis取出数据后判断时间是否过期如果过期则开通另外一个线程进行数据同步当前线程正常返回数据这个数据不是最新。如果此时线程三进入请求发现数据不是最新的此时获取锁会获取失败正常返回数据这个数据也不是最新的和互斥不同获取锁失败不排队等待说明已经有线程在进行数据同步了 。两种方案各有利弊如果选择数据的强一致性建议使用分布式锁的方案性能上可能没那么高锁需要等也有可能产生死锁的问题如果选择key的逻辑删除则优先考虑的高可用性性能比较高但是数据同步这块做不到强一致。1.5、缓存雪崩缓存雪崩意思是设置缓存时采用了相同的过期时间导致缓存在某一时刻同时失效请求全部转发到DBDB 瞬时压力过重雪崩。与缓存击穿的区别雪崩是很多key击穿是某一个key缓存。解决方案给不同的Key的TTL添加随机值将缓存失效时间分散开比如可以在原有的失效时间基础上增加一个随机值比如1-5分钟随机这样每一个缓存的过期时间的重复率就会降低就很难引发集体失效的事件。利用Redis集群提高服务的可用性哨兵模式、集群模式给缓存业务添加降级限流策略ngxin或spring cloud gateway给业务添加多级缓存Guava或Caffeine缓存三兄弟穿透无中生有key布隆过滤null隔离。缓存击穿过期key 锁与非期解难题。雪崩大量过期key过期时间要随机。面试必考三兄弟可用限流来保底。篇幅限制下面就只能给大家展示小册部分内容了。整理了一份核心面试笔记包括了Java面试、Spring、JVM、MyBatis、Redis、MySQL、并发编程、微服务、Linux、Springboot、SpringCloud、MQ、Kafc需要全套面试笔记及答案【点击此处即可/免费获取】​https://docs.qq.com/doc/DQXdYWE9LZ2ZHZ1ho1.6、redis做为缓存mysql的数据如何与redis进行同步呢双写一致性双写一致当修改了数据库的数据也要同时更新缓存的数据缓存和数据库的数据要保持一致1.6.1、读操作缓存命中直接返回缓存未命中查询数据库写入缓存设定超时时间有脏数据风险1.6.2、写操作延迟双删代码耦合性高1.6.3、异步通知保证数据的最终一致性1.6.4、基于Canal的异步通知二进制日志BINLOG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。1.6.5、参考回答最近做的这个项目里面有xxxx根据自己的简历上写的功能需要让数据库与redis高度保持一致因为要求时效性比较高我们当时采用的读写锁保证的强一致性。我们采用的是redisson实现的读写锁在读的时候添加共享锁可以保证读读不互斥读写互斥。当我们更新数据的时候添加排他锁它是读写读读都互斥这样就能保证在写数据的同时是不会让其他线程读数据的避免了脏数据。这里面需要注意的是读方法和写方法上需要使用同一把锁才行。1.6.6、那这个排他锁是如何保证读写、读读互斥的呢其实排他锁底层使用也是setnx保证了同时只能有一个线程操作锁住的方法1.6.7、你听说过延时双删吗为什么不用它呢延迟双删如果是写操作我们先把缓存中的数据删除然后更新数据库最后再延时删除缓存中的数据其中这个延时多久不太好确定在延时的过程中可能会出现脏数据并不能保证强一致性所以没有采用它。1.6.8、数据同步可以有一定的延时符合大部分业务我们当时采用的阿里的canal组件实现数据同步不需要更改业务代码部署一个canal服务。canal服务把自己伪装成mysql的一个从节点当mysql数据更新以后canal会读取binlog数据然后在通过canal的客户端获取到数据更新缓存即可。1.7、数据持久化在Redis中提供了两种数据持久化的方式RDBRDB是一个快照文件它是把redis内存存储的数据写到磁盘上当redis实例宕机恢复数据的时候方便从RDB的快照文件中恢复数据。AOFAOF的含义是追加文件当redis操作写命令的时候都会存储这个文件中当redis实例宕机恢复数据的时候会从这个文件中再次执行一遍命令来恢复数据。