面试数据库八股文十问十答第二期

作者：程序员小白条，个人博客

相信看了本文后，对你的面试是有一定帮助的！

⭐点赞⭐收藏⭐不迷路！⭐

1.MySQL的主从复制

MySQL的主从复制是什么？
MySQL主从复制是一种常见的数据库复制技术，它的目的是将主数据库的更新同步到从数据库中，从而实现数据的备份和负载均衡。
原理：MySQL主从复制采用了基于日志的复制机制，即主库将更新操作记录在二进制日志中，从库通过读取主库的二进制日志来复制主库的更新操作。从库接收到主库的更新操作后，会将这些操作应用到自己的数据库中，从而实现数据的同步。
主从复制的作用
作为后备数据库，主数据库服务器故障后，可切换到从数据库继续工作，避免数据丢失。
业务量越来越大,I/O访问频率过高，单机无法满足，此时做多库的存储，降低磁盘I/O访问的评率，提高单个机器的I/O性能。
读写分离使数据库能支持更大的并发。在报表中尤其重要。由于部分报表sql语句非常的慢，导致锁表，影响前台服务。如果前台使用master，报表使用slave，那么报表sql将不会造成前台锁，保证了前台速度。
怎么实现主从复制?
（1）创建主库和从库。（2）在主库上开启二进制日志，并设置唯一的 server-id。（3）在从库上设置唯一的 server-id，并将主库的二进制日志同步到从库中。（4）在从库上创建复制账户，并授权给主库的 IP 地址。（5）在从库上启动复制进程，连接到主库，并开始复制数据。（6）在主库上进行数据更新操作，更新的操作将被记录在二进制日志中。（7）从库接收到主库的更新操作后，将这些操作应用到自己的数据库中，从而实现数据的同步。
注意点：由于主从复制是异步的，从库可能会有一定的延迟，需要根据具体的应用场景进行调整和优化。

2.MySQL存储引擎，MyISAM和InnoDB的特点和使用场景

MySQL常见存储引擎:

InnoDB是MySQL的默认存储引擎，支持ACID事务，具有高并发性、可靠性和稳定性。InnoDB采用MVCC（多版本并发控制）来实现高并发的读写操作，支持行级锁定，可以提高并发性能。InnoDB也支持外键、回滚等特性，适合于事务性应用场景，例如电子商务、金融等。

MyISAM是一种简单、高效的存储引擎，不支持事务和行级锁定，但具有快速的读取和写入速度，适合于大量查询和少量更新的场景，例如博客、新闻网站等。
MEMORY存储引擎可以将数据存储在内存中，具有快速的读取和写入速度，但是数据存储在内存中，容易丢失。MEMORY存储引擎适合于对数据进行快速计算和缓存数据的场景。
NDB Cluster存储引擎是一种分布式存储引擎，具有高可用性和高可伸缩性，可以实现多台服务器之间的数据共享和负载均衡，适合于大型高并发的应用场景，例如电信、游戏等。
CSV存储引擎将数据存储在文本文件中，具有快速的导入和导出数据的特点，但是不支持事务和索引，适合于对数据进行批量处理的场景。
ARCHIVE存储引擎是一种存档式存储引擎，可以实现快速的数据压缩和解压缩，适合于存储历史数据或备份数据的场景。InnoDB和MyISAM区别1).MyISAM是非事务安全型的，而InnoDB是事务安全型的。2).MyISAM锁的粒度是表级，而InnoDB支持行级锁定。3).MyISAM支持全文类型索引，而InnoDB不支持全文索引。4).MyISAM相对简单，所以在效率上要优于InnoDB，小型应用可以考虑使用MyISAM。5).MyISAM表是保存成文件的形式，在跨平台的数据转移中使用MyISAM存储会省去不少的麻烦。6).InnoDB表比MyISAM表更安全，可以在保证数据不会丢失的情况下，切换非事务表到事务表（alter table tablename type=innodb）。

3.聚簇索引和非聚簇索引

聚簇索引

聚簇索引又称为主索引，是一种物理排序的索引，它决定了表中数据的物理存储顺序。聚簇索引的叶子节点存储的是数据本身，因此聚簇索引可以快速地定位到数据行。由于聚簇索引决定了数据的物理存储顺序，因此一个表只能有一个聚簇索引。

非聚簇索引

非聚簇索引又称为辅助索引，不影响表中数据的物理存储顺序。非聚簇索引的叶子节点存储的是索引键值以及指向数据行的指针，因此需要通过索引键值查找数据行。一个表可以有多个非聚簇索引。

聚簇索引和非聚簇索引的使用场景不同，需要根据具体的应用场景来选择。一般来说，如果需要经常进行范围查询或聚合计算，那么就应该使用聚簇索引。如果需要经常用于查询和排序，那么就应该使用非聚簇索引。

需要注意的是，虽然聚簇索引的查询速度快，但是由于每次插入和更新数据都会改变数据的物理存储顺序，因此会影响性能。在使用聚簇索引时，需要避免频繁的插入和更新操作。同时，在选择索引类型时，需要根据具体的应用场景和需求来综合考虑。

4.b树和b+树的区别

在B树中，你可以将键和值存放在内部节点和叶子节点；但在B+树中，内部节点都是键，没有值，叶子节点同时存放键和值。
B+树的叶子节点有一条链相连，而B树的叶子节点各自独立。
由于B+树在内部节点上不包含数据信息，因此在内存页中能够存放更多的key。数据存放的更加紧密，具有更好的空间局部性。因此访问叶子节点上关联的数据也具有更好的缓存命中率。
B+树的叶子结点都是相链的，因此对整棵树的便利只需要一次线性遍历叶子结点即可。而且由于数据顺序排列并且相连，所以便于区间查找和搜索。而B树则需要进行每一层的递归遍历。相邻的元素可能在内存中不相邻，所以缓存命中性没有B+树好。
但是B树也有优点，其优点在于，由于B树的每一个节点都包含key和value，因此经常访问的元素可能离根节点更近，因此访问也更迅速。
B 树:优点：
- 快速的查找和插入操作;
- 适合大数据量、高并发的场景;
- 内部数据结构稳定，能够保证树形结构的可靠性。
缺点：
- 存储容量较大，需要更多的存储空间;
- 树的高度较高，会导致查询效率降低。
使用场景：
- 对于需要快速查找、插入操作的大数据量场景，如搜索引擎、数据挖掘等;
- 需要支持并发访问的场景，如金融交易系统等。
B+树:优点：
- 相对于 B 树，B+树的存储容量较小，更节省存储空间;
- 查询效率更高，更适合大数据量、低并发的场景;
- 内部数据结构更加稳定，能够保证树形结构的可靠性。
缺点：
- 查找和插入操作的性能比 B 树略低;
- 树的高度较高，会导致查询效率降低。
使用场景：
- 对于需要高效查询、少量插入和删除操作的大数据量场景，如电子商务网站等;
- 需要支持并发访问的场景，如金融交易系统等。