1.7.1、这两种方式哪种恢复的比较快呢RDB因为是二进制文件在保存的时候体积也是比较小的它恢复的比较快但是它有可能会丢数据我们通常在项目中也会使用AOF来恢复数据虽然AOF恢复的速度慢一些但是它丢数据的风险要小很多在AOF文件中可以设置刷盘策略我们当时设置的就是每秒批量写入一次命令。1.7.2、 RDB的执行原理bgsave开始时会fork主进程得到子进程子进程共享主进程的内存数据。完成fork后读取内存数据并写入 RDB 文件。fork采用的是copy-on-write技术当主进程执行读操作时访问共享内存当主进程执行写操作时则会拷贝一份数据执行写操作。1.7.3、AOFAOF全称为Append Only File追加文件。Redis处理的每一个写命令都会记录在AOF文件可以看做是命令日志文件。AOF默认是关闭的需要修改redis.conf配置文件来开启AOF# 是否开启AOF功能默认是no appendonly yes # AOF文件的名称 appendfilename appendonly.aof一键获取完整项目代码bash1234AOF的命令记录的频率也可以通过redis.conf文件来配# 表示每执行一次写命令立即记录到AOF文件 appendfsync always # 写命令执行完先放入AOF缓冲区然后表示每隔1秒将缓冲区数据写到AOF文件是默认方案 appendfsync everysec # 写命令执行完先放入AOF缓冲区由操作系统决定何时将缓冲区内容写回磁盘 appendfsync no一键获取完整项目代码bash123456配置项刷盘时机优点缺点Always同步刷盘可靠性高几乎不丢数据性能影响大verysec每秒刷盘性能适中最多丢失1秒数据no操作系统控制性能最好可靠性较差可能丢失大量数据因为是记录命令AOF文件会比RDB文件大的多。而且AOF会记录对同一个key的多次写操作但只有最后一次写操作才有意义。通过执行bgrewriteaof命令可以让AOF文件执行重写功能用最少的命令达到相同效果。Redis也会在触发阈值时自动去重写AOF文件。阈值也可以在redis.conf中配置# AOF文件比上次文件 增长超过多少百分比则触发重写 auto-aof-rewrite-percentage 100 # AOF文件体积最小多大以上才触发重写 auto-aof-rewrite-min-size 64mb一键获取完整项目代码basic12341.7.4、RDB与AOF对比RDB和AOF各有自己的优缺点如果对数据安全性要求较高在实际开发中往往会结合两者来使用。RDBAOF持久化方式定时对整个内存做快照记录每一次执行的命令数据完整性不完整两次备份之间会丢失相对完整取决于刷盘策略文件大小会有压缩文件体积小记录命令文件体积很大宕机恢复速度很快慢数据恢复优先级低因为数据完整性不如AOF高因为数据完整性更高系统资源占用高大量CPU和内存消耗低主要是磁盘IO资源 但AOF重写时会占用大量CPU和内存资源使用场景可以容忍数分钟的数据丢失追求更快的启动速度对数据安全性要求较高常见1.8、假如redis的key过期之后会立即删除吗Redis对数据设置数据的有效时间数据过期以后就需要将数据从内存中删除掉。可以按照不同的规则进行删除这种删除规则就被称之为数据的删除策略数据过期策略。1.9、Redis的数据过期策略有哪些1.9.1、Redis数据删除策略-惰性删除惰性删除设置该key过期时间后我们不去管它当需要该key时我们在检查其是否过期如果过期我们就删掉它反之返回该key优点对CPU友好只会在使用该key时才会进行过期检查对于很多用不到的key不用浪费时间进行过期检查缺点对内存不友好如果一个key已经过期但是一直没有使用那么该key就会一直存在内存中内存永远不会释放1.9.2、Redis数据删除策略-定期删除定期删除每隔一段时间我们就对一些key进行检查删除里面过期的key(从一定数量的数据库中取出一定数量的随机key进行检查并删除其中的过期key)。定期清理有两种模式SLOW模式是定时任务执行频率默认为10hz每次不超过25ms以通过修改配置文件redis.conf 的hz 选项来调整这个次数FAST模式执行频率不固定但两次间隔不低于2ms每次耗时不超过1ms优点可以通过限制删除操作执行的时长和频率来减少删除操作对 CPU 的影响。另外定期删除也能有效释放过期键占用的内存。缺点难以确定删除操作执行的时长和频率。Redis的过期删除策略惰性删除 定期删除两种策略进行配合使用1.10、redis的数据淘汰策略当Redis中的内存不够用时此时在向Redis中添加新的key那么Redis就会按照某一种规则将内存中的数据删除掉这种数据的删除规则被称之为内存的淘汰策略。Redis支持8种不同策略来选择要删除的keyunoeviction 不淘汰任何key但是内存满时不允许写入新数据默认就是这种策略。uvolatile-ttl 对设置了TTL的key比较key的剩余TTL值TTL越小越先被淘汰uallkeys-random对全体key 随机进行淘汰。uvolatile-random对设置了TTL的key 随机进行淘汰。uallkeys-lru 对全体key基于LRU算法进行淘汰uvolatile-lru 对设置了TTL的key基于LRU算法进行淘汰uallkeys-lfu 对全体key基于LFU算法进行淘汰uvolatile-lfu 对设置了TTL的key基于LFU算法进行淘汰LRULeastRecentlyUsed最近最少使用。用当前时间减去最后一次访问时间这个值越大则淘汰优先级越高。LFULeastFrequentlyUsed最少频率使用。会统计每个key的访问频率值越小淘汰优先级越高。1.10.1、数据淘汰策略-使用建议优先使用 allkeys-lru 策略。充分利用 LRU 算法的优势把最近最常访问的数据留在缓存中。如果业务有明显的冷热数据区分建议使用。如果业务中数据访问频率差别不大没有明显冷热数据区分建议使用 allkeys-random随机选择淘汰。如果业务中有置顶的需求可以使用 volatile-lru 策略同时置顶数据不设置过期时间这些数据就一直不被删除会淘汰其他设置过期时间的数据。如果业务中有短时高频访问的数据可以使用 allkeys-lfu 或 volatile-lfu 策略。1.10.2、关于数据淘汰策略其他的面试问题数据库有1000万数据 ,Redis只能缓存20w数据, 如何保证Redis中的数据都是热点数据 ?使用allkeys-lru(挑选最近最少使用的数据淘汰)淘汰策略留下来的都是经常访问的热点数据Redis的内存用完了会发生什么主要看数据淘汰策略是什么如果是默认的配置 noeviction 会直接报错。1.11、redis分布式锁在redis中提供了一个命令setnx(SET if not exists)由于redis的单线程的用了命令之后只能有一个客户端对某一个key设置值在没有过期或删除key的时候是其他客户端是不能设置这个key的1.11.1、如何控制Redis实现分布式锁有效时长redis的setnx指令不好控制这个问题我们当时采用的redis的一个框架redisson实现的。在redisson中需要手动加锁并且可以控制锁的失效时间和等待时间当锁住的一个业务还没有执行完成的时候在redisson中引入了一个看门狗机制就是说每隔一段时间就检查当前业务是否还持有锁如果持有就增加加锁的持有时间当业务执行完成之后需要使用释放锁就可以了还有一个好处就是在高并发下一个业务有可能会执行很快先客户1持有锁的时候客户2来了以后并不会马上拒绝它会自旋不断尝试获取锁如果客户1释放之后客户2就可以马上持有锁性能也得到了提升。1.11.2、redisson实现的分布式锁是可重入的吗嗯是可以重入的。这样做是为了避免死锁的产生。这个重入其实在内部就是判断是否是当前线程持有的锁如果是当前线程持有的锁就会计数如果释放锁就会在计算上减一。在存储数据的时候采用的hash结构大key可以按照自己的业务进行定制其中小key是当前线程的唯一标识value是当前线程重入的次数。1.11.3、redisson实现的分布式锁能解决主从一致性的问题吗这个是不能的比如当线程1加锁成功后master节点数据会异步复制到slave节点此时当前持有Redis锁的master节点宕机slave节点被提升为新的master节点假如现在来了一个线程2再次加锁会在新的master节点上加锁成功这个时候就会出现两个节点同时持有一把锁的问题。我们可以利用redisson提供的红锁来解决这个问题它的主要作用是不能只在一个redis实例上创建锁应该是在多个redis实例上创建锁并且要求在大多数redis节点上都成功创建锁红锁中要求是redis的节点数量要过半。这样就能避免线程1加锁成功后master节点宕机导致线程2成功加锁到新的master节点上的问题了。但是如果使用了红锁因为需要同时在多个节点上都添加锁性能就变的很低了并且运维维护成本也非常高所以我们一般在项目中也不会直接使用红锁并且官方也暂时废弃了这个红锁1.11.4、如果业务非要保证数据的强一致性这个该怎么解决呢redis本身就是支持高可用的做到强一致性就非常影响性能所以如果有强一致性要求高的业务建议使用zookeeper实现的分布式锁它是可以保证强一致性的。1.12、Redis集群在Redis中提供的集群方案总共有三种主从复制、哨兵模式、Redis分片集群1.12.1、主从复制单节点Redis的并发能力是有上限的要进一步提高Redis的并发能力就需要搭建主从集群实现读写分离。1.12.2、主从同步原理分为了两个阶段全量同步增量同步全量同步Replication Id简称replid是数据集的标记id一致则说明是同一数据集。每一个master都有唯一的replidslave则会继承master节点的replid。offset偏移量随着记录在repl_baklog中的数据增多而逐渐增大。slave完成同步时也会记录当前同步的offset。如果slave的offset小于master的offset说明slave数据落后于master需要更新。全量同步是指从节点第一次与主节点建立连接的时候使用全量同步流程是这样的从节点请求主节点同步数据其中从节点会携带自己的replication id和offset偏移量。主节点判断是否是第一次请求主要判断的依据就是主节点与从节点是否是同一个replication id如果不是就说明是第一次同步那主节点就会把自己的replication id和offset发送给从节点让从节点与主节点的信息保持一致。在同时主节点会执行bgsave生成rdb文件后发送给从节点去执行从节点先把自己的数据清空然后执行主节点发送过来的rdb文件这样就保持了一致篇幅限制下面就只能给大家展示小册部分内容了。整理了一份核心面试笔记包括了Java面试、Spring、JVM、MyBatis、Redis、MySQL、并发编程、微服务、Linux、Springboot、SpringCloud、MQ、Kafc需要全套面试笔记及答案【点击此处即可/免费获取】​https://docs.qq.com/doc/DQXdYWE9LZ2ZHZ1ho当然如果在rdb生成执行期间依然有请求到了主节点而主节点会以命令的方式记录到缓冲区缓冲区是一个日志文件最后把这个日志文件发送给从节点这样就能保证主节点与从节点完全一致了后期再同步数据的时候都是依赖于这个日志文件这个就是全量同步。增量同步slave重启或后期数据变化增量同步指的是当从节点服务重启之后数据就不一致了所以这个时候从节点会请求主节点同步数据主节点还是判断不是第一次请求不是第一次就获取从节点的offset值然后主节点从命令日志中获取offset值之后的数据发送给从节点进行数据同步1.13、哨兵Redis提供了哨兵Sentinel机制来实现主从集群的自动故障恢复。哨兵的结构和作用如下监控Sentinel 会不断检查您的master和slave是否按预期工作自动故障恢复如果master故障Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主通知Sentinel充当Redis客户端的服务发现来源当集群发生故障转移时会将最新信息推送给Redis的客户端服务状态监控Sentinel基于心跳机制监测服务状态每隔1秒向集群的每个实例发送ping命令主观下线如果某sentinel节点发现某实例未在规定时间响应则认为该实例主观下线。客观下线若超过指定数量quorum的sentinel都认为该实例主观下线则该实例客观下线。quorum值最好超过Sentinel实例数量的一半。哨兵选主规则首先判断主与从节点断开时间长短如超过指定值就排该从节点然后判断从节点的slave-priority值越小优先级越高如果slave-prority一样则判断slave节点的offset值越大优先级越高最后是判断slave节点的运行id大小越小优先级越高。1.14、怎么保证Redis的高并发高可用首先可以搭建主从集群再加上使用redis中的哨兵模式哨兵模式可以实现主从集群的自动故障恢复里面就包含了对主从服务的监控、自动故障恢复、通知如果master故障Sentinel会将一个slave提升为master。当故障实例恢复后也以新的master为主同时Sentinel也充当Redis客户端的服务发现来源当集群发生故障转移时会将最新信息推送给Redis的客户端所以一般项目都会采用哨兵的模式来保证redis的高并发高可用1.15、redis是单点还是集群哪种集群我们当时使用的是主从1主1从加哨兵。一般单节点不超过10G内存如果Redis内存不足则可以给不同服务分配独立的Redis主从节点。尽量不做分片集群。因为集群维护起来比较麻烦并且集群之间的心跳检测和数据通信会消耗大量的网络带宽也没有办法使用lua脚本和事务。1.16、redis集群脑裂该怎么解决呢这个在项目很少见不过脑裂的问题是这样的我们现在用的是redis的哨兵模式集群的有的时候由于网络等原因可能会出现脑裂的情况就是说由于redis master节点和redis salve节点和sentinel处于不同的网络分区使得sentinel没有能够心跳感知到master所以通过选举的方式提升了一个salve为master这样就存在了两个master就像大脑分裂了一样这样会导致客户端还在old master那里写入数据新节点无法同步数据当网络恢复后sentinel会将old master降为salve这时再从新master同步数据这会导致old master中的大量数据丢失。解决方式在redis配置中设置设置最少的salve节点个数比如设置至少要有一个从节点才能同步数据设置主从数据复制和同步的延迟时间达不到要求就拒绝请求就可以避免大量的数据丢失。1.17、分片集群结构主从和哨兵可以解决高可用、高并发读的问题。但是依然有两个问题没有解决海量数据存储问题高并发写的问题使用分片集群可以解决上述问题分片集群特征集群中有多个master每个master保存不同数据每个master都可以有多个slave节点master之间通过ping监测彼此健康状态客户端请求可以访问集群任意节点最终都会被转发到正确节点1.17.1、 redis的分片集群有什么作用分片集群主要解决的是海量数据存储的问题集群中有多个master每个master保存不同数据并且还可以给每个master设置多个slave节点就可以继续增大集群的高并发能力。同时每个master之间通过ping监测彼此健康状态就类似于哨兵模式了。当客户端请求可以访问集群任意节点最终都会被转发到正确节点1.17.2、 Redis分片集群中数据是怎么存储和读取的Redis 集群引入了哈希槽的概念有 16384 个哈希槽集群中每个主节点绑定了一定范围的哈希槽范围 key通过 CRC16 校验后对 16384 取模来决定放置哪个槽通过槽找到对应的节点进行存储。取值的逻辑是一样的1.18、Redis是单线程的但是为什么还那么快完全基于内存的C语言编写采用单线程避免不必要的上下文切换可竞争条件使用多路I/O复用模型非阻塞IO例如bgsave 和 bgrewriteaof 都是在后台执行操作不影响主线程的正常使用不会产生阻塞1.19、能解释一下I/O多路复用模型I/O多路复用是指利用单个线程来同时监听多个Socket 并在某个Socket可读、可写时得到通知从而避免无效的等待充分利用CPU资源。目前的I/O多路复用都是采用的epoll模式实现它会在通知用户进程Socket就绪的同时把已就绪的Socket写入用户空间不需要挨个遍历Socket来判断是否就绪提升了性能。其中Redis的网络模型就是使用I/O多路复用结合事件的处理器来应对多个Socket请求比如提供了连接应答处理器、命令回复处理器命令请求处理器在Redis6.0之后为了提升更好的性能在命令回复处理器使用了多线程来处理回复事件在命令请求处理器中将命令的转换使用了多线程增加命令转换速度在命令执行的时候依然是单线程。例如bgsave 和 bgrewriteaof 都是在后台执行操作不影响主线程的正常使用不会产生阻塞二、MySQL2.1、MySQL中如何定位慢查询?方案一开源工具调试工具Arthas运维工具Prometheus 、Skywalking方案二MySQL自带慢日志慢查询日志记录了所有执行时间超过指定参数long_query_time单位秒默认10秒的所有SQL语句的日志。如果要开启慢查询日志需要在MySQL的配置文件/etc/my.cnf中配置如下信息# 开启MySQL慢日志查询开关 slow_query_log1 # 设置慢日志的时间为2秒SQL语句执行时间超过2秒就会视为慢查询记录慢查询日志 long_query_time2一键获取完整项目代码bash1234配置完毕之后通过以下指令重新启动MySQL服务器进行测试查看慢日志文件中记录的信息 /var/lib/mysql/localhost-slow.log。2.2、一个SQL语句执行很慢, 如何分析可以采用EXPLAIN或者DESC命令获取 MySQL 如何执行 SELECT 语句的信息语法-- 直接在select语句之前加上关键字 explain / desc EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件 ;一键获取完整项目代码sql12possible_key 当前sql可能会使用到的索引key 当前sql实际命中的索引key_len 索引占用的大小Extra 额外的优化建议Extra含义Using where; Using Index查找使用了索引需要的数据都在索引列中能找到不需要回表查询数据Using index condition查找使用了索引但是需要回表查询数据type 这条sql的连接的类型性能由好到差为NULL、system、const、eq_ref、ref、range、 index、allsystem查询系统中的表const根据主键查询eq_ref主键索引查询或唯一索引查询ref索引查询range范围查询index索引树扫描all全盘扫描参考回答可以采用MySQL自带的分析工具 EXPLAIN通过key和key_len检查是否命中了索引索引本身存在是否有失效的情况通过type字段查看sql是否有进一步的优化空间是否存在全索引扫描或全盘扫描通过extra建议判断是否出现了回表的情况如果出现了可以尝试添加索引或修改返回字段来修复篇幅限制下面就只能给大家展示小册部分内容了。整理了一份核心面试笔记包括了Java面试、Spring、JVM、MyBatis、Redis、MySQL、并发编程、微服务、Linux、Springboot、SpringCloud、MQ、Kafc需要全套面试笔记及答案【点击此处即可/免费获取】​https://docs.qq.com/doc/DQXdYWE9LZ2ZHZ1ho2.3、MYSQL支持的存储引擎有哪些, 有什么区别 ?存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式 。存储引擎是基于表的而不是基于库的所以存储引擎也可被称为表类型。特性MyISAMInnoDBMEMORY事务安全不支持支持不支持锁机制表锁表锁/行锁表锁外键不支持支持不支持在mysql中提供了很多的存储引擎比较常见有InnoDB、MyISAM、MemoryInnoDB存储引擎是mysql5.5之后是默认的引擎它支持事务、外键、表级锁和行级锁MyISAM是早期的引擎它不支持事务、只有表级锁、也没有外键用的不多Memory主要把数据存储在内存支持表级锁没有外键和事务用的也不多2.4、存储引擎在mysql的体系结构哪一层主要特点是什么2.4.1、MySQL体系结构2.4.2、存储引擎特点InnoDB是一种兼顾高可靠性和高性能的通用存储引擎在 MySQL 5.5 之后InnoDB是默认的MySQL存储引擎。特点DML操作遵循ACID模型支持事务。行级锁提高并发访问性能。支持外键FOREIGN KEY约束保证数据的完整性和正确性。文件xxx.ibdxxx代表的是表名innoDB引擎的每张表都会对应这样一个表空间文件存储该表的表结构frm、sdi、数据和索引。xxx.frm 存储表结构MySQL8.0时合并在表名.ibd中2.5、什么是索引索引在项目中还是比较常见的它是帮助MySQL高效获取数据的数据结构主要是用来提高数据检索的效率降低数据库的IO成本同时通过索引列对数据进行排序降低数据排序的成本也能降低了CPU的消耗。2.6、索引的底层数据结构了解过嘛 ?MySQL的默认的存储引擎InnoDB采用的B树的数据结构来存储索引选择B树的主要的原因是阶数更多路径更短磁盘读写代价B树更低非叶子节点只存储指针叶子阶段存储数据B树便于扫库和区间查询叶子节点是一个双向链表。2.7、B树和B树的区别在B树中非叶子节点和叶子节点都会存放数据而B树的所有的数据都会出现在叶子节点在查询的时候B树查找效率更加稳定在进行范围查询的时候B树效率更高因为B树都在叶子节点存储并且叶子节点是一个双向链表。B-TreeB树是一种多叉路衡查找树相对于二叉树B树每个节点可以有多个分支即多叉。以一颗最大度数max-degree为5(5阶)的b-tree为例那这个B树每个节点最多存储4个keyBTree是在BTree基础上的一种优化使其更适合实现外存储索引结构InnoDB存储引擎就是用BTree实现其索引结构B树与B树对比:磁盘读写代价B树更低查询效率B树更加稳定B树便于扫库和区间查询2.8、什么是聚簇索引什么是非聚簇索引 ?分类含义特点聚集索引(Clustered Index)将数据存储与索引放到了一块索引结构的叶子节点保存了行数据必须有,而且只有一个二级索引(Secondary Index)将数据与索引分开存储索引结构的叶子节点关联的是对应的主键可以存在多个聚集索引选取规则:如果存在主键主键索引就是聚集索引。如果不存在主键将使用第一个唯一UNIQUE索引作为聚集索引。如果表没有主键或没有合适的唯一索引则InnoDB会自动生成一个rowid作为隐藏的聚集索引。2.9、什么是回表查询其实跟刚才介绍的聚簇索引和非聚簇索引是有关系的回表的意思就是通过二级索引找到对应的主键值然后再通过主键值找到聚集索引中所对应的整行数据这个过程就是回表备注直接问回表则需要先介绍聚簇索引和非聚簇索引2.10、什么叫覆盖索引覆盖索引是指查询使用了索引并且需要返回的列在该索引中已经全部能够找到 。idnamegendercreatedate2Arm12021-01-013Lily02021-05-015Rose02021-02-146Zoo12021-06-018Doc12021-03-0811Lee12020-12-03id为主键默认是主键索引name字段为普通索引-- 覆盖索引 select * from tb_user where id 2; -- 覆盖索引 select idname from tb_user where name ‘Arm’; -- 非覆盖索引(需要回表查询) select idnamegender from tb_user where name ‘Arm’;一键获取完整项目代码sql12345678覆盖索引是指select查询语句使用了索引在返回的列必须在索引中全部能够找到如果我们使用id查询它会直接走聚集索引查询一次索引扫描直接返回数据性能高。如果按照二级索引查询数据的时候返回的列中没有创建索引有可能会触发回表查询尽量避免使用select *尽量在返回的列中都包含添加索引的字段2.11、MYSQL超大分页处理优化思路: 一般分页查询时通过创建覆盖索引能够比较好地提高性能可以通过覆盖索引加子查询形式进行优化select * from tb_sku t,(select id from tb_sku order by id limit 9000000,10) a where t.id a.id;一键获取完整项目代码sql1232.12、索引创建原则有哪些针对于数据量较大且查询比较频繁的表建立索引。针对于常作为查询条件where、排序order by、分组group by操作的字段建立索引。尽量选择区分度高的列作为索引尽量建立唯一索引区分度越高使用索引的效率越高。如果是字符串类型的字段字段的长度较长可以针对于字段的特点建立前缀索引。尽量使用联合索引减少单列索引查询时联合索引很多时候可以覆盖索引节省存储空间避免回表提高查询效率。要控制索引的数量索引并不是多多益善索引越多维护索引结构的代价也就越大会影响增删改的效率。如果索引列不能存储NULL值请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时它可以更好地确定哪个索引最有效地用于查询。2.13、什么情况下索引会失效违反最左前缀法则如果索引了多列要遵守最左前缀法则。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。匹配最左前缀法则走索引。范围查询右边的列不能使用索引 。不要在索引列上进行运算操作 索引将失效。字符串不加单引号造成索引失效类型转换。以%开头的Like模糊查询索引失效。如果仅仅是尾部模糊匹配索引不会失效。如果是头部模糊匹配索引失效。2.14、sql的优化的经验表的设计优化索引优化SQL语句优化主从复制、读写分离分库分表2.14.1、表的设计优化参考阿里开发手册《嵩山版》比如设置合适的数值tinyint int bigint要根据实际情况选择比如设置合适的字符串类型char和varcharchar定长效率高varchar可变长度效率稍低。2.14.2、SQL语句优化SELECT语句务必指明字段名称避免直接使用select * SQL语句要避免造成索引失效的写法尽量用union all代替union union会多一次过滤效率低避免在where子句中对字段进行表达式操作Join优化 能用innerjoin 就不用left join right join如必须使用 一定要以小表为驱动内连接会对两个表进行优化优先把小表放到外边把大表放到里边。left join 或 right join不会重新调整顺序2.14.3、主从复制、读写分离如果数据库的使用场景读的操作比较多的时候为了避免写的操作所造成的性能影响 可以采用读写分离的架构。读写分离解决的是数据库的写入影响了查询的效率。2.15、事务的特性事务是一组操作的集合它是一个不可分割的工作单位事务会把所有的操作作为一个整体一起向系统提交或撤销操作请求即这些操作要么同时成功要么同时失败。原子性Atomicity事务是不可分割的最小操作单元要么全部成功要么全部失败。一致性Consistency事务完成时必须使所有的数据都保持一致状态。隔离性Isolation数据库系统提供的隔离机制保证事务在不受外部并发操作影响的独立环境下运行。持久性Durability事务一旦提交或回滚它对数据库中的数据的改变就是永久的。2.16、并发事务带来哪些问题问题描述脏读一个事务读到另外一个事务还没有提交的数据。不可重复读一个事务先后读取同一条记录但两次读取的数据不同称之为不可重复读。幻读一个事务按照条件查询数据时没有对应的数据行但是在插入数据时又发现这行数据已经存在好像出现了”幻影”。2.17、怎么解决这些问题呢MySQL的默认隔离级别是隔离级别脏读不可重复读幻读Read uncommitted 未提交读√√√Read committed 读已提交×√√Repeatable Read(默认) 可重复读××√Serializable 串行化×××注意事务隔离级别越高数据越安全但是性能越低。READ UNCOMMITTED 未提交读脏读、不可重复读、幻读READ COMMITTED 读已提交不可重复读、幻读REPEATABLE READ 可重复读幻读SERIALIZABLE 串行化